Архив Потребительские товары и FMCG · Продукты питания и напитки

Nestlé India: модели T hub сократили пробег тонны Maggi на 30%

По словам председателя Nestlé India Сурэша Нараянана, модели планирования перевозок T hub сократили пробег тонны лапши Maggi от фабрик до распределительных центров на 30%.

Стадия
Промышленная эксплуатация
География
Индия
Год
—
Источники
1
CB-000428
проверено 11.10.2026

/01 · ключевые результаты

оценка strategai

Оценку не приводим: денежная экономия в расшифровке интервью дана без однозначной валюты и масштаба

По словам председателя Nestlé India Сурэша Нараянана, модели планирования перевозок T hub сократили пробег тонны лапши Maggi от фабрик до распределительных центров на 30%.

Стадия
Промышленная эксплуатация
География
Индия
Год
—
Источники
1
CB-000428
проверено 11.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-000428Nestlé India

Бизнес

Компания
Nestlé India
Отрасль
Потребительские товары и FMCG · Продукты питания и напитки
Функция
Цепочка поставок, закупки и логистика
Задача
Маршрутизация и диспетчеризация

Технология

Класс AI
Оптимизация и поддержка решений
Тип решения
Не раскрыт

Внедрение

Стадия
Промышленная эксплуатация, на 2025
География
Индия

/03 · описание кейса

Бизнес-задача

Nestlé India — производитель лапши Maggi, шоколада KitKat, кофе и молочной продукции; Индия — крупнейший рынок Nestlé для Maggi. По словам председателя и управляющего директора Сурэша Нараянана, компания располагает большими массивами потребительских, клиентских, производственных и закупочных данных и ищет способ превратить их в прогнозы. После выхода продукции с фабрик цепочка включает логистику, доставку и продажи. Задачей в логистике компания называет снижение затрат на перемещение продукции от фабрик к распределительным центрам за счёт лучшего планирования перевозок и маршрутов.

Решение

Для перевозок от фабрик к распределительным центрам Nestlé India использует модели, которые внутри компании называют T hub (транспортный хаб). По описанию Нараянана, они моделируют прогнозный спрос и необходимые поставки, планируют перемещения и маршруты, а алгоритм сопоставляет фабрики-источники, производственные площадки и распределительные центры, которые они снабжают. Тип моделей и разработчик в интервью не названы. Компания также выстраивает прогнозирование спроса на основе ИИ: цель — чтобы изменение продаж бренда на конкретной полке запускало корректировку планов производства и закупок на фабриках.

Внедрение

Нараянан рассказал о системе в подкасте Nasscom Conversation в 2025 году; по его словам, модели T hub уже работают. На примере Maggi он привёл расчёт: средний путь тонны продукции от фабрики составлял около 900–1000 км, после применения алгоритма пробег на тонну сократился на 30%, что даёт экономию на логистике. Аналогичные алгоритмы, по словам председателя, можно применить к отгрузкам из распределительных центров дистрибьюторам. Прогнозирование спроса компания называет одним из крупных направлений, которое сейчас выстраивает; результаты по нему не приводятся.

/04 · источники и проверка

Что подтверждено

  • По словам председателя Nestlé India, модели T hub для планирования перевозок от фабрик к распределительным центрам уже используются.
  • На примере Maggi пробег на тонну продукции сократился на 30% при прежнем среднем пути около 900–1000 км.
  • Компания связывает эффект с планированием перемещений и маршрутов, которое сопоставляет фабрики и распределительные центры.

Ограничения

  • 30% относятся к одному продукту — Maggi — и к одному звену: перевозкам от фабрик до распределительных центров; данных по всей логистике компании нет.
  • Денежная экономия, названная в интервью, в расшифровке приведена без однозначной валюты и масштаба, поэтому не показывает достоверный размер эффекта.
  • Цифры приведены председателем в устном интервью; период сравнения и методика расчёта не раскрыты.
  • По прогнозированию спроса результатов нет: компания называет его направлением, которое выстраивает.
  1. [1] Nasscom

    How Nestlé India Is Harnessing AI to Turn Data Into Powerful Foresight, Not Just Insight

    СМИ · расшифровка подкаста Nasscom Conversation, дата не указана

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-000428 · Версия 1 · 11.10.2026 · /c/CB-000428/