Business Intelligence -järjestelmä kasveja varten

Räätälöitävissä oleva järjestelmä yhdistää kaikki tuotantoprosessia koskevat tiedot helppokäyttöiseen verkkosovellukseen, mikä helpottaa kustannusanalyysiä ja erilaisten skenaarioiden suunnittelua huomattavasti.

Asiakas

Teollisuus

Business Intelligence

Alue

Sveitsi

Asiakas vuodesta

2021

Asiakas tarjoaa monimutkaisia toiminnanohjausjärjestelmiä suurille yrityksille sekä tilintarkastus- ja konsultointipalveluja teollisuusyrityksille, jotka auttavat niitä optimoimaan työnsä ja tilinpäätöksensä.

Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.

Haaste

Asiakkaan analyytikot laskivat aiemmin kaikki eri tehtaiden kustannukset ja menot hankalissa Excel-taulukoissa. Mitä enemmän tietoja taulukoissa oli, sitä hitaammin ohjelma toimi. Lisäksi jos taulukkoon oli tarpeen lisätä sarakkeita (esim. uusia komponentteja), käyttäjien oli muutettava solujen kaavoja manuaalisesti. Tämä hidasti analyysiprosessia ja aiheutti joitakin inhimillisiä virheitä.

Työn sujuvoittamiseksi ja tehokkuuden lisäämiseksi asiakas keksi integroida olemassa olevaan toiminnanohjausjärjestelmään lisämoduulin, jossa olisi yksityiskohtainen tuotantoanalyysi ja ennusteet. Moduulin on tarkoitus olla helposti räätälöitävissä mille tahansa tehtaalle ja tuotantoprosessille, joten käyttäjät vain lisäävät tarvittavat tiedot koneista, materiaaleista, komponenteista ja henkilökunnasta, kun taas kaikki laskelmat ovat ennalta määrättyjä ja etenevät backendissä.

Ratkaisu

Tiimimme kehitti tyhjästä uuden osan olemassa olevaan toiminnanohjausjärjestelmään, joka kattaa tuotantorakenteen, sen osien väliset suhteet, kustannuslaskennan ja simuloinnin.

Web-sovellus

LAITOKSEN RAKENNEKAAVA

Käyttäjät voivat rakentaa oman tehtaansa yksilöllisen mallin lisäämällä siihen taso kerrallaan työpajoja, laitteita ja moduuleja. Järjestelmä auttaa analyytikkoja ymmärtämään tehtaan mallia paremmin ja mahdollistaa viittausten tekemisen yhdellä silmäyksellä.

Klikkaamalla järjestelmän alimmalla tasolla olevia kohteita käyttäjät avaavat osiot, joihin on koottu tietoja kustakin valmistusyksiköstä: sivut, joilla on yleiskatsaus työhön ja tuotokseen, valmistettuihin ja viallisiin tuotteisiin, käytettyihin materiaaleihin, hävikkiin ja työvoimaan. Kullekin koneelle on mahdollista asettaa eri parametreja (tuotos, romu jne.) sisältäviä KPI-mittareita ja käyttää kaavioita muutosten seuraamiseen absoluuttisesti ja suhteellisesti. Analyytikot voivat tarkistaa kunkin koneen tehokkuuden: kuinka monta tuotetta valmistettiin, millä nopeudella ja kuinka paljon resursseja ja hävikkiä.

KUSTANNUSMODUULI

Tämä osa ratkaisusta on kojelauta, jossa on yhteenveto valitun ajanjakson tuotantokustannuksista. Se tarjoaa kertyneet tiedot tuotannosta, kokonaiskustannuksista, kustannuksista tuotettua yksikköä kohti jne. varten. Käyttäjät voivat myös verrata tietoja vertailujaksoon seuratakseen ajan kuluessa tapahtuneita muutoksia. Pieni tuloslaskutaulukko antaa lisätietoja käytetyistä kustannuksista elementeittäin (työvoima, raaka-aineet, energia, poistot jne.) verrattuna myönnettyyn budjettiin ja tappioprosenttiin. Selkeyden vuoksi kaikki kustannusluokat esitetään myös graafisesti. Tämän yleiskatsauksen avulla käyttäjät voivat yhdellä silmäyksellä ymmärtää kunkin luokan painoarvon kokonaistuotantokustannuksissa ja tunnistaa ongelma-alueet niiden optimoimiseksi.

