Details

Предметом исследования являются методы и алгоритмы применения ИИ-ассистента для поддержки слотирования, лотирования и подготовки рабочей документации в закупках трубной продукции. Целью выпускной квалификационной работы является разработка и апробация ИИ-ассистента, обеспечивающего поддержку закупщика при анализе закупочных позиций МТР, формировании лотов и подготовке рабочих документов. Актуальность работы обусловлена тем, что в закупочном процессе значительная часть действий закупщика выполняется вручную: анализ наименований труб, выделение технических характеристик, выбор закупочного маршрута, объединение позиций в лоты, создание и редактирование рабочих документов. При этом информация распределена между множеством приложений и сетевых папок. Такая фрагментация сопровождается высокой длительностью подготовки документов, усиливает зависимость результата от опыта конкретного специалиста и увеличивает риск ошибок при выборе закупочного слота, что приводит к временным и финансовым потерям. Задачи, которые решались в ходе исследования: 1. Изучение особенностей закупок МТР в нефтегазовой отрасли и роли трубной продукции в закупочном процессе. 2. Анализ действующего процесса подготовки рабочей документации в ООО «Газпромнефть-Снабжение». 3. Выявление проблем ручного слотирования, лотирования и консолидации данных из разных корпоративных источников. 4. Разработка модели интеллектуального слотирования закупочных позиций МТР. 5. Создание и апробация локального прототипа ИИ-ассистента для формирования лотов и проектов рабочих документов. Методологическую основу работы составили анализ бизнес-процессов, системный анализ, формализация экспертных правил, моделирование, многокритериальная оценка и обработка текстовых данных. Практическая часть выполнена на основе анализа закупочного процесса трубной продукции в ООО «Газпромнефть-Снабжение». и включает разработку алгоритма извлечения признаков из наименований труб, правил выбора закупочного слота, механизма формирования лотов, оценки рисков и подготовки проектов рабочих документов. В результате работы разработана модель, которая извлекает признаки из наименования трубы, определяет рекомендуемый слот, объединяет позиции в лоты, показывает уровень уверенности выбранного пути для конкретной позиции и для полученного лота, фиксирует риски и формирует объяснение рекомендации. На основе модели создан локальный desktop-прототип ИИ-ассистента. По результатам исследования сделан вывод, что применение ИИ-ассистента позволяет сократить время первичной обработки закупочных позиций, снизить когнитивную нагрузку на закупщика, повысить единообразие лотирования и быстрее формировать основу для рабочей документации. При этом ассистент не заменяет специалиста, а выполняет функцию поддержки принятия решений: предлагает маршрут, объясняет логику выбора и выделяет позиции, требующие дополнительной проверки. Экономический эффект от применения модели связан с двумя основными направлениями. Во-первых, внедрение ИИ-ассистента позволяет высвободить человеко-часы, которые в текущем процессе затрачиваются на ручной анализ позиций, повторную проверку лотов, перенос данных между файлами и подготовку типовых рабочих документов. Во-вторых, использование модели снижает вероятность ошибок при слотировании и лотировании: некорректного выбора закупочного маршрута, объединения несовместимых позиций, пропуска технически сложных характеристик или неверного учета рисков. За счет этого сокращаются трудозатраты на повторную проработку позиций, уменьшается вероятность задержек закупочной процедуры и повышается качество подготовки документов. Расчет, выполненный в работе, показал, что на этапе первичного слотирования время обработки 50 позиций может быть сокращено с 30 до 5 минут, а при масштабировании решения на группу специалистов проект имеет потенциал окупаемости в течение одного года. Область применения результатов ВКР - закупочная деятельность в сфере МТР, прежде всего процессы закупки трубной продукции, где требуется анализ технических характеристик, выбор закупочного маршрута, формирование лотов и подготовка повторяющихся рабочих документов. Результаты могут быть использованы для дальнейшей интеграции ИИ-ассистента в корпоративные системы компании и развития решения до промышленного инструмента поддержки закупочного процесса. В процессе выполнения работы использовались следующие информационные технологии и программные средства: Microsoft Excel; Python; библиотеки pandas и openpyxl для обработки табличных данных; Tkinter для создания локального desktop-прототипа приложения; PyInstaller для подготовки исполняемой версии прототипа; Прототип разработан как локальное приложение, работающее без подключения к интернету.

