Технологии

Как искусственный интеллект выбирает места для заправок

Слушать аудиоверсию 03:26
Фото: «Газпром нефть»

Автор

Герман Костринский

Опубликовано

27 мая 2022

Опубликовано

27 мая 2022

Где построить автозаправку, до сих пор определяли сотрудники — выезжали на место, вручную собирали информацию о транспортных потоках и локациях. На основании этих данных делали прогнозы, но построенные АЗС не всегда приносили тот доход, который прогнозировался, присутствовали и ошибки. На помощь пришел искусственный интеллект: в 2020 году в компании «Газпром нефть» создали программно-аналитическую CEO-платформу, которая в несколько раз повысила точность прогнозирования.

Как создавали программу

СЕО-платформа — умный картографический сервис, который думает и анализирует по той же модели, что и человек, только в тысячи раз быстрее. Для прогноза эффективности одной АЗС платформа учитывает более 60 факторов, влияющих на продажи, и рассчитывает до 100 тысяч возможных маршрутов заездов клиентов.

Разработчики заложили в платформу миллионы данных — от информации об инфраструктуре и населении до планов развития городов и дорог на ближайшие три года. Построили математическую модель передвижения автомобилей на основе моделей поведения населения.
В регионах развития сети замерили транспортные потоки: двухполосные дороги измеряли с помощью видеокамер, магистрали — с помощью мобильных радаров, а крупные транспортные развязки снимали дроны.

Однако мало просто заложить данные в платформу и научить ее доставать нужные показатели по определенным правилам. Такие программы уже давно существуют. Отличие сервиса, наделенного искусственным интеллектом, в том, что он, как школьник, учится на предложенных упражнениях и становится умнее с каждым решенным уравнением.

Испытания

Разработчики обучили модель на данных, полученных с 700 станций сети «Газпромнефть». После этого искусственный интеллект получил задание на основании полученных «знаний» рассчитать эффективность других 400 АЗС, о которых у него нет детальной информации.

Искусственный интеллект практически не ошибся. Он сделал прогноз с отклонением от фактических данных в пределах 6–7% при заложенной в проект допустимой погрешности 10%. Если суммировать отклонения с учетом плюсов (когда АЗС перевыполнили план продаж) и минусов (невыполнение прогнозного плана), среднее отклонение по всем АЗС составило менее 1%.

С 2021 года СЕО-платформа уже используется при проектировании новых АЗС сети «Газпромнефть»: сотрудники розничного бизнеса прошли обучение работе с «умной» программой и начали применять ее для решения повседневных задач.

Что еще доверят машине

У искусственного интеллекта большие перспективы. В планах команды — развивать платформу и доработать ее для решения задач смежных подразделений и других блоков бизнеса. Например, «умная» ИТ-система сможет моделировать и оценивать эффективность текущих продаж нефтепродукта, предсказывать изменения спроса целевой аудитории, помогать в моделировании локального ценообразования. Решение таких задач возможно в перспективе 1–3 лет.

2
Haha
Haha
0
0
Love
Love
0
0
0
Читать также
Молодой специалист представляет проект коллегам

Как рождаются технологии: три истории успешных стартапов

4 мин. чтения
Солнечная электростанция Омского нефтеперерабатывающего завода

Московские ученые создали первую солнечную панель из отечественных материалов

1 мин. чтения
Образец сверхпрочной керамики для энергетики

В Томске разработали новый способ получения сверхтвердой керамики для энергетики

1 мин. чтения
Процесс строительства дороги — вид сверху

«Бумажный» скелет и отработанное масло: из чего состоит дорога будущего

3 мин. чтения
Специалист солнечной электростанции

В России появилась первая электростанция с батареями, следящими за солнцем

1 мин. чтения
Автомобили на магистрали на закате

Специалистов дорожной отрасли приглашают в Казань на обучающий семинар «Шелковый путь»

1 мин. чтения
На солнечной электростанции Омского нефтеперерабатывающего завода

Эффективность солнечных станций повысили с помощью росы, незамерзайки и компьютера

1 мин. чтения
Геолог с голограммой месторождения в руках и с «помощниками» — львом и орлом

Что общего у орла, льва и геолога

1 мин. чтения
Инженеры в лаборатории

В Ростове-на-Дону создали эффективный катализатор для водородных топливных элементов

1 мин. чтения
Специалист исследовательского центра «Геосфера» с образцом горной породы

Библиотека Земли: как устроено одно из самых современных хранилищ горных пород

5 мин. чтения
X 1