Saadakseen lisätietoja kustannusrakenteesta käyttäjät voivat tutustua laajoissa tuloslaskelmataulukoissa esitettyihin tietoihin, jotka ovat toinen kustannusmoduulin osa. Ne sisältävät enemmän parametreja kustakin tuloslaskelman osatekijästä, ja niiden avulla käyttäjät voivat laskea, miten tuotantokustannukset riippuvat tuotantomäärästä, hintojen muutoksista vuosien aikana ja tappioista.

INTUITIIVINEN KÄYTTÖLIITTYMÄ

Taulukkolaskentaohjelman käyttöliittymä on erityisen helppokäyttöinen: jokaisella rivillä on muutama painike tietojen muokkaamista, uuden sisäkkäisen rivin lisäämistä sekä saman rivin toistamista ja poistamista varten. Kaikki kaavat ja monimutkaiset laskutoimitukset, joissa on monia toisiinsa liittyviä parametreja, on "piilotettu" backendiin, joten tavalliset käyttäjät, joilla ei ole ylläpitäjän oikeuksia, eivät voi vahingossa muuttaa tai pilata niitä. Tiedot voidaan tuoda muista taulukoista (esim. CSV, XML-taulukot), mikä säästää käyttäjiltä paljon aikaa ja minimoi manuaalisen työn.

Taulukkokokoonpano sisältää jo luettelon yleisistä elementeistä, jotka ovat yhteisiä erityyppisille laitoksille - suora ja epäsuora työvoima, raaka-aineet, pakkaukset, energia, kunnossapito, laadunvalvonta, toimintakulut jne. Käyttäjien tarvitsee siis vain valita tarvittavat elementit asetuksista ja mukauttaa ne omiin tarpeisiinsa: he voivat tarvittaessa muuttaa nimiä, lisätä komponentteja sisältäviä lisärivejä ja lisätä todellisia kustannuksia ja hintoja.

SIMULOINTIMODUULI

Kustannusmoduulin seuraava osa mahdollistaa ylhäältä alas- ja alhaalta ylös -skenaarioiden simuloinnin. Analyytikot voivat asettaa vähennystavoitteita (esim. kustannusten tai tappioiden mukaan) ja saada arvioita kustannusten optimoinnista vuosittain. Tämä auttaa löytämään kaikkien parametrien täydellisen yhdistelmän, jonka avulla tuotantoyhtiöt voivat minimoida kustannukset samalla laadulla ja kasvattaa käyttökatettaan.

Kun skenaario on hyväksytty, sitä käytetään vertailuarvona tuotannon nykyisen tehokkuuden seuraamiseksi. Näin analyytikot voivat havaita vakavia virheitä tehokkuudessa ja ajoituksessa ja suositella korjaavien toimien toteuttamista.

Teknologiat ja työkalut

Back-end

.NET 5, SQL (MS SQL Server), Swagger, CQRS, TensorFlow.js.

Front-end

Angular 11, RxJs, NgRx, Bootstrap 4.6, Material, ngx-datatable, D3.js,

Alustat

Web

Ngx-datatable valittiin taulukkolaskentaohjelmissa olevien monimutkaisten tietokokonaisuuksien käsittelyyn. Siinä on kaikki taulukoiden kanssa työskentelyyn tarvittavat ominaisuudet, mutta se on erittäin joustava ja kevyt. D3.js:ää käytettiin dynaamisiin tietoihin perustuvien responsiivisten kaaviokomponenttien luomiseen. Tietojen visualisoinnin ansiosta käyttäjät voivat analysoida ja tehdä johtopäätöksiä paljon nopeammin.

