עלויות מלאי חומרי גלם כבדות המכבידות על החברה והצורך באופטימיזציה של שרשרת האספקה ומערך קבלני המשנה, ללא הסתכנות בחוסרים בקווי הייצור.
הפתרון הכללי והטכנולוגי
פיתוח מערכת מחקר וחיזוי מבוססת אלגוריתמים של Machine Learning הלומדת את היסטוריית הפרויקטים והמק"טים. המערכת יצרה "משפחות מק"טים" בעלי דפוס התנהגות דומה לאורך זמן, פיתחה פרופילים תיאוריים להבנת גורמי הצטברות המלאי, ומימשה מודלים לחיזוי הצריכה ל-6 החודשים הבאים.
האימפקט העסקי
הקמת מודל תומך החלטה ומערכת המלצות חכמה לרכש, המנתחת כל בקשת רכש וממליצה אם לאשר, לדחות או להקדים אותה בהתאם למדדי סיכון מלאי דינמיים.
חברת SGTech (Sustainable Green Technologies)
האתגר
ניהול פרויקט מו"פ ביו-טכנולוגי מורכב להפקת אנרגיה ירוקה מפסולת בעלי חיים, כאשר נתוני המדענים מבוזרים באקסלים מפוזרים ונתוני הסנסורים וה-IoT מהשטח נשמרים זמנית אצל ספקי צד ג'.
הפתרון הכללי והטכנולוגי
הקמת פתרון דאטה מקצה לקצה: פיתוח תהליכי ETL אוטומטיים לשאיבה, איחוד וטיוב הנתונים לתוך מחסן נתונים מרכזי (SGTech DWH). על גבי התשתית פותחה מערכת חישוב למדדי איכות (ביולוגיים והנדסיים), מערכת התראות בזמן אמת על ירידת ביצועים, ופיתוח מודלים של Machine Learning להבנת קשרים כימיים ואופטימיזציה (Setup) של המתקנים.
האימפקט העסקי
הנגשת המידע ההנדסי והעסקי בפורטל ידידותי אחד, מעבר לקבלת החלטות מבוססת נתונים אמינים, וייעול משמעותי של תהליכי הפקת האנרגיה הירוקה.
נמל אשדוד – אגף התפעול
האתגר
ניהול אופטימלי של משאבים יקרים (מנופים, גוררים, כוח אדם) ושטחי אחסון בשער הכניסה והיציאה הגדול בישראל, תחת עומסי פריקה וטעינה של אוניות.
הפתרון הכללי והטכנולוגי
פיתוח מערכת ניבוי מתקדמת מבוססת Machine Learning המנתחת נתונים תפעוליים היסטוריים ועדכניים. המערכת מספקת יכולת חיזוי ברזולוציה של יום ומשמרת עבור: מועדי פינוי מכולות ייבוא על ידי יבואנים, מועדי הגעת מכולות יצוא, תנועת מכולות ריקות, ונפחי אחסון כוללים ביממה הקרובה.
האימפקט העסקי
ניהול חכם ותכנון אופטימלי מראש של שטחי האחסון והקצאת המשאבים בנמל, שיפור רמת השירות לחברות הספנות והשילוח, וביצוע חקר ביצועים לשיפור מתמיד של נוהלי העבודה.
משרד הכלכלה והתעשייה – תשתית ה-DWH (הרחבה טכנולוגית)
הטכנולוגיה והיקף הפרויקט
פרויקט ה-BI חוצה הארגון של המשרד נשען על מחסן נתונים (DWH) ו-Data Lake עצום שנבנה במשך שנה וחצי. התשתית כוללת מעל 600 טבלאות בשכבות ה-MRR ו-ה-STG, מעל 202 טבלאות ב-DWH בסביבת הייצור (Prod), ונפח דאטה של מעל 150 GB והיד נטויה.
הכלים שנבחרו לאתר
כדי להציג את העושר הטכנולוגי של החברה, הפרויקט פותח באמצעות הסטאק המתקדם ביותר: Python, JavaScript, Angular, Microsoft Power BI, SSIS, SQL Server, Tabular, OLAP Multidimensional, וספריות הדאטה המובילות Pandas, Matplotlib ו-Scikit-Learn.
