Bedrijfsintelligencesysteem voor planten

Het aanpasbare systeem integreert alle gegevens over het productieproces in een gebruiksvriendelijke webtoepassing, waardoor kostenanalyse en planning van verschillende scenario's veel gemakkelijker worden.

Klant

Industrie

Bedrijfsinformatie

Regio

Zwitserland

Klant sinds

2021

De klant levert complexe ERP-systemen voor grote ondernemingen, alsmede audit- en adviesdiensten voor productiebedrijven, die hen helpen hun werkzaamheden en financiële overzichten te optimaliseren.

Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.

Uitdaging

Analisten van de klant berekenden vroeger alle kosten en uitgaven van verschillende fabrieken in omslachtige Excel-werkbladen. Hoe meer gegevens er in de tabellen stonden, hoe trager het programma werkte. Als er bovendien kolommen aan de tabel moesten worden toegevoegd (bijvoorbeeld met nieuwe componenten), moesten de gebruikers de formules binnen de cellen handmatig wijzigen. Dat vertraagde het analyseproces en veroorzaakte een aantal menselijke fouten.

Om het werk te stroomlijnen en de efficiëntie te verhogen, kwam de klant met het idee om een extra module te integreren in het bestaande ERP-systeem, met gedetailleerde productieanalyses en prognoses. De module moet gemakkelijk kunnen worden aangepast aan elke fabriek en elk productieproces, zodat gebruikers gewoon de vereiste gegevens over machines, materialen, onderdelen en personeel toevoegen, terwijl alle berekeningen vooraf worden bepaald en in de backend worden uitgevoerd.

Oplossing

Ons team ontwikkelde vanaf nul een nieuw onderdeel voor een bestaand ERP-platform, dat de productiestructuur, de onderlinge relaties tussen de onderdelen, de kostenberekening en de simulatie omvat.

Webtoepassing

INSTALLATIESTRUCTUURSCHEMA

Gebruikers kunnen een aangepast model van hun fabriek bouwen, waarbij ze niveau per niveau toevoegen - werkplaatsen, uitrusting en modules. Het schema helpt analisten het model van een fabriek beter te begrijpen en maakt het mogelijk in één oogopslag referenties te maken.

Door op de items op het laagste niveau van het schema te klikken, openen gebruikers een sectie met verzamelde informatie over elke productie-eenheid: pagina's met een algemeen overzicht van werk en output, geproduceerde en defecte producten, gebruikte materialen, verliezen en arbeid. Het is mogelijk KPI's met verschillende parameters (output, schroot, enz.) voor elke machine in te stellen en grafieken te gebruiken om veranderingen in absolute en relatieve zin te volgen. Analisten kunnen de efficiëntie van elke machine controleren: hoeveel producten werden vervaardigd, met welke snelheid, en met hoeveel middelen en verliezen.

KOSTENMODULE

Dit deel van de oplossing is een dashboard met een samenvatting van de productiekosten van een gekozen periode. Het biedt geaccumuleerde gegevens over output, totale kosten, kosten per geproduceerde eenheid, enz. Gebruikers kunnen ook gegevens vergelijken met een referentieperiode om veranderingen in de tijd te volgen. Een kleine P&L-tabel geeft meer informatie over de bestede kosten per element (arbeid, grondstoffen, energie, afschrijvingen, enz.) in vergelijking met het toegewezen budget en het percentage verliezen. Voor de duidelijkheid worden alle kostencategorieën ook gepresenteerd in een grafiek. Dankzij dit overzicht kunnen gebruikers in één oogopslag het gewicht van elke categorie in de totale productiekosten begrijpen en probleemgebieden voor hun optimalisatie identificeren.

Voor meer details over de kostenstructuur kunnen gebruikers zich verdiepen in de informatie in grote P&L-werkbladen, die een ander onderdeel vormen van de kostenmodule. Zij bevatten meer parameters van elke P&L-component en stellen gebruikers in staat te berekenen hoe de productiekosten afhangen van het productievolume, prijsveranderingen in de loop der jaren en verliezen.