The subject of the research is the methods and algorithms for applying an AI assistant to support slotting, lot formation and preparation of working documentation in the procurement of pipe products. The aim of the master’s thesis is to develop and test an AI assistant that supports a procurement specialist in analyzing MRO procurement items, forming lots and preparing working documents. The relevance of the work is determined by the fact that a significant part of procurement operations is still performed manually: analysis of pipe item descriptions, extraction of technical characteristics, selection of the procurement route, grouping of items into lots, and creation and editing of working documents. At the same time, information is distributed across multiple applications and network folders. Such fragmentation increases the time required to prepare documents, makes the result more dependent on the experience of a particular specialist, and raises the risk of errors when selecting the procurement slot, which may lead to time and financial losses. The research set the following goals: 1. To study the specific features of MRO procurement in the oil and gas industry and the role of pipe products in procurement processes. 2. To analyze the current process of preparing working documentation at Gazpromneft-Snabzhenie LLC. 3. To identify the problems of manual slotting, lot formation and consolidation of data from different corporate sources. 4. To develop a model for intelligent slotting of MRO procurement items. 5. To create and test a local prototype of an AI assistant for lot formation and preparation of draft working documents. The methodological basis of the work includes business process analysis, systems analysis, formalization of expert rules, modelling, multi-criteria assessment and text data processing. The practical part is based on the analysis of the pipe product procurement process at Gazpromneft-Snabzhenie LLC and includes the development of an algorithm for extracting features from pipe item descriptions, rules for selecting a procurement slot, a lot formation mechanism, risk assessment and preparation of draft working documents. As a result of the work, a model was developed that extracts features from a pipe item description, determines the recommended slot, groups items into lots, shows the level of confidence in the selected route both for a specific item and for the resulting lot, identifies risks and generates an explanation of the recommendation. Based on the model, a local desktop prototype of the AI assistant was created. The research concludes that the use of an AI assistant makes it possible to reduce the time required for the initial processing of procurement items, decrease the cognitive load on the procurement specialist, improve the consistency of lot formation and prepare the basis for working documentation faster. At the same time, the assistant does not replace the specialist, but performs a decision-support function: it proposes a route, explains the logic of the choice and highlights items that require additional verification. The economic effect of applying the model is associated with two main areas. First, the implementation of the AI assistant makes it possible to release man-hours that are currently spent on manual item analysis, repeated lot checking, data transfer between files and preparation of standard working documents. Second, the use of the model reduces the probability of errors in slotting and lot formation, including incorrect selection of the procurement route, grouping of incompatible items, omission of technically complex characteristics or incorrect consideration of risks. As a result, labor costs for repeated processing of items are reduced, the probability of procurement procedure delays decreases, and the quality of document preparation improves. The calculation performed in the work showed that, at the stage of initial slotting, the processing time for 50 items can be reduced from 30 to 5 minutes, while scaling the solution to a group of specialists gives the project a potential payback period of one year. The area of application of the thesis results is MRO procurement, primarily the procurement of pipe products, where it is necessary to analyze technical characteristics, select the procurement route, form lots and prepare recurring working documents. The results can be used for further integration of the AI assistant into the company’s corporate systems and for developing the solution into an industrial tool for supporting the procurement process. The following information technologies and software tools were used in the course of the work: Microsoft Excel; Python; the pandas and openpyxl libraries for processing tabular data; Tkinter for creating a local desktop prototype of the application; and PyInstaller for preparing an executable version of the prototype. The prototype was developed as a local application operating without an Internet connection.