Պահեստային պաշարների վերլուծության համակարգ՝ ԱԲ-ի հիման վրա (Warehouse AI)

1. Ներածություն

Այս հաշվետվությունը պարունակում է Warehouse AI համակարգի մանրամասն տեխնիկական վերլուծություն, որը նախատեսված է էլեկտրոնային բաղադրիչների և այլ նյութերի պահեստային պաշարների վերաբերյալ տեղեկատվության խելացի որոնման և տրամադրման համար։ Համակարգը միավորում է վեբ միջերեսը, Python-ով սերվերային տրամաբանությունը, Google Sheets-ում տվյալների բազան և n8n հարթակի վրա բարդ աշխատանքային հոսք (workflow)՝ արհեստական բանականության գործակալների (AI Agents) օգտագործմամբ։

Համակարգի հիմնական խնդիրն է փոխարինել ձեռքով որոնումը և օգնել ինժեներներին արագ և հստակ տեղեկատվություն ստանալ պահեստում բաղադրիչների առկայության և բնութագրերի մասին։

2. Համակարգի ճարտարապետություն

Համակարգի ճարտարապետությունը բաղկացած է երեք հիմնական բաղադրիչից՝

1. Ֆրոնտենդ (Հաճախորդ). Վեբ միջերես HTML/CSS/JavaScript-ով (index.html)։

2. Բեքենդ (Սերվեր). Պարզ HTTP սերվեր Python-ով (Server.py), որը սպասարկում է ֆրոնտենդը և ստատիկ տվյալները։

3. Աշխատանքի տրամաբանություն և AI (Workflow). Ավտոմատացված աշխատանքային հոսք n8n հարթակի վրա (WerhouseAI.json), որը մշակում է հարցումները, փոխազդում տվյալների բազայի հետ և ԱԲ-ի միջոցով գեներացնում պատասխաններ։

2.1. Ֆրոնտենդ (index.html)

Ֆրոնտենդը զրուցային միջերեսով միաէջ հավելված (SPA) է։

Տարր Նշանակություն

Webhook

Դաշտ՝ n8n webhook-ի հասցեն մուտքագրելու համար, որտեղ ուղարկվում են հարցումները։

URL

Առաջին մակարդակի ֆիլտր (օրինակ՝ Electronic (SMT), Product)։ Բեռնվում է

Domain (L1)

/api/domains.

Category

Երկրորդ մակարդակի ֆիլտր (օրինակ՝ Resistor, Connector)։ Բեռնվում է /api/categories-ից։

(L2)

Երբ ինժեները հարցումը մուտքագրում է պարզ բառերով (օրինակ՝ "կոնդենսատոր 100nF 25V,

Մուտքագրման դաշտ

պատյան 0805")։

Հավաքում է ընտրված ֆիլտրերը և հարցումը և դրանք JSON-payload-ի տեսքով ուղարկում

Տրամաբանություն

կազմաձևված Webhook URL-ին։

2.2. Բեքենդ (Server.py)

Python-ով սերվերը (http.server մոդուլ) կատարում է ստատիկ ֆայլային սերվերի և ֆիլտրերի կառավարման պարզ API-ի գործառույթներ։

API Endpoint Մեթոդ Նշանակություն

/index.html GET Սպասարկում է միջերեսի հիմնական ֆայլը (template/index.html)։

API Endpoint Մեթոդ Նշանակություն

/api/domains GET Վերադարձնում է տիրույթների ցանկը data/domain.json-ից։

/api/categories GET Վերադարձնում է կատեգորիաների ցանկը data/category.json-ից։

/api/domains POST Ավելացնում է նոր տիրույթ data/domain.json-ում։

/api/categories POST Ավելացնում է նոր կատեգորիա data/category.json-ում։

Սերվերն ապահովում է ֆրոնտենդի աշխատանքը և թույլ է տալիս դինամիկ կերպով թարմացնել ֆիլտրերի ցանկերը (Domain և Category)՝ առանց հիմնական AI-workflow-ը վերագործարկելու անհրաժեշտության։

3. Աշխատանքային հոսքը (Workflow) n8n-ում

Համակարգի ողջ հիմնական տրամաբանությունն իրականացված է որպես n8n աշխատանքային հոսք, որը մշակում է յուրաքանչյուր հարցում սկզբից մինչև վերջ։

3.1. Տվյալների մշակման փուլերը

Փուլ n8n հանգույց Նկարագրություն

Webhook Մուտքի կետ։ Ընդունում է POST հարցում /webhook/inventory-analysis-ով,

1. Մուտք

Trigger որը պարունակում է filters և query։

Extract Հարցման մարմնից դուրս է բերում և ստանդարտացնում filters-ը (domain, category) և query-ն

2. Վերլուծում Query

։ Parameters

Load 3. Տվյալների Միանում է Google Sheets API-ին։ Բեռնում է տվյալները փաստաթղթի Inventory Inventory բեռնում Stock թերթից։ Data

Հիմնական փուլ։ Այստեղ կիրառվում են domain և category ֆիլտրերը։ Տեղի է ունենում դաշտերի անվանումների նորմալացում։ Տվյալները դասավորվում են՝

4. Ֆիլտրում Filter and

նախ Total > 0 դիրքերը (առկաները), ապա ըստ քանակի նվազման և մշակում Process Data ։ Վերջում տվյալները ձևաչափվում են տեքստային համատեքստի, որը կփոխանցվի ԱԲ-ին։

3.2. AI գործակալների ճյուղերը

Աշխատանքային հոսքը ներառում է AI գործակալների երեք ճյուղ։ Ներկայումս ակտիվ է միայն մեկը, ինչն ապահովում է ճկունություն փորձարկման և ապագա փոփոխությունների համար։

Անվանում

Ճյուղ Կարգավիճակ Նշանակություն և տրամաբանություն

(n8n նշում)

Հիմնական աշխատանքային հոսք։ Օգտագործում է բաղադրիչի ամբողջական նկարագրությունը (Description (Comments))։ Ամբողջ Պատասխանի ձևաչափ՝ ԱՄՓՈՓՈՒՄ → ԱՌԿԱ Է (առավելագույնը 5) Ակտիվ Description ԱԿՏԻՎ → ՊԱՀԵՍՏՈՒՄ ՉԿԱ (առավելագույնը 4) → ՆՇՈՒՄՆԵՐ։ (Comments) S. Օգտագործում է տեխնիկական լեզու, 0.1 ջերմաստիճան՝ կայունության համար։ Պարտադիր նշում է ճշգրիտ MPN-ը։

MPN և Պահուստային տարբերակ։ Օգտագործում է կրճատված Այլընտրանքային ֆիքսված DISABLED նկարագրություն (մինչև 90 նիշ)։ Նախատեսված է Disc... M. AI գործակալի այլընտրանքային տարբերակը փորձարկելու համար։

Փորձարարական ճյուղ։ Փորձարկում առանց Առանց MPN Փորձարարական DISABLED MPN-ի պարտադիր նշման և ձևաչափման այլընտրանքային K. տրամաբանությամբ։

3.3. Վերջնական մշակում և ուղարկում

Փուլ n8n հանգույց Նկարագրություն

Format Ելքի միասնական կետ։ Պատասխանի տեքստը դուրս է բերվում ակտիվ AI գործակալից։ 5. Final Տեքստը մաքրվում է Markdown-ից, չակերտներից և ավելորդ ձևաչափումից։

Ձևաչափում

Response Պատրաստվում է վերջնական JSON օբյեկտը՝ {reply: 'պատասխանի_տեքստ'}։

Վերադարձնում է վերջնական JSON պատասխանը Webhook Response-ի միջոցով։ Send Սահմանում է անհրաժեշտ CORS վերնագրերը (Access-Control-Allow-

6. Ուղարկում

Response Origin: *)՝ ֆրոնտենդի հետ փոխազդելու համար։ Ավարտում է հարցում-պատասխան ցիկլը HTTP 200 կարգավիճակով։

4. Տեխնիկական մանրամասներ և առանձնահատկություններ

4.1. Համատեքստը AI գործակալի համար

AI գործակալը ստանում է ֆիլտրված և դասավորված տվյալները կառուցվածքավորված տեքստային համատեքստի տեսքով։ Տվյալների մշակման գործընթացը երաշխավորում է, որ գործակալն աշխատի միայն համապատասխան և արդիական դիրքերի հետ։

ԱԲ-ին փոխանցվող հիմնական դաշտերը՝

Item MPN (Manufacturer Part Number) Description (Comments) Manufacturer Total (Остаток)

4.2. Պատասխանի ձևաչափման խիստ կանոններ

Որպեսզի պատասխանը առավելագույնս օգտակար լինի ինժեների համար, ակտիվ AI գործակալի հուշումը խստորեն սահմանափակում է պատասխանի ձևաչափը՝

• Ձևաչափ. Պարզ տեքստ՝ առանց Markdown-ի, աղյուսակների կամ չակերտների։

• Կառուցվածք. ԱՄՓՈՓՈՒՄ → ԼԱՎԱԳՈՒՅՆ ՀԱՄԸՆԿՆՈՒՄՆԵՐ — ԱՌԿԱ Է → ԱՅԼ ՏԱՐԲԵՐԱԿՆԵՐ — ՊԱՀԵՍՏՈՒՄ ՉԿԱ → ՆՇՈՒՄՆԵՐ։

• Հակիրճություն. Յուրաքանչյուր դիրք պետք է նկարագրվի մեկ տողով (մինչև ~90 նիշ)՝ կենտրոնացած հիմնական տեխնիկական բնութագրերի վրա (Pitch, SMT/THT, պատյան, ելուստների քանակ)։

• Առաջնահերթություն. Ընդհանուր առավելագույնը 9 դիրք (5 առկա + 4 բացակայող)։

4.3. ԱԲ մոդելների օգտագործում

Ակտիվ ճյուղն օգտագործում է OpenAI GPT-4o-mini մոդելը 0.1 ջերմաստիճանով։ Ցածր ջերմաստիճանը (մոտ 0-ին) ընտրվել է "հալյուցինացիաները" նվազագույնի հասցնելու և առավելագույնս կայուն և փաստական պատասխաններ ապահովելու համար, ինչը կրիտիկական պահանջ է ինժեներական տվյալների հետ աշխատելիս։