INTUÏTIEVE GEBRUIKERSINTERFACE

De werkbladinterface is bijzonder gebruiksvriendelijk: elke rij heeft een paar knoppen voor het bewerken van gegevens, het toevoegen van een nieuwe geneste rij, en het herhalen en verwijderen van dezelfde rij. Alle formules en ingewikkelde berekeningen met veel onderling samenhangende parameters zijn "verborgen" in de backend, zodat gewone gebruikers zonder beheerdersrechten ze niet per ongeluk kunnen veranderen of verpesten. De gegevens kunnen worden geïmporteerd uit andere tabellen (bijv. CSV, XML-werkbladen), waardoor gebruikers veel tijd besparen en handmatig werk tot een minimum wordt beperkt.

De configuratie van de werkblad voorziet reeds in een lijst van algemene elementen die voor verschillende soorten fabrieken gemeenschappelijk zijn - directe en indirecte arbeid, grondstoffen, verpakking, energie, onderhoud, kwaliteitscontrole, bedrijfskosten, enz. Daarom hoeven gebruikers alleen de vereiste elementen in de instellingen te kiezen en deze aan hun eigen behoeften aan te passen: zij kunnen desgewenst namen wijzigen, extra regels met componenten invoegen en werkelijke kosten en prijzen toevoegen.

SIMULATIEMODULE

Het volgende deel van de kostenmodule maakt het mogelijk top-down en bottom-up scenario's te simuleren. Analisten kunnen reductiedoelstellingen vaststellen (bv. op basis van kosten, verliezen) en ramingen krijgen van de kostenoptimalisatie per jaar. Dit helpt bij het vinden van de perfecte combinatie van alle parameters, waardoor productiebedrijven de kosten kunnen minimaliseren bij gelijkblijvende kwaliteit en hun EBITDA kunnen verhogen.

Wanneer een scenario is goedgekeurd, wordt het gebruikt als benchmark om de huidige efficiëntie van de productie te volgen. Zo kunnen analisten ernstige fouten in de doeltreffendheid en de timing opsporen en aanbevelingen doen voor het nemen van corrigerende maatregelen.

Technologieën en hulpmiddelen

Backend

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

Frontend

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

Platformen

Web

Ngx-datatable werd gekozen om complexe datasets in werkbladen te verwerken. Het heeft alle functies om met tabellen te werken, maar is zeer flexibel en licht. D3.js werd gebruikt voor het maken van responsieve grafiekcomponenten op basis van dynamische gegevens. Zo stelt de datavisualisatie gebruikers in staat om veel sneller te analyseren en conclusies te trekken.

Proces

De klant had een duidelijke visie over hoe de ideale analysemodule eruit moest zien, dus kregen we mock-ups van de interface en formules om de productiekosten te berekenen. Verder losten we alles op - softwarearchitectuur, selectie van de meest geschikte technologieën en frameworks voor een vlekkeloze werking, frontend- en backend-ontwikkeling. Dankzij de nauwe samenwerking tussen onze Business Analyst met een sterke financiële achtergrond en de analisten van de klant, slaagden we er samen in om de complexe logica van de onderlinge relaties tussen alle parameters om te zetten in een efficiënt systeem van berekeningen op de backend en illustratieve grafieken en tabellen op de gebruikersinterface.

Ontdekkingsfase

In deze fase onderzocht ons team het bestaande ERP-platform van de klant, dook diep in de bedrijfsprocessen, onderzocht alternatieven en bedacht de best mogelijke technologische oplossing. We ontwierpen een model dat bedrijfsentiteiten in het systeem en hun relaties schetst, maakten een gedetailleerd plan voor de ontwikkeling van elke module en kwamen met de klant de werkstroom overeen.

