System Business Intelligence dla zakładów

ERP

Web

Konfigurowalny system integruje wszystkie dane dotyczące procesu produkcji w łatwej w użyciu aplikacji internetowej, znacznie ułatwiając analizę kosztów i planowanie różnych scenariuszy.

Klient

Przemysł

Business Intelligence

Region

Szwajcaria

Klient od

2021

Klient dostarcza kompleksowe systemy ERP dla dużych przedsiębiorstw, a także usługi audytorskie i konsultingowe dla firm produkcyjnych, pomagając im w optymalizacji pracy i sprawozdań finansowych.

Szczegółowe informacje o kliencie nie mogą zostać ujawnione zgodnie z postanowieniami umowy NDA.

Wyzwanie

Analitycy klienta obliczali wszystkie koszty i wydatki różnych fabryk w uciążliwych arkuszach kalkulacyjnych Excel. Im więcej danych znajdowało się w tabelach, tym wolniej działał program. Co więcej, jeśli konieczne było dodanie kolumn do tabeli (np. z nowymi komponentami), użytkownicy musieli ręcznie zmieniać formuły w komórkach. Spowalniało to proces analityczny i powodowało błędy ludzkie.

Aby usprawnić pracę i zwiększyć wydajność, klient wpadł na pomysł zintegrowania dodatkowego modułu z istniejącym systemem ERP, ze szczegółową analizą produkcji i prognozami. Moduł ma być łatwo dostosowywany do każdej fabryki i procesu produkcyjnego, więc użytkownicy po prostu dodają wymagane dane o maszynach, materiałach, komponentach i personelu, podczas gdy wszystkie obliczenia są z góry określone i wykonywane w zapleczu.

Rozwiązanie

Nasz zespół opracował od podstaw nową część dla istniejącej platformy ERP, która obejmuje strukturę produkcji, wzajemne powiązania między jej komponentami, kalkulację kosztów i symulację.

Aplikacja internetowa

SCHEMAT STRUKTURY ZAKŁADU

Użytkownicy mogą zbudować niestandardowy model swojej fabryki, dodając poziom po poziomie - warsztaty, sprzęt i moduły. Schemat ten pomaga analitykom lepiej zrozumieć model fabryki i umożliwia tworzenie odniesień na pierwszy rzut oka.

Klikając elementy na najniższym poziomie schematu, użytkownicy otwierają sekcję ze zgromadzonymi informacjami o każdej jednostce produkcyjnej: strony z ogólnym przeglądem pracy i produkcji, wyprodukowanych i wadliwych produktów, użytych materiałów, strat i robocizny. Możliwe jest ustawienie KPI z różnymi parametrami (produkcja, złom itp.) dla każdej maszyny i wykorzystanie wykresów do śledzenia zmian w wartościach bezwzględnych i względnych. Analitycy mogą sprawdzić wydajność każdej maszyny: ile produktów zostało wyprodukowanych, z jaką prędkością oraz przy użyciu ilu zasobów i strat.

MODUŁ KOSZTÓW

Ta część rozwiązania reprezentuje pulpit nawigacyjny z podsumowaniem kosztów produkcji w wybranym okresie. Zapewnia skumulowane dane dotyczące produkcji, kosztów całkowitych, kosztów na wyprodukowaną jednostkę itp. Użytkownicy mogą również porównać dane z okresem odniesienia, aby śledzić zmiany w czasie. Niewielka tabela P&L dostarcza więcej informacji na temat poniesionych kosztów w podziale na elementy (robocizna, surowce, energia, amortyzacja itp.) w porównaniu z przydzielonym budżetem i procentem strat. Dla przejrzystości, wszystkie kategorie kosztów są również przedstawione na wykresie. Przegląd ten pozwala użytkownikom zrozumieć na pierwszy rzut oka wagę każdej kategorii w całkowitych kosztach produkcji i zidentyfikować obszary problemowe w celu ich optymalizacji.

Aby uzyskać więcej szczegółów na temat struktury kosztów, użytkownicy mogą zagłębić się w informacje przedstawione w dużych arkuszach kalkulacyjnych P&L, które są kolejną częścią modułu kosztów. Zawierają one więcej parametrów każdego składnika rachunku zysków i strat i pozwalają użytkownikom obliczyć, w jaki sposób koszty produkcji zależą od wielkości produkcji, zmian cen na przestrzeni lat i strat.

INTUICYJNY INTERFEJS UŻYTKOWNIKA

Interfejs arkusza kalkulacyjnego jest wyjątkowo łatwy w użyciu: każdy wiersz ma kilka przycisków do edycji danych, dodawania nowego zagnieżdżonego wiersza oraz powtarzania i usuwania tego samego wiersza. Wszystkie formuły i skomplikowane obliczenia z wieloma powiązanymi ze sobą parametrami są "ukryte" w backendzie, więc zwykli użytkownicy bez uprawnień administratora nie będą mogli ich przypadkowo zmienić lub zepsuć. Dane mogą być importowane z innych tabel (np. CSV, XML Spreadsheets), oszczędzając użytkownikom wiele czasu i minimalizując pracę ręczną.

