Консалтинговая технологическая компания Axenix завершила внедрение модуля планирования производства и дистрибуции In.Plan SNP и модуля мультиэшелонной оптимизации запасов In.Plan MEIO в пивоваренной компании «Напитки Вместе». In.Plan SNP заменил связку SAP APO и Excel и позволил автоматизировать часть ручных процессов, а In.Plan MEIO дал компании собственный инструмент расчёта страховых и максимальных запасов по многоуровневой сети из 11 пивоваренных заводов и порядка 80 региональных складов. Тем самым заложена основа единого, интегрированного контура планирования, который поэтапно достраивается модулями прогнозирования спроса (DP) и календарного планирования производства (PS), — всё в рамках программы импортозамещения.

Проект стартовал в январе 2023 года и реализовывался поэтапно: в декабре 2024 года в продуктивную эксплуатацию был выведен контур стратегического планирования, а в декабре 2025 года модуль In.Plan SNP — первый из четырёх модулей платформы — заработал в полном объёме.

В апреле 2026 года в продуктивную эксплуатацию был запущен модуль In.Plan MEIO.

«Для нас важно, чтобы технологии помогали командам быстрее находить оптимальные решения в ежедневной работе. Модули In.Plan SNP и MEIO объединяют данные по производству, запасам и логистике, помогают точнее планировать и заранее просчитывать разные сценарии. В результате мы получаем более управляемую цепочку поставок и дополнительные возможности для повышения уровня сервиса», — отметил Иван Чуйкин, директор по информационным технологиям «Напитки Вместе».

«Этот проект отличался большим функциональным и организационным объёмом и стал одним из крупнейших внедрений In.Plan SNP и In.Plan MEIO в отрасли. Мы заложили архитектуру, которая уже сегодня закрывает ключевые задачи планирования, а в дальнейшем позволит последовательно подключать новые модули», — прокомментировал Сергей Уланов, руководитель Центра экспертизы In.Plan и руководитель проекта со стороны Axenix.

В 2026-2027 годах компания «Напитки Вместе» планирует запуск модулей In.Plan DP (с использованием методов машинного обучения) и In.Plan PS, что позволит расширить охват процессов и получить дополнительные выгоды от системы.

Источник: