En 99-procentig minskning av fel i algdata efter LIMS-anpassning

Innowise har anpassat ett befintligt webbaserat LIMS-system (Laboratory Information Management System), LabCollector, för att effektivt övervaka tillväxt och härstamning av alger som används i djurfoderproduktion.

Kund

Industri

Läkemedel

Region

USA

Kund sedan

2023

Vår kund är ett företag som specialiserar sig på att producera algbaserat djurfoder. Detaljerad information om kunden kan inte lämnas ut enligt villkoren i sekretessavtalet.

Utmaning

Behov av att effektivt hantera och analysera data från flera källor

Vår kund använde en Excel-fil med separata flikar för varje algprov för att övervaka celldensitet och nitratkoncentration (NO3 mM) över tid. Nyckelformler för tillväxt och näringsförbrukning användes för att bedöma algernas replikering och näringsupptag efter manipulering.

Primär smärtpunkt: Hantering av laboratoriedata är en utmaning på grund av den stora mängden data som genereras, de komplexa experimentella procedurerna och behovet av strikt organisation, säkerhet och tillgänglighet.

Sekundära utmaningar: Avsaknaden av en metod för att spåra algernas rörelser mellan kärl av olika storlek hindrar vår kunds förmåga att rekonstruera släktskapet vid kontaminering eller förstörelse av odlingen. För att säkerställa att kritiska data som celldensitet och nitratkoncentration registreras korrekt och är lättillgängliga övervägde de ett LIMS-system (Laboratory Information Management System), men det visade sig vara för dyrt och inte helt anpassat till deras specifika processer.

Inför dessa utmaningar sökte vår kund en prisvärd lösning som skulle förbättra spårbarheten och effektivisera hanteringen av kontaminering eller destruktion av kulturer.

Lösning

Implementering och anpassning av färdiga LIMS

Innowise har insett behovet av en specialiserad lösning för informationshantering och har därför tagit tillfället i akt att implementera och anpassa ett färdigt system. Detta tillvägagångssätt valdes för att spara pengar åt kunden, eftersom plattformsbaserade lösningar är mer prisvärda jämfört med att utveckla ett anpassat LIMS från grunden.

Excel-liknande dataintegration och automatisering av beräkningar

Vi har integrerat LabCollector och ställt in provmodulen så att den speglar de kolumner som används i de tidigare Excel-arken. LabCollector stöder inte exakt samma flexibilitet som Excel-formler, men vi har hittat en lösning. Vår lösning gör det möjligt att göra omräkningar och databasuppdateringar direkt, i linje med Excel-liknande beräkningar. Denna anpassning förenklar inmatning och hantering av data genom att upprätthålla konsekvens med befintliga format. Den automatiserar beräkningar inom LabCollector, vilket ökar effektiviteten och minimerar manuella datauppgifter.

Funktion för spårning av släktled

Vi har konfigurerat funktionen för spårning av släktskap i LabCollectors provmodul. Denna funktion gör det möjligt att skapa riktade grafer för att visualisera och spåra algprovernas härkomst över olika kärl eller experimentella stadier. Det gör det lättare att identifiera provernas ursprung och förflyttningsvägar, vilket är avgörande för att hantera och felsöka kontaminering eller förstörelse av odlingar.

Lagerhantering och batchuppdateringar

Vårt team har slagit samman den anpassade provtagningsmodulen med inventeringsmodulen för att spåra enskilda fartyg och möjliggöra inventeringshantering. För att effektivt kunna hantera enhetliga näringstillskott på flera fartyg har vi implementerat batchuppdateringsfunktionalitet i provtagningsmodulen. Det minskar den manuella arbetsbelastningen och minimerar fel i samband med individuell datainmatning, vilket förbättrar driftseffektiviteten vid underhåll av algkulturer.

Datamigrering och auktorisering

För att bevara värdefulla tidigare data och säkerställa kontinuitet har vi migrerat historiska data till det nya systemet. Med hänsyn till strikta organisationsstandarder har vi etablerat ett robust auktoriserings- och behörighetssystem för att kontrollera åtkomsten på ett säkert sätt. Slutligen har vårt team implementerat lösningen i kundens infrastruktur (IWS) för att den ska kunna integreras sömlöst med den befintliga verksamheten. Detta tillvägagångssätt har inte bara upprätthållit en omfattande historisk referens utan också garanterat säker åtkomstkontroll.