Konfiguracja arkusza kalkulacyjnego zawiera już listę ogólnych elementów, które są wspólne dla różnych typów zakładów - bezpośrednia i pośrednia robocizna, surowce, opakowania, energia, konserwacja, kontrola jakości, koszty operacyjne itp. Dlatego użytkownicy muszą jedynie wybrać wymagane elementy w ustawieniach i dostosować je do własnych potrzeb: w razie potrzeby mogą zmienić nazwy, wstawić dodatkowe wiersze z komponentami oraz dodać rzeczywiste koszty i ceny.

MODUŁ SYMULACJI

Kolejna część modułu kosztowego umożliwia symulację scenariuszy odgórnych i oddolnych. Analitycy mogą ustawić cele redukcji (np. według kosztów, strat) i uzyskać szacunki optymalizacji kosztów w poszczególnych latach. Pomaga to znaleźć idealną kombinację wszystkich parametrów, pozwalając firmom produkcyjnym zminimalizować koszty przy tej samej jakości i zwiększyć EBITDA.

Po zatwierdzeniu scenariusza jest on wykorzystywany jako punkt odniesienia do śledzenia bieżącej wydajności produkcji. W ten sposób analitycy mogą wykryć poważne błędy w skuteczności i harmonogramie oraz zalecić podjęcie działań naprawczych.

Technologie i narzędzia

Backend

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

Frontend

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

Platformy

Web

Ngx-datatable został wybrany do obsługi złożonych zestawów danych w arkuszach kalkulacyjnych. Posiada wszystkie funkcje do pracy z tabelami, ale jest bardzo elastyczny i lekki. D3.js został użyty do tworzenia responsywnych komponentów wykresów opartych na dynamicznych danych. W ten sposób wizualizacja danych umożliwia użytkownikom analizowanie i wyciąganie wniosków znacznie szybciej.

Proces

Klient miał jasną wizję tego, jak powinien wyglądać idealny moduł analityczny, więc otrzymaliśmy makiety interfejsu i formuły do obliczania kosztów produkcji. Rozwiązaliśmy kwestie związane z całą resztą - architekturą oprogramowania, wyborem najbardziej odpowiednich technologii i frameworków do bezbłędnego działania, rozwojem frontendu i backendu. Dzięki ścisłej współpracy naszego analityka biznesowego z silnym zapleczem finansowym i analityków klienta, wspólnie udało nam się przekształcić złożoną logikę powiązań między wszystkimi parametrami w wydajny system obliczeń po stronie backendu oraz ilustrujące wykresy i tabele w interfejsie użytkownika.

Faza odkrywania

Na tym etapie nasz zespół przeanalizował istniejącą platformę ERP klienta, zagłębił się w procesy biznesowe, zbadał alternatywy i opracował najlepsze możliwe rozwiązanie technologiczne. Zaprojektowaliśmy model, który przedstawia podmioty biznesowe w systemie i ich relacje, stworzyliśmy szczegółowy plan rozwoju każdego modułu i uzgodniliśmy z klientem przepływ pracy.

Wybór technologii

Zgodnie z wymaganiami zarekomendowaliśmy technologie, które idealnie odpowiadały potrzebom klienta. Ngx-datatable został wybrany do obsługi złożonych zestawów danych w formie arkuszy kalkulacyjnych. Zapewnia wszystkie funkcje do pracy z tabelą (sortowanie, filtrowanie, dodawanie podrzędnych wierszy itp.) i jest bardzo elastyczny i lekki. D3.js został użyty do wizualizacji danych i tworzenia responsywnych komponentów wykresów opartych na dynamicznych danych. W ten sposób informacje zostały przedstawione w łatwy i obrazowy sposób, który pozwolił użytkownikom zrozumieć je i wyciągnąć wnioski znacznie szybciej. Do uczenia maszynowego wybraliśmy TensorFlow.js ze względu na jego wysoką skalowalność i możliwość wykorzystania jego możliwości na różnych urządzeniach w razie potrzeby.

Uczenie maszynowe

Aby przyspieszyć i usprawnić analizę danych, wdrożyliśmy moduł algorytmów uczenia maszynowego. Definiuje on wzorce zmian parametrów pracy zakładów i ocenia ich efektywność. Algorytmy automatycznie otrzymują dane z systemu ERP i uczą się, które sposoby były najbardziej efektywne w osiąganiu wskaźników KPI ustalonych dla każdego zakładu, warsztatu, a nawet maszyny. Pozwala to modułowi znaleźć trendy i wzorce, które nie są tak łatwo widoczne, ale mogą być skutecznie wykorzystane w optymalizacji kosztów. Wybraliśmy TensorFlow.js ze względu na jego wysoką skalowalność i możliwość wykorzystania jego możliwości na różnych urządzeniach w przyszłości, jeśli zajdzie taka potrzeba.

