PRODUKTION
UND LANDWIRTSCHAFT

Unsere zukunftsweisenden Technologien helfen unseren Kunden, Kundenaktivitäten zu erkennen und mit leistungsstarker Individualisierung darauf zu reagieren sowie Verbraucher mit effektivem, effizientem Supply-Chain-Management und Logistik zu bedienen

PRODUCTION UND LANDWIRTSCHAFT

Unsere zukunftsweisenden Technologien helfen unseren Kunden, Kundenaktivitäten zu erkennen und mit leistungsstarker Individualisierung darauf zu reagieren sowie Verbraucher mit effektivem, effizientem Supply-Chain-Management und Logistik zu bedienen

WAS WIR TUN

Supply Chain Management

Supply Chain Management

Control Tower Lösungen

Vorausschauende Bedarfsplanung

Dynamic Pricing Dienste

ML-gesteuerte autonome Versorgungsplanung

Bestandsoptimierung

IoT

Unsere Lösungen wandeln unbearbeitete Maschinendaten in aussagekräftige Erkenntnisse um, die eine umfassende Optimierung und Prozessverbesserung ermöglichen.

Zeitreihenvorhersage

Produktionsoptimierung

Vorausschauende Wartung

Computer Vision

Big Data-Analyse

WHAT WE DO

Supply Chain Management

Supply Chain Management

Control Tower Lösungen

Vorausschauende Bedarfsplanung

Dynamic Pricing Dienste

ML-gesteuerte autonome Versorgungsplanung

Bestandsoptimierung

IoT

Unsere Lösungen wandeln unbearbeitete Maschinendaten in aussagekräftige Erkenntnisse um, die eine umfassende Optimierung und Prozessverbesserung ermöglichen.

Zeitreihenvorhersage

Produktionsoptimierung

Vorausschauende Wartung

Computer Vision

Big Data-Analyse

Fallstudien

MODELL ZUR VORHERSAGE DES GETREIDEERTRAGS

Kunde

Ein großer Hersteller von Pflanzenschutzmitteln

Aufgabenstellung
Entwicklung einer Methode zur Modellierung von Szenarien für die Vorhersage der Bruttoerträge von Frühjahrs- und Winterweizen unter Berücksichtigung der Abhängigkeit von Wetterbedingungen

Ergebnisse

Entwicklung einer Reihe von Modellen auf der Grundlage von Zeitreihen für Weizenbruttoerträge, die in drei Komponenten unterteilt sind: Prognose der Anbaufläche, Ertragstrend und Ertragsabweichungen vom Trend.

Für die Vorhersage der Anbaufläche wurde das Holt-Winters-Modell verwendet, die Vorhersage des Ertragstrends wurde mit Hilfe einer linearen Regression aus der Zeit geschätzt, die Abweichungen vom Trend wurden mit dem LightGBM-Algorithmus hochgerechnet. Die Vorhersagegenauigkeit liegt für alle Regionen bei über 80 %. Entwicklung eines Cloud-Dienstes für die Szenario-Modellierung auf Basis der erstellten ML-Modelle.

ENTWICKLUNG UND WARTUNG DES ENTERPRISE SERVICE BUS

Kunde

Große Chemieholding, einer der weltweit größten Hersteller von phosphorhaltigen Pflanzendüngern

Aufgabenstellung

Entwicklung und Wartung des Enterprise Service Bus

Ergebnisse

Erfolgreiche Entwicklung und Wartung von mehr als 100 ESB-Diensten, die 20 verschiedene IT-Systeme (ERP, DWH, TMS, CRM usw.) verbinden. Erreichte eine stabile Verfügbarkeit von 99,95 % und eine ESB-Leistung von über 120 Nachrichten pro Sekunde. Keine SLA-Verletzungen und vollständige Einhaltung der RPO- und RTO-Zielvorgaben.

Geschäftswert
Senkung der Kosten für Integration, Wartung und technischen Support von Informationssystemen aufgrund eines einzigartigen Integrationsansatzes.

Erhöhte Transparenz in den Prozessen des Informationsaustauschs zwischen IT-Systemen:

• Verbesserte Sicherheit und Kontrolle der Datenübertragung
• Geringere Kosten für die Implementierung neuer Integrationsflüsse

Tech Stack
Red Hat JBoss Enterprise Application Platform

IOT FÜR BETRUGSMANAGEMENT IN DER LANDWIRTSCHAFT

Kunde

Große Agrarholding mit über 1,5 Mio. Hektar eigenem Land, einer der Marktführer in der Zucker-, Schweinefleisch-, Getreide-, Öl- und Fetterzeugung

Aufgabenstellung

Konzeption und Entwicklung einer Echtzeit-Datenanalyseplattform zur Erkennung von Betrug und Anomalien bei den Erntevorgängen. Die spezifischen Algorithmen werden auf die Datenströme von Trackern, die an landwirtschaftlichen Maschinen installiert sind, sowie auf die Daten von Kontrollsystemen für Ernteprozesse und ERP angewendet. Das Ergebnis ist, dass die Plattform abnormales Verhalten identifiziert und eine Warnung mit allen erforderlichen Daten sendet.

