Hiperautomatyzacja

Hiperautomatyzacja (Hyper-Automation) to zbiór wielu technologii czy narzędzi automatyzujących wiele procesów biznesowych w firmach. Hiperautomatyzacja jest jednym z elementów strategii cyfrowej transformacji (Digital Transformation) i często jest wdrażana razem z innymi projektami transformacyjnymi.

W skład technologii, które można zaliczyć do pojęcia Hipeautomatyzacji mogą wchodzić:

  • RPA – Robotic Process Automation – automatyzacja procesów poprzez zastosowanie robotów, obecnie bardzo popularna technologia.
  • Chatboty, Voiceboty – narzędzia do automatycznej komunikacji z klientami używane już powszechnie w kontakcie z klientem przez stronę internetową i systemy Call Contact Center.
  • iBPMS – Intelligent Business Process Management Systems – inteligentne systemy do zarządzania procesami biznesowymi.
  • Process and Data Mining dla Big Data – narzędzia do eksploracji procesów biznesowych.
  • OCR – Optical Character Recognition – narzędzia do rozpoznawania tekstu, stosowane od dawna, ciągle potrzebne i wchodzące w kolejne obszary procesów biznesowych.
  • LowCode – systemy do budowania aplikacji bez konieczności kodowania lub z niewielką ilością kodu, które są przyszłością developmentu.
  • AI – Artificial Intelligence czyli narzędzia sztucznej inteligencji szukające szerokiego zastosowania w większości obszarów biznesowych firm.

Jeśli potrzebujesz doradztwa lub audytu procesów pod katem wykorzystania narzędzi Hiperautomatyzacji w przedsiębiorstwie to zapraszamy do kontaktu.

Zapraszamy do zapoznania się z ofertą Doradztwa Strategicznego IT i Strategii IT

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Architektura systemów pod Big Data

Duże ilości danych wymagają zaplanowania architektury pod kątem ich zbierania, przechowywania, ich analizy czy udostępniania do innych systemów. W tradycyjnym modelu dane są zbierane przez hurtownie danych z systemów np. ERP, CRM, eCommerce, WMS, itd. a analizowane w systemach klasy Business Inteligence.

Poniżej przykładowy flow od źródeł danych, poprzez ich zbieranie, transformację, przechowywanie i analizę.

Źródła danych dla Big Data

  • Aplikacje mobilne
  • Aplikacje dedykowane
  • Systemy ERP, WMS, CRM, POS, MES, MRP, APS, TMS, itd.
  • Systemy eCommerce jak sklepy internetowe, marketplace
  • Bazy OLTP
  • Bazy logów, eventów
  • API innych firm
  • itd.

Zbieranie i transformacja danych

  • Konektory
  • Zbieranie danych
  • Workflow Manager
  • Platforma Spark
  • Python Libs
  • Batch Query Engine
  • Event Streaming

Przechowywanie danych

  • Data lake
  • Data warehouse

Analiza danych, predictive, sztuczna inteligencja (AI – Artificial Intelligence), uczenie maszynowe (Machine Learning)

  • Data Science Platform
  • Biblioteki Machine Learning
  • Analityka czasu rzeczywistego

Rezultaty analizy danych

  • Dashboardy
  • Wbudowana analityka
  • Rozszerzona analityka
  • Aplikacje wbudowane, frameworki app

Powyższy schemat architektury pozwala na zbieranie danych biznesowych, wyciąganie danych z systemów operacyjnych, dostarczanie danych do magazynów danych wg. określonych schematów, transformację danych dla narzędzi analitycznych, przechowywanie danych aby mogły być one używane do analizy z uwzględnieniem kosztów przechowywania, czasów dostępów czy czasów dostarczenia danych, analizę danych poprzez systemy lub platformy do analizy, analizy historyczne i próby przewidywania przyszłości (predictive) aż do prezentacji wyników analizy danych dla wewnętrznych lub zewnętrznych użytkowników np. w systemach czy aplikacjach.

Jakie są najnowsze trendy w architekturze Big Data?

  1. Zmiana systemów On Prem na Cloud Data Warehouse
  2. Zmiana Hadoop na Data Lakes
  3. Zmiany ETP (Extract Transform Load) na ELT (Extract Load Transform)
  4. Zmiana Workflow Manager na Dataflow Automation

Zobacz także:

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów

Zastosowanie IoT w Przemyśle

Internet Rzeczy (IoT – Internet of Thing, IIoT – Industrial IoT) jest powszechnie używaną technologią zarówno w przemyśle, logistyce czy magazynach. Do czego możemy jej użyć w przemyśle?

Predictive Maintenance

Przewidywanie awarii maszyn na linii produkcyjnej lub ich remonty i konserwacja pozwalają za poprawę ciągłości produkcyjnej i minimalizację kosztów przestojów, remontów, itd. Rozwiązania IT dla Predictive Maintenance pozwalają zmniejszyć czas MTTR (Mean time to Repair) i są coraz bardziej poszukiwanymi rozwiązaniami. W tego typu rozwiązaniach stosuje się czujniki IoT, kamery, systemy jak system CMMS, systemy predykcyjne z algorytmami sztucznej inteligencji AI (Artificial Inteligence) czy uczenie maszynowe (Machine Learning).

Digital Twin – monitorowanie procesów

Cyfrowy bliźniak jest odzwierciedleniem fizycznej fabryki czy magazynu w świecie cyfrowym. Pozwala optymalizować i zarządzań wszystkimi procesami za pomocą oprogramowania. Pozwala także na przemyślane zmiany optymalizacyjne i rozwojowe. Digital twin wykorzystuje zarówno systemy teleinformatyczne jak i setki kamer i urządzeń IoT pozwalających śledzić obiekty czy raportować o produkcji i zdarzeniach.

Zarządzanie pojazdami i ludźmi w czasie rzeczywistym

Zarządzanie zasobami staje się jednym z podstawowych procesów w przedsiębiorstwie. Pozwala planować prace zarówno urządzeń jak i ludzi, nadzorować ich, oceniać, integrować z procesami biznesowymi, itd. Do zarządzania pojazdami wykorzystuje się kamery, czujniki IoT, technologię RFiD, systemy geolokacyjne oraz systemy zbierające dane, przetwarzające i pokazujące dane na kokpitach zarządczych (dashboardach).

Śledzenie przepływu i monitoring zużycia zasobów

Monitoring zużycia zasobów takich jak woda, komponenty, monitorowanie poziomu zapasów czy pomiar energii elektrycznej pozwala kontrolować koszty oraz optymalizować ich zużycie. Monitorować można zarówno przepływ materiałów pomiędzy obiektami czy procesami jak i także odpady czy opakowania zwrotne.

Traceability

Śledzenie partii za pomocą kamer czy czujników pozwala na dokładne zarządzanie produkcją i kontrolowanie powstawania produktu zarówno od produkcji jak i zakupu produktu przez klienta. Traceability jest standardem w wielu branżach np. automotive czy fmcg.

Jeśli potrzebujesz wsparcia w obszarach optymalizacji procesów produkcyjnych i logistyczno-magazynowych za pomocą technologii zapraszamy do kontaktu.

Zapraszamy do kontaktu:

pfederowicz@gotechnologies.pl

Ponad 200 zadowolonych klientów