используется где-либо машинное обучение или какие-нибудь вариации искусственного интеллекта в конфигурациях 1С? Скажем в областях планирования, определение точек заказа, связанных товаров, выбора оптимальных поставщиков и т.п.?

(0) пилите свою внешнюю компоненту, продавайте и богатейте.

Робот сдал декларацию, не приняли переделал
пока количество корректировочных деклараций, штрафов и блокировок счетов не уменьшится - робот самообучается....

а действительно, что в 1С можно найти эмпирически самообучаемым алгоритмом?

пока статистику накопите - там и фирму можно на клюшку...

(1) Я подумаю. Но хотел бы глянуть рабочие решения. Да я и хоть математик, но далек от написания самообучаемых алгоритмов.

(2) критические процессы ясен пень никто не поручит. А вот как минимум в перечисленных вещах машинное обучение запросто может человека обойти

(3) на тек. момент меня интересует оптимизация заказов. у меня большое плечо поставки(100 дней) и заказ делается раз в месяц на 4 десятка поставщиков. Составить такой заказ - сложно. На мой взгляд я делаю кучу работы, которую ИИ сделает не хуже. Плюс он может отследить скачки потребления товара, и подкорректировать заказ. Мне для этого надо будет прочесать 300-500 позиций вручную.

Самообучение это как?

Человек видит карандаши "тропико" нет у поставщика, но есть аналог карандаши "бобик" и он заказывает аналог

Для машины тут 2 варианты или указать 100500 параметров (вот это полный аналог, это частичный тут играем, тут не играем)

Либо машина должна заказать 100500 раз и на основании статистики уже определить что это определить

Поэтому что значит самообучение и ИИ в контексте заказов?

Т.е. ты понимаешь что незамерзайку для машины летом заказывать ненадо, а для машины, для обучения, нужна статистика продаж незамерзайки летом, на основании которой она поймет что заказывать незамерзайку для расширения летнего ассортимента глупо

>Поэтому что значит самообучение и ИИ в контексте заказов?

Ну как самоообучение. С учителем, конечно...

(5) ну оптимальный заказ он реализуется алгоритмом с миллионом параметров, типа анализа продаж, сезонности и кучей других... а маш. обучение - это про самообучение, опыты, анализ результатов...
Общаясь с владельцем на предмет, почему перегрузил склад неликвидом, ты вряд ли сможешь сослаться на маленькую базу знаний у твоего машинного обучения

Самообучение требует попыток, б'ольшая часть которых даст быстрый чёткий сигнал об ошибке. Только Сбербанк может машиннообучаться, клиентов много и их не жалко.

(0) Зависит от рынка. Может быть много факторов. Например, поставщик при закупках определенного объема даст существенную скидку. Или у поставщиков могут быть акции на определенный ассортимент. Если машина обучалась на закупках без акций и скидок - она в пролете.

я владелец. и люди(в т.ч. я сам) весьма бодро могут набить склад неликвидом.

(8) + 3 человека в штат по результатам внедрения прототипа ИИ

(10) да. поэтому я хотел попробовать с учителем. в моем лице.

(13) это опыт?

(12) тогда читай "объяснить себе" :-)

(16) ну то я тупанул, а то алгоритм )) Короче, неликвид будет всегда. И еще вопрос, когда его будет меньше.

(0) Практически не используется потому что сложно и хватает других, более простых методов.

Машинное обучение хорошо когда есть хорошая большая выборка для обучения.
Никаких тысяч и десятков тысяч "заказов/отгрузок" не хватит для обучения.

Нужны сотни тысяч и более наборов признаков и тогда более-менее будет результат, на уровне хорошего менагера но намного быстрее.
Пока дешевле нанять этого хорошего менагера и пусть он клепает заказы/отгрузки.

(18) эммм. мне кажется как минимум определение точки заказа это простая задача для машинного обучения.

(19) Если задача "простая" то машинное обучение не требуется.
Хватит обычных алгоритмов по условиям.

(18) и как десятков тысяч не хватит, если те же СУ сайтов интернет-магазинов достаточно бодро начинают рекомендовать товары на основе буквально пары твоих заказов и тысячи-другой всего заказов в базе?

(20) а где в 1С гибкие алгоритмы по условиям? )

(21) Там нет "обучения", там методы которые условно к нему относят.

Задачи классификации это не обязательно машинное обучение.

(21) вот только цена ошибки у поисковика - это 1 копейка, и та - из кармана заказчика
и заказчик эту ошибку и не почувствует

(24) а цена ошибки алгоритмов по условиям?

