Автоматизация учёта заездов в сети автомоек: кейс федеральной сети
Кейс автоматизации учёта заездов в федеральной сети автомоек. +30% клиентов автомойки в ночные часы после внедрения автоматического учёта заездов.
Заказчик#
- Ниша: автомойка, автосервис
- Тип бизнеса: федеральная сеть
- Модель работы: круглосуточный приём автомобилей, ручная фиксация заезда и оплаты.
- Контекст: систематические несоответствия в учёте заездов: фиксировался не тот номер или категория автомобиля, либо не фиксировался вовсе. Ночью наблюдался рост расхода материалов при отсутствии подтверждённых заездов.
Проблема глазами клиента#
"Я не параноик… но когда ночью расход химии и воды растёт, а “машин не было” – у меня сразу появляется желание стать ночным сторожем. А моек у нас по сети столько, что физически не набегаешься. Сделайте так, чтобы я мог спокойно видеть, что происходит. Чтобы ребята поменьше руками ковырялись в компьютере – и побольше занимались своей работой. И чтобы мне не приходилось стоять над душой у каждого: мне нужен нормальный, автоматический учёт – чтобы всё фиксировалось само, и мне не приходилось каждый раз разбираться, где ошибка, а где уже не ошибка."
Цели и задачи внедрения#
- Исключить ручной ввод данных о заезде автомобиля
- Надёжно фиксировать факт въезда и номер
- Автоматически отправлять информацию в учётную систему
- Обеспечить контроль за работой персонала и снизить число "человеческих ошибок"
Решение WEDOLAB#
- Установка камер: Подобрали модели, устойчивые к условиям мойки (влажность, пар, перепады освещения). Установили на высоте и под углом, исключающим вандализм.
- Распознавание номеров: Настроили модуль обработки видеопотока и распознавания номеров на базе Python и OpenCV. Как только машина попадает в кадр – номер извлекается и отправляется в систему.
- Интеграция с 1С и CRM: Номер и факт заезда автоматически фиксируются в системе учёта. Проверяется статус клиента: частный или корпоративный. Исключаются ручные ошибки и «серая зона» между визитом и оплатой.
- Панель контроля: Разработан веб-интерфейс для охраны и руководства: дата/время, распознанный номер, статус обработки и подтверждение фиксации в учётной системе.
Архитектура и технологический стек#
- Сервис обработки: Основная бизнес-логика реализована на Python. Система минимизирует ручные действия персонала и исключает «свободную интерпретацию» заезда.
- Видеоаналитика: Использование OpenCV для работы с видеопотоком и извлечения номеров в реальном времени.
- Интеграции: Обмен данными через API с 1С и CRM.
- Развёртывание: Решение упаковано в Docker и работает внутри закрытого контура компании без внешних подписок.
Цифры и результат#
- 30% рост заездов, зафиксированных в ночную смену
- 50% рост заездов, зафиксированных в праздничные дни
- Значительное снижение расхода материалов без подтверждённых заездов
Сроки и бюджет проекта#
- Разработка и внедрение: 200 000 ₽
- Ежемесячные затраты: 0 ₽/мес
- Длительность проекта: 4 недели
В этом проекте#
Используемые компетенции WEDOLAB:
Узнали свою проблему в одном из кейсов?#
Задайте вопрос ИИ-агенту, чтобы быстро уточнить детали: сроки развертывания подобных систем, наши стандарты безопасности и доступные форматы работы.
Предпочитаете живое общение? Напишите нам в Telegram, чтобы обсудить задачу с техническим руководителем. Мы не тратим время на долгие презентации — сразу смотрим на ваши вводные данные и оцениваем реализуемость.