Как роботизировать процессы с большим
объемом данных?
Когда мы говорим о плюсах программной роботизации, то чаще всего называем уход от рутины и снижение ошибок из-за человеческого фактора. А что если нам нужно очень быстро просчитать все варианты событий? Справится ли RPA?
Рассмотрим такой пример: завод, выполняющий оборонные заказы.
Задача — резервирование номенклатур для выполнения приоритетного заказа. При резервировании номенклатур может оказаться, что на складе чего-то не хватает, а доставка займет дополнительное время и предприятие не успеет выполнить заказ в срок и в нужном объеме. Такое недопустимо!

Для решения такой задачи создается программный робот RPA, который перебирает номенклатурные позиции среди ранее зарезервированных и находит подходящие позиции. Далее программный робот анализирует возможность допоставки требуемых позиций и сроки реализации уже найденного заказа. Если сроки позволяют допоставить требуемые позиции в найденный заказ, робот RPA перебронирует номенклатурные позиции между заказами — и предприятие успеет выполнить оба заказа в срок.

Это простой пример, но на деле все иначе
1. Для принятия решений программному роботу нужно проработать множество условий и перебрать множество заказов.

2. Анализируемые условия часто вступают между собой в конфликт, что на выходе может привести к неверному решению.

3. На каждом шаге осуществляется проверка решения по заданным критериям.

Чем грозит предприятию невыполнение заказа? Как минимум — потерей будущих заказов и репутации.
Как же роботу принять правильное решение?
Для принятия правильных решений среди большого объема данных и условий требуется работа со сложными математическими аппаратами. Одна только работа с no-code тут не годится. Требуется использование достаточно крупных кусков кода или отдельно разработанных микросервисов.

Современные исследования в области нечеткой логики применимы к управлению бизнес-процессами. Инструменты нечеткой логики, в основном, широко используются в управлении техническими системами:

▸ наведение телекамер при трансляции спортивных событий (Omron);

▸ эффективное и стабильное управление автомобильными двигателями (Nissan);

▸ позиционирование приводов в производстве полупроводников wafer-steppers (Canon).

Однако такие инструменты применяются и для упрощения нашей повседневной жизни:

▸ оптимизированное планирование автобусных расписаний (Toshiba, Nippon-System, Keihan-Express);

▸ системы архивации документов (Mitsubishi Elec.);

▸ системы прогнозирования землетрясений (Inst. of Seismology Bureau of Metrology, Japan);

диагностика рака (Kawasaki Medical School);

▸ распознавание движения изображения в видеокамерах (Canon, Minolta).

Как все это применить на практике?
Для решения сложных задач с большим количеством условий отлично подходит RPA платформа PIX Robotics в связке с индивидуальными разработанными микросервисами на языке Python. Python имеет достаточно широкое применение в решении сложных математических задач и под него разработано большой набор готовых компонентов.

Именно такую связку мы в компании «Интеллектуальные продукты и системы» используем для создания сложных роботов и программно-роботизированных сервисов, которые одновременно анализируют большое количество данных и условий для поиска лучшего варианта решения.

Управление на основе нечеткой логики:

1. Использует предложения в форме правил для того, чтобы управлять тем или иным процессом.

2. Может иметь неограниченное число входных сигналов и строится на основе знаний владельца бизнес-процесса, «эксперта».

3. Позволяет строить управление без использования специфических знаний об объекте управления.

В заключение отметим, что RPA можно представить в виде небольшой фабрики, которая имеет свои ресурсы: время, мощности компьютера, потребляемые лицензии. На вход этой фабрики поступают материалы, например, данные, а на выходе мы получаем нужный нам продукт.

Создание фабрики — это инвестиция, и компания должна быть заинтересована в том, чтобы эти инвестиции приносили дивиденды. В идеале сумма, которую собираемся вложить в создание программного робота RPA, должна быть меньше итоговых дивидендов, да еще и период окупаемости инвестиций должен быть максимально коротким. Именно с такими требованиями и стоит подходить к созданию программных роботов RPA.

Создание роботов — это процесс не одного-двух шагов, а последовательная многоступенчатая работа.

Автор статьи
Павел Широков, руководитель компании «Интеллектуальные продукты и системы»