Teknik

Back-end

PHP, MySQL

DevOps/Cloud

AWS, Docker

Miljö

Visual Studio Code

System för hantering av laboratorieinformation (LIMS)

Lab Collector

Process

I vår projektprocess valde vi en metodik som bygger på SCRUM Scrum-ramverket för att dela upp processen i hanterbara sprintar, vilket möjliggör kontinuerlig återkoppling och förbättringar. Vårt team använde Google Meet för effektiv interaktion i realtid mellan teammedlemmar och intressenter och för att hålla alla uppdaterade om projektets framsteg. Vi använde JIRA som vårt backlog-hanteringssystem för att spåra sprintar, backloggar och frågor, vilket säkerställde hög organisation och transparens i projektflödet.

Dessutom gick vår affärsanalytiker igenom alla kundens processer för att förstå hur allt var organiserat och identifiera det bästa sättet att integrera dessa processer i den nya lösningen. Tack vare detta engagerade arbetssätt kunde vårt team genomföra ett projekt som var anpassat efter kundens behov och säkerställa en smidig och effektiv övergång till det nya systemet.

Team

Affärsanalytiker

PHP-utvecklare

Analytiker inom databasutveckling

Specialist på plattformsanpassning

QA-specialist

Projektsamordnare

DevOps-ingenjör

Resultat

En 99-procentig minskning av fel i algdata efter LIMS-anpassning

Vi strävade efter att optimera tillväxten och hälsan hos algkulturer genom att spåra och justera näringsämnen och förhållanden. Med detta mål som ledstjärna har vårt team implementerat LIMS, vilket möjliggör sömlös spårning av alger och lagerhantering, samtidigt som vi levererar en kostnadseffektiv lösning till vår kund.

Effekten är tydlig i flera viktiga resultatmått:

Ökad teamprestanda: Tidigare var det svårt att hantera och uppdatera data som lagrades i Excel-filer på SharePoint, särskilt när det gällde samtidiga uppdateringar och versionskontroll. Centraliserad lagring och automatiserade synkroniseringsmekanismer säkerställer att alla teammedlemmar arbetar med de mest aktuella och korrekta uppgifterna, vilket eliminerar behovet av manuell konsolidering och minskar risken för datadiskrepanser.
Förbättrad datavisualisering: Ett betydande framsteg har varit införandet av lineage-visualisering, en funktion som helt saknas i Excel. Lineage visualization hjälper till att enkelt rekonstruera uppstigningsvägen (genealogin) för varje alg, vilket ger insikter om optimala tillväxtförhållanden och strategier för näringshantering.
Effektiviserat beslutsfattande: För styrelsen innebär den förbättrade insynen omfattande analyser av algmätvärden, vilket är avgörande för välgrundade beslut och strategisk planering för att optimera algbaserad djurfoderproduktion. Detta strömlinjeformade tillvägagångssätt driver innovation och hållbarhet när det gäller att utnyttja alger för avancerade foderformuleringar.

Innowises strategiska användning av ett anpassat, färdigt informationshanteringssystem uppfyllde inte bara kundens specialiserade behov utan minskade också kostnaderna jämfört med att utveckla en anpassad lösning från grunden. Detta tillvägagångssätt har underlättat strömlinjeformad datahantering och förbättrade insikter om näringsutnyttjande mellan olika algstammar, vilket är avgörande för att optimera förhållandena vid produktion av djurfoder.

Projektets löptid

December 2023 - februari 2024

20%

ökad teamprestanda

99%

minskning av fel i algdata

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Namn

Företag

E-post

Telefon

Meddelande Vänligen inkludera projektinformation, varaktighet, teknologistack, IT-proffs som behövs och annan relevant information

Spela in ett röstmeddelande om ditt projekt för att hjälpa oss att förstå det bättre

Bifoga ytterligare dokument vid behov

Ladda upp filen

Du kan bifoga upp till 1 fil på totalt 2 MB. Giltiga filer: pdf, jpg, jpeg, png

Observera att när du klickar på knappen Skicka kommer Innowise att behandla dina personuppgifter i enlighet med vår Integritetspolicy för att ge dig lämplig information.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad uppskattningar.

Vi ordnar ett möte med dig för att diskutera erbjudandet och komma överens.

Vi skriver på ett kontrakt och börjar arbeta med ditt projekt så snabbt som möjligt.

En 99-procentig minskning av fel i algdata efter LIMS-anpassning

Kund

Utmaning

Behov av att effektivt hantera och analysera data från flera källor

Lösning

Implementering och anpassning av färdiga LIMS