О клиенте
Клиент работает с большим количеством потребительских товаров, для которых регулярно обновляются упаковочные макеты. На каждой упаковке должны быть корректные маркировки, этикетки и продуктовая информация.
Эти данные не постоянны: из-за обновления дизайна, изменений в составе продукта, корректировок в описании или новых требований к маркировке. Каждый раз продуктовым и дизайнерским командам приходилось вручную проверять данные, сверять их и переносить нужную информацию в макеты упаковки.
Ручная подготовка маркировки занимала много времени и создавала риск ошибок, особенно при частых обновлениях и большом количестве товаров.
- Регион: Европа
- Индустрия: Ритейл / потребительские товары
- Срок: 4 месяца
Задача
Клиент управлял более чем десятком продуктовых линеек, каждая из которых требовала точной и актуальной маркировки на упаковке. Обновления могли происходить еженедельно, поэтому ручная работа занимала все больше времени.
Специалисты сравнивали данные о продуктах в таблицах с требованиями к маркировке и затем готовили информацию для упаковочных макетов. При большом количестве товаров такой подход занимал слишком много времени, зависел от внимательности сотрудников и мог приводить к ошибкам в разных упаковочных макетах.
Нужно было автоматизировать процесс подготовки маркировки: извлекать и структурировать нужные данные о продукте и передавать в формат, который можно использовать при обновлении макетов.
Основные задачи проекта:
- автоматически извлекать ключевую информацию о продукте для маркировки упаковки;
- формировать структурированные данные для этикеток и маркировок;
- ускорить обновление упаковочных макетов при изменении продуктовой информации;
- сократить ручную сверку таблиц, документации и требований к маркировке;
- обеспечить единый подход к размещению обязательной информации на упаковке;
- сократить время на обновления по широкой номенклатуре товаров;
- использовать только локальные LLM-модели.
Обзор проекта
Мы разработали систему, которая обрабатывала данные о продукте и материалы, связанные с дизайном упаковки, извлекала нужную информацию и готовила структурированные данные для маркировки.
LangChain управлял логикой обработки данных и взаимодействием с LLM, а Ollama запускала локальные модели для извлечения и структурирования продуктовой информации. Такой подход позволил использовать ИИ без передачи данных во внешние сервисы и риска утечки конфиденциальной информации.
Система помогала командам клиента быстрее готовить маркировку для упаковочных макетов, сокращала объем ручных проверок и упрощала работу с частыми обновлениями продуктовой информации.
Решение
Компания СКЭНД разработала ИИ-систему, которая автоматизировала подготовку маркировки для упаковочных макетов.
Система анализировала продуктовые данные и связанную документацию, находила информацию, необходимую для упаковки, и подготавливала ее в структурированном виде. Эти данные можно было использовать при обновлении макетов, этикеток и обязательных элементов маркировки.
LangChain отвечал за последовательность обработки, а Ollama — за запуск локальных LLM-моделей. Команда выбрала такой подход, потому что клиенту было важно обрабатывать данные внутри собственной среды и не передавать продуктовую информацию во внешние ИИ-сервисы.
Ключевые возможности
- автоматическое извлечение ключевой информации о продукте для маркировки упаковки;
- подготовка данных для упаковочных макетов на основе извлеченной информации;
- обработка продуктовых данных, таблиц и материалов, связанных с дизайном упаковки;
- определение обязательных элементов для этикеток и маркировок;
- формирование структурированных данных, которые нужно использовать в упаковочных макетах;
- сокращение ручной сверки продуктовой информации и требований к маркировке;
- поддержка больших продуктовых портфелей и частых обновлений упаковки;
- работа только с локальными LLM-моделями.
Технологический стек
- Оркестрация LLM: LangChain;
- Запуск локальных моделей: Ollama.
Результаты
Система автоматизировала подготовку маркировки для упаковочных макетов и заметно сократила объем ручной работы для продуктовых и дизайнерских команд.
ИИ-модули извлекали ключевую информацию о продукте, готовили структурированные данные для маркировки и помогали быстрее обновлять упаковочные макеты при изменениях в продуктовой информации, дизайне или требованиях к этикеткам.
Клиент получил:
- более быстрый процесс обновления упаковочных макетов;
- меньше ручной сверки таблиц и требований к маркировке;
- единый и современный подход к подготовке данных для нанесения на упаковки;
- поддержку частых обновлений по большому количеству товаров;
- локальную обработку продуктовой информации без передачи данных во внешние LLM-сервисы;
- основу для дальнейшей автоматизации процессов упаковки, маркировки и управления продуктовой информацией.