Digitale Transformation und maschinelles Lernen für Produktionsstätten
Agile Mikroanwendungen als Ergänzung zum zentralen ERP-System und ML-Algorithmen zur Steigerung der Produktionseffizienz.
Programm zur digitalen Transformation für einen globalen Chemiehersteller mit mehreren Werken in der Türkei: Mikro-SaaS-Anwendungen, die reale Probleme vor Ort lösen, und die Umwandlung brachliegender Produktionsdaten in vorausschauende Erkenntnisse mittels statistischer Analyse und maschinellem Lernen.
Das Programm beginnt mit Web- und Mobilanwendungen, die jeweils einen einzelnen Prozess optimal lösen (Inventur, Versand, Qualitätskontrolle, Instandhaltung), ohne die bestehenden schwerfälligen Systeme der Werke anzutasten. Parallel werden Produktions-, Qualitäts- und Energiedaten in einem einheitlichen Datenmodell zusammengeführt und Modelle für Bedarfsprognose, OEE-Analyse und Anomalieerkennung aufgebaut. Die Konformität mit den globalen Standards des Werks und dem bestehenden ERP-Ökosystem ist Voraussetzung für das Design.
Schwerpunkte
- Prozessverbesserung per Mikro-SaaS – ohne das ERP-System zu ersetzen
- ML-basierte Prognosen aus Produktionsdaten
- Architektur für den Betrieb an mehreren Standorten
- Entwicklungsprozess im Einklang mit globalen Standards
Technologie
- Python
- FastAPI
- Flutter
- scikit-learn
- PostgreSQL
Arbeiten Sie an einem ähnlichen Problem?
Nächstes Projekt
Simulator für Strahlungsanalysen →