можешь её забрать её из премии своего логиста, который эти условия обосновывал

(23) а какие там методы?

(27) https://habr.com/company/yandex/blog/241455/
https://habr.com/post/176549/

В УТ 11 / КА 2 / ЕРП используется статистика для заполнения реквизитов шапок документов

Что-то типа "если есть три таких документа и у них такой-то ответственный / подрзаделение в шапке, то и в новый создаваемый запихнем такого же"

(28)+ Чтобы машинное обучение заработало нужны выборки порядка миллионов.

Пока их нет работают намного более простые методы типа "среднего", "ближайшего" или "похожего".

Например ты купил товар за 1000 рублей, а другой за 10000 р.

В результате тебе будут рекомендованы товары от 500 до 1500 а другому от 8000 до 12000.

(30) Нажал Ins, в заказе покупателя, выбрал контрагента и бац - товары с количеством сами заполнились...

(22) расширенные настройки обеспечения. смотрели?

(21) эти механизмы вообще никакого отношения к машинному обучению не имеют.

(35) Подбор всего одного коэффициента/параметра в формуле/выражение это уже обучение.
Если он происходит без участия человека самостоятельно то машинное обучение.

(36) "сколько нужно 1сников чтобы решить 1+х=2? ответ: ни одного, 1сники машинным обучением не занимаются"

(37) Неправильно, если бы было: подберите коэффициент k так чтобы 1+kx=2 ...

Усатый чота говорил что они над ИИ в платформе работают

(34) в УТ ? Какие-то особенные алгоритмы установки точки заказа?

Интеграция 1С с Microsoft Azure для машинного обучения.
Модуль поможет тем, кто хочет быстро попробовать методы машинного обучения для своей базы на платформе 1С. А попробовать можно прогнозирование продаж, классификацию клиентов, рекомендации товаров и еще много всего из богатого списка доступных на текущее время методов.

http://catalog.mista.ru/public/668659/

Machine Learning: где деньги лежат?

Машинное обучение сейчас в тренде, вот только если коснуться коммерческого применения — возникает много вопросов. Потому мы нашли человека, у которого есть ответы. Мы поговорили с Александром AlexSerbul Сербулом из 1С-Битрикс, который рассказал о применении машинного обучения для решения бизнес-задач, причинах хайпа вокруг deep learning и пользе чат-ботов для пользователей и бизнеса.

https://habr.com/company/jugru/blog/340026/

(42) Машинное обучение это когда приходит мальчик/девочка, гнут пальцы обещая сократить затраты/увеличить продажи.

Понятно дело не бесплатно а Nная сумма на "обучение" - затем после получения этой сумме мальчики/девочки благополучно пропадают или даже выдают какой то результат который обычно дороже чем посадить менагеров ))

(43) тут как бы тонкость. у меня нехилый мат. бэкграунд. И надеюсь что смогу сам в ML, без мальчиков. Надо только немного подразобраться )))) Есть ли чего из него можно выжать вообще..

(44) Пока ML это искусство из разряда игры в бильярд.
Вроде и есть теории а на практике нифига подобного слишком много неучтенных факторов и на которые нельзя повлиять.

Т.е. в каждом конкретном случае или ситуация подходит под типовую и все супер. Или ситуация жопа в которой ничего не понятно и хз что делать.

Возьмем для начала банальные feature extraction/engineering/transformation/selection.

Выделение признаков (инженерия признаков) - в обычной практической ситуации (не придуманной в учебных целях) глобальный слом мозга и никакой мат.бэкграунд не поможет ибо там такого нет.

Например простая задачка классификации пользователей Мисты по общедоступным данным.

С целью выделить некоторые группы/категории и раздобыть подробные данные о каждом логине.

Какие признаки будем использовать и как их кодировть?

(46)+ Это очень полезная задачка чтобы клонов и ботов определять и автоматом в бан.

(46) какие общедоступные данные-то? email и логин?

(48) Вот и начинаются сложности...

Да все инфа из лички и созданные темы/посты.

(49) так это нифига не простая задача-то. По сравнению с планированием продаж по позиции номенклатуры. Там на входе просто ряд чисел.

(50) ОК давай разберем "планированием продаж по позиции номенклатуры"

Что у нас есть на входе?

На Мисте есть боты? Пруф?

как минимум - продажи за прошлые периоды, текущая дата.
дальше могут быть вариации.