Bezpieczeństwo

Moduł uczenia maszynowego działa w obrębie producenta i nie etykietuje ani nie przechowuje danych o żadnym oddziale, zakładzie, warsztacie lub maszynie. Algorytmy ML analizują jedynie dane statystyczne. Oznacza to, że moduł ten jest bezpieczny i nie może dostarczyć potencjalnemu intruzowi żadnych istotnych informacji na temat mocy produkcyjnych i produktów klienta.

Rozwój MVP

Po uzgodnieniu z klientem struktury podziału pracy, zabraliśmy się za tworzenie MVP.

Dostarczaliśmy moduł po module co dwa tygodnie, omawialiśmy zadania na Slacku i odbywaliśmy cotygodniowe wideokonferencje w Google Meets.

Każda faza rozwoju zakończyła się testami jednostkowymi i ręcznymi, dzięki czemu mogliśmy wykryć i naprawić nawet najmniejsze błędy na jak najwcześniejszym etapie, zapobiegając ich przekształceniu się w problemy.

Rozwój MVP

Po uzgodnieniu z klientem struktury podziału pracy, zabraliśmy się za tworzenie MVP.

Dostarczaliśmy moduł po module co dwa tygodnie, omawialiśmy zadania na Slacku i śledziliśmy je w Jira.

Zespół

Programiści backendu

Programiści Frontend

QA Inżynier

Analitycy biznesowi

Wyniki

Ponieważ system został od początku zaprojektowany tak, aby był jak najbardziej przyjazny dla użytkownika, przeszkolenie pracowników pracujących w nowym module zajęło zaledwie godzinę. Rezultaty stały się widoczne w ciągu tygodnia od wdrożenia: przygotowywanie raportów stało się 3 razy szybsze niż wcześniej, a użytkownicy zyskali więcej czasu na dokładniejszą analizę danych i symulację scenariuszy. Umożliwiło to analitykom opracowanie bardziej skalibrowanego zestawu wniosków i zaleceń dla każdej fabryki w krótszym czasie, zwiększając w ten sposób wartość biznesową i lojalność klientów.

Co więcej, nasz zespół zdołał utrzymać cały system ERP tak bezpieczny, jak przed wprowadzeniem modyfikacji, dzięki algorytmom uczenia maszynowego, które nie wchodzą w interakcje z żadnymi istotnymi danymi, analizując jedynie wzorce i trendy wynikające z określonych decyzji i działań.

Czas trwania projektu

4 miesiące na MVP;
9 miesięcy na cały projekt (w tym 2 miesiące testów akceptacyjnych).

Powiązane przypadki

Skontaktuj się z nami!

Zarezerwuj połączenie lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.

Nazwa

Firma

E-mail

Telefon

Wiadomość Prosimy o podanie szczegółów projektu, czasu trwania, stosu technologicznego, potrzebnych specjalistów IT i innych istotnych informacji.

Nagraj wiadomość głosową na temat
projekt, który pomoże nam lepiej go zrozumieć

W razie potrzeby dołącz dodatkowe dokumenty

Prześlij plik

Można załączyć maksymalnie 1 plik o łącznej wielkości 2 MB. Ważne pliki: pdf, jpg, jpeg, png

Informujemy, że po kliknięciu przycisku Wyślij Innowise będzie przetwarzać Twoje dane osobowe zgodnie z naszą Polityką prywatności w celu dostarczenia Ci odpowiednich informacji.

Co będzie dalej?

Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.

Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.

Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.

Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe możliwe.

System Business Intelligence dla zakładów

Klient

Wyzwanie

Rozwiązanie

Nasz zespół opracował od podstaw nową część dla istniejącej platformy ERP, która obejmuje strukturę produkcji, wzajemne powiązania między jej komponentami, kalkulację kosztów i symulację.

Aplikacja internetowa

Technologie i narzędzia

Proces

Zespół

Wyniki

Powiązane przypadki

Skontaktuj się z nami!

Co będzie dalej?

Let^●s develop
software together!

Złóż kolejną prośbę

Zamknij

System Business Intelligence dla zakładów

Klient

Wyzwanie

Rozwiązanie

Nasz zespół opracował od podstaw nową część dla istniejącej platformy ERP, która obejmuje strukturę produkcji, wzajemne powiązania między jej komponentami, kalkulację kosztów i symulację.

Aplikacja internetowa

Technologie i narzędzia

Proces

Zespół

Wyniki

Powiązane przypadki

Skontaktuj się z nami!

Co będzie dalej?

Let●s develop software together!

Subskrybuj do nasz newsletter

Złóż kolejną prośbę

Zamknij

Let^●s develop
software together!

Subskrybuj
do nasz newsletter