Prosessi

Asiakkaalla oli selkeä näkemys siitä, miltä ihanteellisen analyyttisen moduulin tulisi näyttää, joten teimme malleja käyttöliittymästä ja kaavoista tuotantokustannusten laskemiseksi. Ratkaisimme asiat kaikesta muusta - ohjelmistoarkkitehtuurista, virheettömään toimintaan parhaiten soveltuvien teknologioiden ja kehysten valinnasta, frontend- ja backend-kehityksestä. Vahvan talousalan taustan omaavan Business Analystimme ja asiakkaan analyytikkojen tiiviin yhteistyön ansiosta onnistuimme yhdessä muuttamaan kaikkien parametrien välisten suhteiden monimutkaisen logiikan tehokkaaksi laskentajärjestelmäksi backend-puolella ja havainnollisiksi kaavioiksi ja taulukoiksi käyttöliittymässä.

Löytämisvaihe

Tässä vaiheessa tiimimme tutki asiakkaan nykyisen toiminnanohjausjärjestelmän, perehtyi syvällisesti liiketoimintaprosesseihin, tutki vaihtoehtoja ja keksi parhaan mahdollisen teknisen ratkaisun. Suunnittelimme mallin, jossa hahmotellaan järjestelmän liiketoimintakokonaisuudet ja niiden väliset suhteet, laadimme yksityiskohtaisen suunnitelman kunkin moduulin kehittämiseksi ja sovimme asiakkaan kanssa työnkulusta.

Teknologian valinta

Vaatimusten mukaan suosittelimme asiakkaan tarpeisiin täydellisesti sopivia tekniikoita. Ngx-datatable valittiin monimutkaisten taulukkomuotoisten tietokokonaisuuksien käsittelyyn. Se tarjoaa kaikki taulukon kanssa työskentelyyn tarvittavat ominaisuudet (lajittelu, suodatus, alarivien lisääminen jne.) ja on erittäin joustava ja kevyt. D3.js:ää käytettiin datan visualisointiin ja dynaamisiin tietoihin perustuvien responsiivisten kaaviokomponenttien luomiseen. Näin tiedot esitettiin helposti ja havainnollisesti, jolloin käyttäjät pystyivät ymmärtämään ne ja tekemään johtopäätöksiä paljon nopeammin. Koneoppimiseen valitsimme TensorFlow.js:n sen suuren skaalautuvuuden vuoksi ja siksi, että sen ominaisuuksia voidaan tarvittaessa käyttää eri laitteilla.

Koneoppiminen

Tietojen analysoinnin nopeuttamiseksi ja tehostamiseksi toteutimme koneoppimisalgoritmimoduulin. Se määrittelee laitosten työparametrien muutosten mallit ja arvioi niiden tehokkuutta. Algoritmit vastaanottavat automaattisesti tiedot toiminnanohjausjärjestelmästä ja oppivat, mitkä tavat olivat tehokkaimpia kullekin tehtaalle, korjaamolle tai jopa koneelle asetettujen KPI:iden saavuttamisessa. Näin moduuli voi löytää trendejä ja malleja, joita ei niin helposti näe, mutta joita voidaan käyttää tehokkaasti kustannusten optimoinnissa. Valitsimme TensorFlow.js:n sen suuren skaalautuvuuden vuoksi ja siksi, että sen ominaisuuksia voidaan tarvittaessa käyttää tulevaisuudessa eri laitteissa.

Turvallisuus

Koneoppimismoduuli toimii valmistajan piirissä, eikä se merkitse tai tallenna tietoja mistään haarasta, tehtaasta, korjaamosta tai koneesta. ML-algoritmit analysoivat vain tilastotietoja. Tämä tarkoittaa, että tämä moduuli on turvallinen eikä se voi antaa mahdolliselle tunkeutujalle tai sisäpiiriläiselle mitään elintärkeitä tietoja asiakkaan valmistustehoista ja -tuotteista.

MVP-kehitys

Kun työnjako oli sovittu asiakkaan kanssa, aloitimme MVP:n kehittämisen.

Toimitimme moduuli kerrallaan kahden viikon välein, keskustelimme tehtävistä Slackissa ja pidimme viikoittaisia videokonferensseja Google Meetsissä.

Jokainen kehitysvaihe päättyi yksikkö- ja manuaaliseen testaukseen, joten pystyimme havaitsemaan ja korjaamaan pienimmätkin virheet mahdollisimman varhaisessa vaiheessa ja estämään niiden muuttumisen ongelmiksi.

