Семантическое сопоставление номенклатуры (НСИ): что это такое и почему оно на 40% точнее обычного поиска

Ошибки при вводе неизбежны. Сотрудник может напечатать «подшипник шариковый радиалный» вместо «радиальный» или применить привычное сокращение «винт DIN933» вместо полного «винт.DIN 933». Для обычного поиска это два абсолютно разных запроса, и второй, скорее всего, не даст результата. Аналогичная ситуация возникает при разной последовательности слов: «труба стальная 50мм» и «трубка 50мм стальная» для него - не одно и то же.

В технической сфере один и тот же продукт может иметь множество названий. К примеру, «поливинилхлорид», «ПВХ» и «PVC» обозначают одно вещество. Стандартный поиск выдаст товар только по тому наименованию, которое указано в его карточке. Он не в курсе, что «болт с шестигранной головкой» и «болт шестигранник» - это одно и то же. Специалисту приходится держать в памяти все варианты названий, что снижает скорость работы и повышает вероятность неточности.

Нередко ключевые свойства товара не отражены в названии, а скрыты в описании или технических характеристиках. Допустим, специалисту требуется «нержавеющая труба». В каталоге эта позиция может быть заведена как «труба AISI 304». Простой поиск не сможет их связать. Он не знает, что марка стали AISI 304 относится к нержавеющим. В итоге товар не найдется, хотя он физически присутствует на складе.

Платформа дает сотрудникам поисковую строку, которая функционирует по принципу современных интернет-поисковиков. Она нечувствительна к опечаткам, распознает синонимы и находит продукцию по ее характеристикам, а не только по названию.

Запрос сотрудника: «шайба увелич. м10 zn».

Что выдает обычный поиск: «Ничего не найдено» или посторонние товары.

Что находит Платформа МБС.НСИ: «Шайба плоская увеличенная DIN 9021 M10, покрытие - цинк».

Платформа МБС.НСИ не просто ищет. Она проводит анализ всего вашего справочника, находит повторяющиеся позиции, даже с разными названиями, и предлагает способы их объединения. Система формирует эталонный каталог, в котором каждый товар уникален и описан по общему стандарту.

Сотрудники больше не тратят по 20-30 минут, чтобы найти одну сложную позицию. Вопрос, для решения которого раньше требовались консультации с коллегами и изучение документов, теперь закрывается за пару секунд.

Безошибочный выбор номенклатуры и ее аналогов предотвращает закупку или отгрузку неправильного товара. Это сокращает число возвратов и претензий, а также помогает избежать остановок производства из-за неверно подобранных деталей.

Когда система находит все дублирующиеся записи, вы видите реальную картину остатков на складе. Это помогает не закупать товар, который уже числится под другим именем, и снизить объем невостребованных запасов.

Для сопоставления товаров применяются векторные эмбеддинги - это числовые образы текста в многомерной системе. Каждое название товара превращается в вектор из 2560 измерений, который отражает не только слова, но и их смысловые связи. Чем ближе векторы двух товаров, тем больше они похожи по смыслу, что позволяет находить соответствия даже при совершенно разном написании.

Система способна обрабатывать информацию из разных источников: Excel, CSV, PDF, текстовых документов и баз данных. Технология разбирает структуру файла, находит таблицы, списки и нестандартное оформление. Даже если номенклатура хранится в хаотичном виде, алгоритмы вытягивают только нужные сведения о товарах, их свойствах и параметрах.

Векторный поиск показывает высокую скорость работы даже с огромными массивами данных. Система способна обрабатывать каталоги с миллионами записей, выдавая ответ за миллисекунды. Это возможно благодаря специальным индексным структурам, таким как HNSW (Hierarchical Navigable Small World), которые ускоряют поиск по близости векторов.

ИИ-модель постоянно дообучается на новых данных, уточняя свое понимание отраслевой лексики. Система подстраивается под специфику вашей организации: она фиксирует, как ваши сотрудники именуют товары, какие синонимы применяют, и использует эти закономерности в дальнейшем. Это повышает точность поиска с каждым днем использования.