📦 Warehouse Capacity Script

Автоматизированный анализ и контроль складских мощностей

От 3 часов ручной работы до 5 минут автоматизации

Проблема • Решение • Результаты • Установка • Использование

---

📋 О проекте

Этот проект — автоматизированный Python-скрипт, разработанный по личной инициативе для анализа и контроля складских мощностей на крупном распределительном центре Wildberries.

🎯 Контекст

На складе с адресным хранением и множеством категорий товаров требовалось ежедневно отслеживать заполненность стеллажей, контролировать соблюдение правил размещения и планировать приемку новых товаров.

---

🎯 Проблема

Ручной процесс был неэффективным

⏰ Затраты времени 2-3 часа рабочего времени одного сотрудника на каждый отчет

❌ Ошибки Человеческий фактор приводил к неточностям в расчетах и некорректным решениям

📊 Устаревшие данные Отчеты устаревали через несколько часов, не отражая текущую ситуацию

---

Конкретные проблемы

• 📝 Сотруднику приходилось вручную выгружать данные из системы
• 🧮 Расчеты заполненности по категориям делались в Excel
• 📉 Анализ по этажам, рядам и стеллажам занимал основную часть времени
• 🔄 К моменту завершения отчета данные уже устаревали
• ⚠️ Регулярно возникали ошибки в расчетах из-за человеческого фактора

---

💡 Решение

Полная автоматизация процесса

Я разработал Python-скрипт, который выполняет все операции автоматически

---

🔄 Архитектура решения

1️⃣ Сбор данных 📡 Подключение к API сервера 📥 Запрос актуальных данных 🗄️ Получение информации о товарах и размещении

2️⃣ Обработка 🐼 Анализ с помощью Pandas 📊 Расчет заполненности по: • Категориям товаров • Рядам и стеллажам • Этажам склада

3️⃣ Отчетность 📄 Генерация Excel-отчетов ☁️ Обновление Google Sheets 📧 Автоматическая рассылка ⚠️ Алерты о критичных значениях

---

🚀 Результаты

Измеримые улучшения

⏱️ Экономия времени До: 2-3 часа После: 5 минут Сокращение на 97% Высвободилось время для более важных задач	✅ Точность До: ~95% (ошибки) После: 100% Нулевой уровень ошибок Полностью исключен человеческий фактор
📈 Актуальность До: Устаревшие данные После: Real-time данные Данные в реальном времени Принятие решений на основе актуальной информации	💰 ROI Экономия: ~15 часов/неделю Окупаемость: < 1 недели Быстрая окупаемость Мгновенный эффект от внедрения

---

🎯 Дополнительные преимущества

✅ Оптимизация размещения — эффективное планирование новых товаров ✅ Контроль правил — автоматическое выявление нарушений раскладки

✅ Прогнозирование — данные для планирования загрузки склада ✅ Масштабируемость — легко адаптируется под другие склады

---

🛠️ Технологии

Стек технологий

---

📚 Детальный список библиотек

Библиотека	Версия	Назначение
pandas	2.0+	Обработка и анализ данных, расчеты заполненности
numpy	1.24+	Математические операции и массивы
gspread	5.0+	Работа с Google Sheets API
oauth2client	4.1+	Авторизация Google API
openpyxl	3.1+	Создание и редактирование Excel файлов
requests	2.31+	HTTP-запросы к API сервера
python-dotenv	1.0+	Управление переменными окружения

---

📦 Установка

✅ Требования

🐍 Python 3.10+ Современная версия Python

📊 Google Account Для работы с Google Sheets

---