Technologie keuze

Op basis van de vereisten hebben we de technologieën aanbevolen die perfect aansluiten bij de behoeften van de klant. Ngx-datatable werd gekozen om complexe datasets in de vorm van werkbladen te verwerken. Het biedt alle functies om met een tabel te werken (sorteren, filteren, subrijen toevoegen, enz.) en is zeer flexibel en licht. D3.js werd gebruikt voor datavisualisaties en het maken van responsieve grafiekcomponenten op basis van dynamische gegevens. Zo werd de informatie gepresenteerd op een eenvoudige en illustratieve manier die gebruikers in staat stelde het te begrijpen en veel sneller conclusies te trekken. Voor Machine Learning kozen we voor TensorFlow.js vanwege de hoge schaalbaarheid en de mogelijkheid om de mogelijkheden ervan indien nodig op verschillende apparaten te gebruiken.

Machine learning

Om de data analyse sneller en efficiënter te maken, hebben wij een module Machine Learning-algoritmen geïmplementeerd. Deze definieert de patronen van veranderingen in de werkparameters van fabrieken en beoordeelt hun doeltreffendheid. De algoritmen ontvangen automatisch de gegevens uit het ERP-systeem en leren welke manieren het meest efficiënt waren om de voor elke fabriek, werkplaats of zelfs machine vastgestelde KPI's te bereiken. Hierdoor kan de module trends en patronen vinden die niet zo gemakkelijk te zien zijn, maar wel efficiënt kunnen worden gebruikt bij kostenoptimalisatie. We kozen voor TensorFlow.js vanwege de hoge schaalbaarheid en de mogelijkheid om de mogelijkheden ervan in de toekomst op verschillende apparaten te gebruiken indien nodig.

Beveiliging

De Machine Learning module werkt binnen de perimeter van de fabrikant en labelt of slaat geen gegevens op over een vestiging, fabriek, werkplaats of machine. Alleen statistische gegevens worden door de ML-algoritmen geanalyseerd. Dit betekent dat deze module veilig is en de potentiële indringer of insider geen vitale informatie kan verschaffen over de productievermogens en -artikelen van de klant.

MVP ontwikkeling

Na overeenstemming over de work breakdown structure met de klant, gingen we aan de slag met de ontwikkeling van de MVP.

We leverden elke twee weken module per module, bespraken taken in Slack en hadden wekelijkse videoconferenties in Google Meets.

Elke ontwikkelingsfase werd afgesloten met de unit- en handmatige tests, zodat we zelfs de kleinste bugs in een zo vroeg mogelijk stadium konden opsporen en verhelpen, om te voorkomen dat ze uitgroeiden tot problemen.

MVP ontwikkeling

Na overeenstemming over de work breakdown structure met de klant, gingen we aan de slag met de ontwikkeling van de MVP.

We leverden elke twee weken module voor module op, bespraken taken in Slack en lieten taken bijhouden in Jira.

Elke ontwikkelingsfase werd afgesloten met de unit- en handmatige tests, zodat we zelfs de kleinste bugs in een zo vroeg mogelijk stadium konden opsporen en oplossen, om te voorkomen dat ze uitgroeiden tot grote problemen.

Team

Backend ontwikkelaars

Frontend ontwikkelaars

QA
ingenieur

Business Analysts

Resultaten

Aangezien het systeem van meet af aan zo gebruiksvriendelijk mogelijk was ontworpen, duurde het slechts een uur om medewerkers die met een nieuwe module werkten op te leiden. Binnen een week na de implementatie werden de resultaten zichtbaar: het opstellen van rapporten ging 3 keer sneller dan voorheen, en gebruikers kregen meer tijd om gegevens nader te bestuderen en scenario's te simuleren. Hierdoor konden de analisten in kortere tijd met een meer gekalibreerde reeks bevindingen en aanbevelingen voor elke fabriek komen, waardoor de bedrijfswaarde toenam en de klantentrouw toenam.

Bovendien is ons team erin geslaagd het hele ERP-systeem zo veilig te houden als het was voordat er wijzigingen werden aangebracht, dankzij de machine learning-algoritmen die geen interactie hebben met vitale gegevens en alleen patronen en trends analyseren die voortkomen uit bepaalde beslissingen en acties.

Duur van het project

4 maanden voor MVP;
9 maanden voor het volledige project (inclusief 2 maanden gebruikersacceptatietests).

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken.