Для 3PL-оператора точность складского учёта — вопрос рентабельности. Компания хранит чужие грузы и отвечает за то, чтобы каждая паллета была на своём месте. Если данные в складской системе расходятся с реальностью, оператор тратит часы на поиск потерянных паллет, а свободные ячейки остаются невидимыми — склад выглядит заполненным, хотя физически место есть.
На московском складе «СТА Карго» — федерального 3PL-оператора с более чем 105 000 м² площадей в девяти регионах (топ-10 в России по объёму) — за инвентаризацию отвечали 5 сотрудников. Каждый день новый участок, полный обход склада за квартал. К концу обхода данные в начале уже устарели, а проверить всё разом означало остановить складские операции.
«Ориентир-Север» — московская площадка «СТА Карго». Источник: пресс-служба «СТА Карго»
Точность учёта — то есть доля ячеек, где фактическое содержимое совпадает с записью в складской системе, — держалась на уровне 89%. Таким образом, каждый десятый адрес на складе содержал ошибку.
Чтобы перевести инвентаризацию в регулярный режим без остановки операций и наращивания штата, «СТА Карго» внедрил робота-инвентаризатора Яндекс Роботикс — сначала на московской площадке «Ориентир-Север», затем на складе в Санкт-Петербурге.
Сегодня робот проезжает одну аллею за 3–4 минуты вместо рабочего дня, точность адресного хранения выросла с 89% до 96%, а 5 сотрудников переключились с рутинного пересчёта на задачи, которые сложно автоматизировать.
Рассказываем, как устроен проект и что, помимо скорости, получил СТА Карго.
«СТА Карго» оформил годовую подписку у Яндекс Роботикс. Такая модель называется RaaS (Robots-as-a-Service): оператор платит ежемесячно, а Яндекс Роботикс отвечает за обслуживание и эксплуатацию. В дни инвентаризации оператор Роботикс приезжает на склад, запускает робота, контролирует процесс и отдаёт результаты.
Робота не пришлось подключать и к WMS склада — с «СТА Карго» Яндекс Роботикс работает без интеграции уже третий год. Вместо интеграции Яндекс Роботикс забирает данные, обрабатывает на своей стороне и возвращает «СТА Карго» готовый результат — перечень расхождений с фотографиями ячеек. При необходимости клиент может зайти в систему Роботикс под своим логином и работать с данными самостоятельно.
По словам Евгения Рудинского, такой подход позволяет сразу давать клиенту результат. Для части компаний это принципиальный момент: не все готовы открывать подрядчику доступ к складской системе.
Подписка и отсутствие интеграции убрали из проекта два самых длительных этапа: согласование закупки оборудования и подключение к складской системе клиента.
Робот-инвентаризатор автоматически выстраивает маршрут, проезжает по аллеям склада со скоростью около 0,8 м/с и сканирует этикетки на паллетах, чтобы сопоставить фактическое размещение грузов с данными из выгрузки WMS.
На московской площадке условия оказались сложнее типовых: аллеи разной ширины — от полутора до трёх с лишним метров, маркировка неоднородная — штрих-коды, QR-коды, этикетки разных стандартов. Модуль распознавания доработали до поддержки более 20 форматов кодов, а на мачту установили дополнительные камеры с собственным освещением.
Робот-инвентаризатор. Источник: пресс-служба Яндекс Роботикс
Но главной технической проблемой стала не маркировка, а крупногабаритные грузы (КГТ). Такая паллета — например, длинные трубы — физически занимает несколько ячеек на стеллаже, а в WMS привязана к одной. Робот видит её не целиком, а фрагментами на последовательных снимках. До этого проекта у команды Яндекс Роботикс не было технологии работы с КГТ: нейросеть пришлось учить склеивать фрагменты в единый объект и одновременно отличать одну крупногабаритную паллету от двух обычных, стоящих рядом.
Отдельной задачей стала интерпретация данных. Одно дело получить снимки от робота, другое — правильно прочитать их для конкретного склада, где у клиента своя логика адресации.
Когда результаты первых прогонов сопоставили с данными складской системы, выяснилось, что реальных расхождений значительно больше, чем предполагал склад, — не единичные проценты, а 10% и выше. За каждым расхождением стояла конкретная ошибка: паллету поставили не в ту ячейку, этикетку наклеили криво или не наклеили вообще.
Первое время сотрудники склада воспринимали робота скептически — новая технология меняла привычные процессы и требовала соблюдать более строгие правила размещения паллет. Но по мере того как качество данных росло от прогона к прогону, отношение изменилось.
По словам Павла Трехденова, директора складского комплекса «Ориентир-Север», положительная динамика качества инвентаризации позволила вовлечь сотрудников в процесс роботизации. В итоге это повлияло на улучшение показателей склада в целом — и по скорости, и по качеству просчёта.
После выхода в промышленный режим на московской площадке точность учёта выросла с 89% до 96%. Охват инвентаризации вырос с 50% до 90% ячеек — теперь склад располагает актуальными данными почти по всем адресам хранения.
На практике это дало «СТА Карго» то, чего не было при ручном пересчёте, — полную картину того, что лежит на складе и где именно. Потерянные паллеты теперь находятся не за часы обхода, а по фотографии с робота.
Каждое расхождение сопровождается снимком ячейки — изображения достаточно, чтобы рассмотреть номер на этикетке и принять решение, не отправляя бригаду на место. Пять сотрудников, которые раньше занимались только пересчётом, переключились на точечные проверки расхождений и другие задачи.
«Мы больше не тратим время на ручные проверки и проводим инвентаризацию без остановки процессов. Особенно заметно при работе с крупными грузами — теперь мы точно знаем, где они лежат, и можем лучше использовать склад. Освободившихся сотрудников направили на новые сервисы и улучшение обслуживания — уже видим рост постоянных клиентов», — отметил Павел Трехденов, директор складского комплекса «Ориентир-Север».
С роботом-инвентаризатором точность учёта выросла с 89% до 96%, а охват инвентаризации — с 50% до 90% ячеек. Источник: пресс-служба Яндекс Роботикс
У проекта оказался ещё один неочевидный бонус. Камеры на мачте инвентаризатора фиксируют и этикетки, и физические размеры паллет внутри ячеек. На этих данных команда Яндекс Роботикс строит тепловые карты заполненности по зонам и передаёт клиенту таблицы с показателями по каждой ячейке — их можно использовать для формирования заданий на уплотнение товара.
После запуска на московской площадке «СТА Карго» масштабировал решение на склад в Санкт-Петербурге — более крупную площадку из трёх блоков.
Здесь уже работают два робота нового поколения — со складной мачтой, которая позволяет автономно перемещаться между блоками через низкие проезды. Технологию работы с крупногабаритными грузами, которую команда Яндекс Роботикс разработала на московском складе, здесь встроили в общий алгоритм — теперь робот обрабатывает обычные и КГТ-паллеты в одном проезде, без переключения между режимами.
В планах — внедрить роботов-инвентаризаторов на остальных объектах сети, перейти на единые QR-этикетки для всех типов грузов и выстроить общую систему инвентаризации. «СТА Карго» также рассматривает робота-погрузчика Яндекс Роботикс, который перемещает и размещает грузы на стеллажах без участия оператора.
© КСЛ Экспо, 2026
.svg)