Ergebnisse

Der Kunde erhält die Möglichkeit, in Echtzeit auf einen umfassenden Satz von Betriebsdaten zuzugreifen und verschiedene ML-Modelle und Algorithmen anzuwenden, um betrügerische Aktivitäten und Abweichungen vom Standardverfahren zu erkennen.

Geschäftswert
Geringere Verluste aufgrund von Betrug und verbesserte Produktivität

Tech Stack
Apache Hadoop, Apache Spark (Streaming, MLlib), Apache HBase, Apache Zeppelin, Apache Kafka, Akka

Fallstudien

MODELL ZUR VORHERSAGE DES GETREIDEERTRAGS

Kunde

Ein großer Hersteller von Pflanzenschutzmitteln

Aufgabenstellung
Entwicklung einer Methode zur Modellierung von Szenarien für die Vorhersage der Bruttoerträge von Frühjahrs- und Winterweizen unter Berücksichtigung der Abhängigkeit von Wetterbedingungen

Ergebnisse

Entwicklung einer Reihe von Modellen auf der Grundlage von Zeitreihen für Weizenbruttoerträge, die in drei Komponenten unterteilt sind: Prognose der Anbaufläche, Ertragstrend und Ertragsabweichungen vom Trend.

Für die Vorhersage der Anbaufläche wurde das Holt-Winters-Modell verwendet, die Vorhersage des Ertragstrends wurde mit Hilfe einer linearen Regression aus der Zeit geschätzt, die Abweichungen vom Trend wurden mit dem LightGBM-Algorithmus hochgerechnet. Die Vorhersagegenauigkeit liegt für alle Regionen bei über 80 %. Entwicklung eines Cloud-Dienstes für die Szenario-Modellierung auf Basis der erstellten ML-Modelle.

ENTWICKLUNG UND WARTUNG DES ENTERPRISE SERVICE BUS

Kunde

Große Chemieholding, einer der weltweit größten Hersteller von phosphorhaltigen Pflanzendüngern

Aufgabenstellung

Entwicklung und Wartung des Enterprise Service Bus

Ergebnisse

Erfolgreiche Entwicklung und Wartung von mehr als 100 ESB-Diensten, die 20 verschiedene IT-Systeme (ERP, DWH, TMS, CRM usw.) verbinden. Erreichte eine stabile Verfügbarkeit von 99,95 % und eine ESB-Leistung von über 120 Nachrichten pro Sekunde. Keine SLA-Verletzungen und vollständige Einhaltung der RPO- und RTO-Zielvorgaben.

Geschäftswert
Senkung der Kosten für Integration, Wartung und technischen Support von Informationssystemen aufgrund eines einzigartigen Integrationsansatzes.

Erhöhte Transparenz in den Prozessen des Informationsaustauschs zwischen IT-Systemen:

• Verbesserte Sicherheit und Kontrolle der Datenübertragung
• Geringere Kosten für die Implementierung neuer Integrationsflüsse

Tech Stack
Red Hat JBoss Enterprise Application Platform

IOT FÜR BETRUGSMANAGEMENT IN DER LANDWIRTSCHAFT

Kunde

Große Agrarholding mit über 1,5 Mio. Hektar eigenem Land, einer der Marktführer in der Zucker-, Schweinefleisch-, Getreide-, Öl- und Fetterzeugung

Aufgabenstellung

Konzeption und Entwicklung einer Echtzeit-Datenanalyseplattform zur Erkennung von Betrug und Anomalien bei den Erntevorgängen. Die spezifischen Algorithmen werden auf die Datenströme von Trackern, die an landwirtschaftlichen Maschinen installiert sind, sowie auf die Daten von Kontrollsystemen für Ernteprozesse und ERP angewendet. Das Ergebnis ist, dass die Plattform abnormales Verhalten identifiziert und eine Warnung mit allen erforderlichen Daten sendet.

Ergebnisse

Der Kunde erhält die Möglichkeit, in Echtzeit auf einen umfassenden Satz von Betriebsdaten zuzugreifen und verschiedene ML-Modelle und Algorithmen anzuwenden, um betrügerische Aktivitäten und Abweichungen vom Standardverfahren zu erkennen.

Geschäftswert
Geringere Verluste aufgrund von Betrug und verbesserte Produktivität

Tech Stack
Apache Hadoop, Apache Spark (Streaming, MLlib), Apache HBase, Apache Zeppelin, Apache Kafka, Akka

Kontaktieren Sie uns

BRANCHEN

IM TREND

Unternehmen

Über ENFINT

PRODUKTIONUND LANDWIRTSCHAFT

PRODUKTION
UND LANDWIRTSCHAFT