(53) Эээ а как же характеристики номенклатуры? Или продаем котов в одинаковых коробках по разной цене?

А характеристики/признаки номенклатуры и дней/сезонов в которые были продажи?

(55) Тьфу контрагентов, которые покупали

Вот бы контрагент который каждый день брал по 100 позиций.

Он 2 дня не берет ничего будем дальше товар закупать для него и копить на складе в надежде что он вынырнет и скупит сразу все что не взял?
Или все же нужен признак контрагента действующий/нет.

(57) как будет действовать человек? Предположим, у нас исключительно пассивные продажи.

(58) Фишка ML что алгоритму пофиг как будет действовать человек.
Входные данные - обучающая выборка - тестовая выборка - оценка результата - применение.

интересно, как учитываются характеристики? Сезонность будет выведена из истории продаж. а остальное?

(59) я к тому, что человек так и сделает. сперва подкопит, достигнет опр. уровня и перестанет. и алгоритм должен будет поступить так же.

Если мы знаем "как будет действовать человек" и это можно формализовать и запрограммировать то ML нафик не нужен!

раньше вот оптимизация была .. там функции какие-то строили, на них хоть посмотреть можно было, можно было понять по каким данным зависимость есть .. а сейчас какой-то черный ящик .. вбросили .. там , что то посчиталось .. и некая надежда, что так оно и будет.

(60) А фиг его знает, тут нет 100% решений а только много много опыта в массе отрицательного ))

(61) Нет совсем не так, ML это "поиск неизвестных закономерностей". Если закономерности известны то это не ML а обычная задачка обычному программисту.

(62) задача в вычислении "опр. уровня"

(65) Задача поддержания остатков на складе это давно решается в т.ч. в 1С.

Не совсем.

покупали носки черные, серые и пол процента зеленые. МЛ вычислила, что черные и серые надо заказывать , а зеленые это какая-то ошибка. В результате через несколько циклов умная машина оставила людей без зеленых носков и они были вынуждены начать носить серые. Вот и есь ИИ в действии. Один плюс, что человеки ленивы, ошибаются, и забивают на работу , а компьютер делает это без устали и отмазок.

(66) http://v8.1c.ru/trade/warehouse/extended-maint-reserve.htm

"Поддержание запаса (расчет по норме) - позволяет поддерживать запасы на складе в соответствии с нормой дневного потребления товаров. Информация о среднедневном потреблении товаров учитывается при расчете минимального и максимального запасов.

Поддержание запаса (расчет по статистике) - позволяет поддерживать запасы на складе в соответствии со статистикой продаж. Данные по статистике продаж учитываются при расчете среднедневного потребления товаров, максимального и минимального запасов.

Максимальный и минимальный остатки, а также фактические остатки товаров на складах учитываются при расчете количества товаров, которое рекомендуется системой к заказу для поддержания запаса."

есть например скачки потребления номенклатуры. Есть скачки потребления связанной номенклатуры, которые должны повлиять на объем заказа.

(70) Ага потом санкции и все эти расчеты/обучения идут лесом...

(71)+ Извините обучающая выборка была слишком мала, в ней не было периодов санкций...

(72) ) А что, люди учитывают санкции при прогнозировании?? )))

(73) Не учитывают только менагеры которых из офиса не выпускают и вконтактики не пускают.
Таких не знаю в реале ))

(74) интересно, как же они это делают ))) А то у меня не получается. Если связь и есть, она проявляется СУЩЕСТВЕННО позже событий. И если бы я сразу чо-то пытался корректировать сразу после кризиса и т.п. - то сильно бы влетал...

(75) Первым делом делают рекламную акцию по любому поводу.
Правильный алгоритм ML должен это учитывать как заметили выше (скидки/акции/шумиха).

К примеру перед кризисами всегда вырастают продажи предметов первой необходимости и падают продажи роскоши и необязательного/развлечений.

Но если жопа совсем большая то возможно как раз упадет все кроме развлечений - типа гульнуть последний раз на последние и дальше пофиг.

полезная ссылочка https://habr.com/post/340792/ для начала изучения ML

Видел как SAP в прошлом году пиарились в инете что внедрили ИИ у себя... после отсеивания кучи самохвальбы нашел что они врод бы научились авторазносить с "помощью ИИ" банковские платежи при закачке движения из клиент-банка...
Остальное я бы назвал "мы вот-вот представим новое, кстати дайте бабла на вас потренируемся"
Если накопаете что-то новое пишите...