MVP-kehitys

Kun työnjako oli sovittu asiakkaan kanssa, aloitimme MVP:n kehittämisen.

Toimitimme moduuli kerrallaan kahden viikon välein, keskustelimme tehtävistä Slackissa ja seurasimme tehtäviä Jirassa.

Joukkue

Backend-kehittäjät

Frontend-kehittäjät

QA Engineer

Liiketoiminta-analyytikot

Tulokset

Koska järjestelmä suunniteltiin alusta alkaen mahdollisimman käyttäjäystävälliseksi, uuden moduulin käyttämiseen tarvittiin vain tunti. Tulokset näkyivät jo viikon kuluttua käyttöönotosta: raporttien laatiminen nopeutui kolme kertaa aiempaa nopeammin, ja käyttäjät saivat enemmän aikaa tietojen tarkempaan tarkasteluun ja skenaariosimulointiin. Näin analyytikot pystyivät laatimaan kalibroidumpia havaintoja ja suosituksia kutakin tehdasta varten lyhyemmässä ajassa, mikä lisäsi liiketoiminnan arvoa ja kasvatti asiakasuskollisuutta.

Lisäksi tiimimme on onnistunut pitämään koko toiminnanohjausjärjestelmän yhtä turvallisena kuin se oli ennen muutosten tekemistä, koska koneoppimisalgoritmit eivät ole vuorovaikutuksessa elintärkeiden tietojen kanssa, vaan analysoivat vain tietyistä päätöksistä ja toimista syntyviä malleja ja trendejä.

Hankkeen kesto

4 kuukautta MVP:lle;
9 kuukautta koko hankkeeseen (mukaan lukien 2 kuukautta käyttäjien hyväksymistestausta).

Liittyvät tapaukset

Ota yhteyttä

Varaa puhelu tai täytä alla oleva lomake, niin otamme sinuun yhteyttä, kun olemme käsitelleet pyyntösi.

Nimi

Yritys

Sähköposti

Puhelin

Viesti

Lähetä meille ääniviesti

Liitä asiakirjoja

Lataa tiedosto

Voit liittää 1 enintään 2 Mt:n tiedoston. Hyväksytyt tiedostomuodot: pdf, jpg, jpeg, png.

Klikkaamalla Lähetä, annat suostumuksesi siihen, että Innowise käsittelee henkilötietojasi meidän Tietosuojakäytäntö antaa sinulle asiaankuuluvia tietoja. Antamalla puhelinnumerosi suostut siihen, että voimme ottaa sinuun yhteyttä puheluiden, tekstiviestien ja viestisovellusten kautta. Puhelu-, viesti- ja datahintoja voidaan soveltaa.

Voit myös lähettää meille pyyntösi
osoitteeseen contact@innowise.com

Mitä tapahtuu seuraavaksi?

Kun olemme vastaanottaneet ja käsitelleet pyyntösi, otamme sinuun yhteyttä ja kerromme yksityiskohtaisesti projektin tarpeet ja allekirjoitamme NDA-sopimuksen luottamuksellisuuden varmistamiseksi.

Tutkittuaan toiveesi, tarpeesi ja odotuksesi tiimimme suunnittelee projektin ehdotuksen, jossa esitetään työn laajuus, tiimin koko, aika- ja kustannusarviot.

Järjestämme kanssasi tapaamisen, jossa keskustellaan tarjouksesta ja sovitaan yksityiskohdista.

Lopuksi allekirjoitamme sopimuksen ja aloitamme projektisi toteuttamisen heti.

Business Intelligence -järjestelmä kasveja varten

Asiakas

Haaste

Ratkaisu

Tiimimme kehitti tyhjästä uuden osan olemassa olevaan toiminnanohjausjärjestelmään, joka kattaa tuotantorakenteen, sen osien väliset suhteet, kustannuslaskennan ja simuloinnin.

Web-sovellus

Teknologiat ja työkalut

Prosessi

Joukkue

Tulokset

Liittyvät tapaukset

Ota yhteyttä

Mitä tapahtuu seuraavaksi?

Tarvitsetko muita palveluja?

Tilaa osoitteeseen uutiskirjeemme

Tilaa
osoitteeseen uutiskirjeemme