ООО «Арсал»: ML-классификатор прогноза качества цист артемии
Что внедрили
Разработан ансамбль моделей градиентного бустинга XGBoost для прогноза класса выклева цист по лабораторным данным; реализованы серверная часть, обработка выгрузок 1С и передача итоговых датафреймов в 1С.
Результат
Средняя точность классификации составила 92,5%; для классов — 93,5% и 90,5%. Сервис поддерживает планирование операций с биоматериалом, логистику и хранение.
Модель дополняет эксперта, а не заменяет его; около 20% промывок в тесте 2024 года остались неклассифицированными. Бизнес-экономический эффект не измерен.
Задачи
XGBoost; градиентный бустинг; прогноз класса качества; предиктивная аналитика; обработка данных 1С; кросс-валидация; логистика и хранение
Параметры внедрения
- Компания
- ООО «Арсал»
- Отрасль
- Сельское хозяйство
- Процессы
- Контроль качества; Планирование и управленческая аналитика; Логистика и склад
- Продукт
- Серверный цифровой сервис с ансамблем ML-моделей, обработкой выгрузок 1С и предиктивной аналитикой качества партий.
- Сроки
- Не указаны
- Стоимость
- Не раскрыта
Источники
школы аналитика на базе ИИ становится инструментом стратегического планирования: можно выявлять тенденции в обучении целых классов или параллелей, прогнозировать потребность в дополнительных занятиях, определять эффективность внедряемых образовательных технологий. — страницы 310–328Дата публикации источника не указана