Детальная информация

Цель работы — совершенствование системы оценки сроков доставки грузов на основе технологий искусственного интеллекта на примере ООО «CDEK- Global». В работе рассмотрены теоретические основы оценки сроков доставки, динамическая и прогнозная ETA, факторы, влияющие на точность прогнозов, и возможности применения искусственного интеллекта для повышения надежности и прозрачности клиентского обещания. Особое внимание уделено управлению неопределенностью на первой и последней милях, обработке событий отслеживания и адаптивной коммуникации с клиентами. Проведен анализ инфраструктуры CDEK, ее клиентских и партнерских интерфейсов, цифровых каналов, пунктов выдачи и действующей ETA-системы. Выполнены PESTEL-анализ, анализ пяти сил Портера, SWOT/TOWS и сравнительный анализ с ведущими логистическими операторами, что позволило выявить разрыв между существующими интерфейсами и необходимой прогнозной логикой. Разработан проект внедрения системы прогнозирования сроков доставки на базе ИИ, включающий целевую архитектуру , MVP, дорожную карту внедрения, проектную организационную структуру и KPI-контур. Система использует данные о маршрутах, событиях отслеживания, загрузке хабов и пунктов выдачи для расчета ожидаемой даты доставки, временного окна и оценки риска задержки. Экономическая оценка показала положительные результаты: базовый сценарий ЧДД 25,8 млн руб., ВНД 33,2%, дисконтированный срок окупаемости — 2029 г . Результаты подтверждают финансовую реализуемость проекта при поэтапном внедрении и использовании системы в операционной деятельности. Используемые ИТ: Yandex Browser, Google Chrome, Microsoft Word, Microsoft Excel, Microsoft PowerPoint, Acrobat Reader, Kaspersky Endpoint Security.

The aim of the thesis is to enhance the cargo delivery time estimation system through the application of artificial intelligence technologies using the example of CDEK-Global LLC. The thesis examines the theoretical foundations of delivery-time estimation, dynamic and predictive ETA, factors affecting forecast accuracy, and the potential of artificial intelligence to improve the reliability and transparency of delivery promises. Special attention is given to managing uncertainty in the first and last mile, processing tracking events, and adaptive customer communication. An analysis of CDEK’s infrastructure, its customer and partner interfaces, digital channels, pickup-point network, and current ETA system was carried out. PESTEL analysis, Porter’s Five Forces analysis, SWOT/TOWS analysis, and a benchmarking study with leading logistics operators were performed, which made it possible to identify the gap between existing interfaces and the required predictive logic. A project for implementing an AI-based delivery-time estimation system was developed, including the target architecture, minimum viable product, implementation roadmap, project organizational structure, and KPI framework. The system uses data on routes, tracking events, hub workload, and pickup-point status to calculate the expected delivery date, delivery window, and delay-risk assessment. Economic evaluation showed positive results: the base scenario NPV is RUB 25.8 million, IRR is 33.2%, and the discounted payback period is reached in 2029. These results confirm the financial feasibility of the project under step-by-step implementation and operational use of the system. Information technologies used: Yandex Browser, Google Chrome, Microsoft Word, Microsoft Excel, Microsoft PowerPoint, Acrobat Reader, Kaspersky Endpoint Security.

• INTRODUCTION
• 1. THEORETICAL BASIS OF CARGO DELIVERY TIME ESTIMATION SYSTEM
  • 1.1. Theoretical aspects of cargo delivery time estimation system
  • 1.2. Modern trends in delivery-time estimation and predictive logistics
  • 1.3. Tools and methods used for the analysis
• 2. CHARACTERISTICS AND ANALYSIS OF CDEK COMPANY AND ITS CARGO DELIVERY TIME ESTIMATION SYSTEM
  • 2.1 Characteristics and analysis of CDEK
  • 2.2 Analysis of current cargo delivery time estimation system of CDEK
  • 2.3 Gap-oriented benchmark analysis of cargo delivery time estimation systems
• 3. ARTIFICIAL INTELLIGENCE TECHNOLOGY IMPLEMENTATION INTO CARGO DELIVERY TIME ESTIMATION SYSTEM
  • 3.1 Artificial technology implementation into cargo delivery time estimation system
  • 3.2 Budget for artificial technology implementation into cargo delivery time estimation system
  • 3.3 Evaluation of economic efficiency of AI technology implementation into cargo delivery time estimation system
• CONCLUSION
• REFERENCES