5. Եզրակացություն

Warehouse AI համակարգը WMS տվյալներին խելացի մուտքի բարձր արդյունավետ լուծում է։ Ֆրոնտենդի, բեքենդի և n8n-workflow-ի ինտեգրումը AI գործակալների հետ թույլ է տալիս պահեստային բազայում բարդ որոնումը վերածել ինտուիտիվ երկխոսության։

Հիմնական առավելությունները՝

• Ճշգրտություն. Տվյալների խիստ ֆիլտրում և ձևաչափում՝ նախքան ԱԲ-ին տալը։

• Հուսալիություն. Կայուն GPT-4o-mini մոդելի օգտագործում ցածր ջերմաստիճանով։

• Ինժեներական կողմնորոշում. MPN-ի, առկայության և համառոտ տեխնիկական բնութագրերի վրա կենտրոնացած պատասխանի ձևաչափը իդեալական է ինժեներների համար։

Համակարգը պատրաստ է մասշտաբավորման և հետագա զարգացման։ Մասնավորապես, կարելի է ակտիվացնել և փորձարկել AI գործակալների այլընտրանքային ճյուղերը՝ պատասխանի հակիրճությունը կամ ձևաչափը օպտիմալացնելու համար։

Նշում. Քանի որ պատասխանները ձևավորվում են արհեստական բանականության կողմից, հնարավոր են առանձին անճշտություններ։ Խորհուրդ է տրվում կրկնակի ստուգել կրիտիկական տվյալները՝ նախքան նախագծային կամ արտադրական գործունեության մեջ կիրառելը։

Հեղինակ՝ Rama, EA

Երբ Սիլիկոնյան հովտի ընկերություններից մեկում աշխատող մեկին հարցնում եք՝ «որտե՞ղ է աշխատում», պատասխանը հաճախ կլինի՝ «Ես աշխատում եմ Հովտի համար»։ Նրանք կարող են նշել կամ չնշել կոնկրետ ընկերությունը, որտեղ աշխատում են, բայց դեպքերի մեծ մասում իրենց և իրենց ընկերությունը նույնացնում են Սիլիկոնյան հովտի համայնքի հետ։ Սա բավականին հզոր է։

Նույն պատասխանը կարող էր լինել EC-ի ընկերություններում աշխատող բոլորի մոտ։ Այն հարցին, թե որտեղ ենք աշխատում, պատասխանը կարող է լինել պարզապես՝ «Ես աշխատում եմ Քաղաքի համար»։

Ինչո՞ւ է սա հզոր։

Որովհետև, նախ, դա ցույց է տալիս, որ կա համայնք՝ համայնք, որը շատ ավելի մեծ է, քան ընկերությունները։

Երկրորդ՝ դա նշանակում է, որ համայնքի ընկերությունների միջև շարժունություն կա։ Այսինքն՝ մարդիկ կարող են հեշտությամբ տեղափոխվել համայնքի ընկերությունների միջև, որովհետև նրանք բոլորն ունեն նման առաքելություն, նման արժեքներ, նման մասնագիտություններ և ընկերական ոգի։

Երրորդ՝ երբ մարդիկ տեղափոխվում են ընկերությունների միջև, նրանք իրենց հետ բերում են նախորդ ընկերության գաղափարներն ու պրակտիկաները և ծանոթանում նոր ընկերության գաղափարներին ու պրակտիկաներին՝ այդպիսով այս նոր գաղափարներով և պրակտիկաներով հարստացնելով և՛ ընկերություններին, և՛ իրենց։

Եվ չորրորդ՝ դա անվտանգության ցանց է և՛ մարդկանց, և՛ համայնքի ընկերությունների համար։ Բոլոր ընկերություններն աշխատում են շուկայում։ Շուկաները դինամիկ են։ Ուստի որոշ ընկերություններ որոշ ժամանակահատվածներում կարող են լավ աճել, իսկ այլ ժամանակահատվածներում՝ ավելի դանդաղ։ Եվ հակառակը, որոշ այլ ընկերություններ հիմա կարող են ավելի դանդաղ աճ կամ անկում ունենալ, բայց այլ ժամանակ անցնել աճի։ Երբ անհատները հնարավորություն ունեն հեշտությամբ տեղափոխվել մի ընկերությունից մյուսը, երկու բան է ապահովվում՝ անհատը միշտ աշխատանք ունի, իսկ համայնքը և ընկերությունները չեն կորցնում անհատին։ Այս իմաստով համայնքը պաշտպանում է և՛ անհատին, և՛ ընկերությանը։

Այսպիսով, հաջորդ անգամ, երբ ինչ-որ մեկը հարցնի, թե որտեղ եք աշխատում, կարող եք համարձակորեն ասել, որ «աշխատում եք Քաղաքի համար»։

Կարծում եմ՝ դա շատ հզոր կլիներ։