جزئیات پروژه

چرایی نیاز: (در این قسمت می بایست عللی که منجر به بروز این مسئله و نیز احساس نیاز متقاضی برای دریافت این فناوری خاص شده است بیان شود ) 

۱. عدم شفافیت در زنجیره تامین: در وضعیت فعلی، اطلاعات مربوط به وزن لاشه‌های ورودی، وزن قطعات خروجی و ضایعات به صورت دستی یا در اکسل‌های پراکنده ثبت می‌شود. این امر باعث می‌شود مدیران نتوانند به موقع متوجه افت غیرعادی لاشه (که هزینه‌های میلیاردی دارد) بشوند.

۲. تأمین‌کنندگان غیربهینه: نبود یک سیستم نمره‌دهی خودکار به تامین‌کنندگان باعث می‌شود واحد صنعتی نتواند به راحتی تامین‌کنندگانی که لاشه‌های با چربی/استخوان بالا (افت زیاد) ارائه می‌دهند را شناسایی و حذف کند.

۳. تصمیم‌گیری مبتنی بر داده (Data-Driven): جهت کاهش هزینه‌های انبارداری، جلوگیری از فساد گوشت‌های ماندگار در انبار و برنامه‌ریزی دقیق تولید، داشبوردی لازم است که اطلاعات را به صورت گرافیکی و آنی در اختیار مدیریت قرار دهد.

 پیشینه مسئله و مفاهیم علمی مرتبط با مسئله: ( در این قسمت در رابطه با مفاهیم و تئوری هایی که حول این نیاز وجود دارد، توضیحاتی داده شود.) 

۱. هوش تجاری (BI) و فرآیند ETL: جهت ایجاد این داشبورد از معماری داده‌کاوی (Data Warehouse) و فرآیند استخراج، تبدیل و بارگذاری (ETL) استفاده می‌شود تا داده‌های پراکنده (دستگاه توزین، سیستم حسابداری، پرسنل ورودی کالا) در یک پایگاه داده متمرکز شده و به زبان مشترک تبدیل شوند.

۲. محاسبه نرخ عملکرد (Yield) و افت: فرمول علمی محاسبه بازده در این صنعت به صورت (وزن قطعات خالص تولیدی ÷ وزن اولیه لاشه) × ۱۰۰ تعریف می‌شود. اختلاف این عدد با ۱۰۰، دقیقاً نشان‌دهنده «افت لاشه» (شامل چربی اضافی، استخوان و تبخیر رطوبت) است.

۳. مدل کارت امتیازی تامین‌کنندگان (Supplier Scorecard): این داشبورد باید بر اساس مدل‌های وزن‌دهی چندمعیاره (MCDM)، به هر تامین‌کننده بر اساس معیارهایی مانند میانگین بازده لاشه، درصد افت و سرعت تامین، امتیاز دهد

مهندسی کامپیوتر و فناوری اطلاعات: طراحی معماری دیتابیس، پیاده‌سازی API برای اتصال به دستگاه‌های خط تولید و نرم‌افزار انبار، و برنامه‌نویسی فرانت‌اند (Front-end) و داشبورد.

· مدیریت زنجیره تامین و صنایع: طراحی شاخص‌های کلیدی عملکرد (KPIs)، نحوه برآورد هزینه‌های افت لاشه و تعیین معیارهای ارزیابی تامین‌کنندگان.

· الکترونیک و اتوماسیون: ایجاد بسترهای انتقال داده از لودسل‌های توزین، بارکدخوان‌ها و سیستم‌های ورود/خروج انبار به سرور مرکزی.

· واحدهای لجستیک و انبارهای سرد صنعتی جهت کنترل موجودی.

· واحد خرید و تامین مواد اولیه جهت ممیزی تامین‌کنندگان لاشه.

· سیستم مدیریت کیفیت (QMS) جهت رصد افت و ضایعات تولید.

· خروجی‌ها (داشبوردها و گزارشات):

۱. داشبورد انبار: نمودار موجودی لحظه‌ای به تفکیک نوع قطعه (گوسفندی/گاوی)، هشدار اتمام موجودی، و نمودار چرخش کالا.

۲. داشبورد افت و تفکیک: گزارش روزانه/هفتگی/ماهانه درصد بازدهی (Yield) و نرخ افت لاشه با قابلیت اعمال فیلتر برای دوره‌های زمانی مختلف.

۳. داشبورد تامین‌کنندگان: کارنامه مقایسه‌ای عملکرد تامین‌کنندگان بر اساس شاخص میانگین افت، کیفیت لاشه و پایبندی به زمان تحویل (به صورت نمودار میله‌ای و رتبه‌بندی).

کاهش هزینه‌های خرید و تامین: با شناسایی تامین‌کنندگان با افت بالا و جایگزینی آن‌ها، به‌راحتی می‌توان سالانه ده‌ها میلیارد تومان صرفه‌جویی کرد (فقط کاهش ۱٪ از افت لاشه در حجم بالای تولید، صرفه‌جویی عظیمی به همراه دارد).

· کاهش هزینه‌های انبارداری (Cost of Carry): با رصد موجودی‌های راکد یا در آستانه انقضا (Dead Stock) و برنامه‌ریزی برای فروش آن‌ها، از فساد و ضررهای میلیاردی جلوگیری می‌شود.

· شفافیت و بهره‌وری مدیریت: کاهش زمان تحلیل داده‌های پراکنده توسط مدیران از چند روز به چند دقیقه، باعث افزایش سرعت تصمیم‌گیری استراتژیک می‌شود.

· فاز ۲ (توسعه هسته نرم‌افزاری و اتصال پایگاه داده/API): 3هفته

· فاز ۳ (توسعه داشبوردها و تست یکپارچگی با خط): 2 هفته

· کل زمان‌بندی پیش‌بینی شده: حدود 1 تا 3 ماه

۱. ارائه طراحی معماری نرم‌افزاری (Data Flow Diagram) که نحوه جمع‌آوری داده از لودسل‌ها و انبار را نشان دهد.

۲. ارائه نمونه اولیه (Prototype) از چیدمان داشبوردهای سه‌گانه (انبار، تولید/افت، تامین‌کنندگان).

۳. تضمین امنیت سایبری و تعیین سطح دسترسی کاربران بر اساس نقش (مدیر، اپراتور، انباردار).

۴. ارائه راهکار برای بازیابی اطلاعات در صورت قطعی سرور یا شبکه (سیستم Fail-safe).

۱۰- الزامات فنی، گارانتی و پس از فروش :

· قابلیت شخصی‌سازی (Customization): مدیریت باید بتواند فیلترهای مورد نظر خود (مثلاً تاریخ خاص، نوع تامین‌کننده خاص) را در داشبورد اعمال کرده و گزارشات را خروجی اکسل/PDF بگیرد.

· قابلیت اتصال به سخت‌افزار (اتصالات IoT): نرم‌افزار بایستی امکان اتصال مستقیم (از طریق پروتکل‌های Modbus یا OPC UA) به ترازوی خط تولید و حسگرهای درب انبار را داشته باشد تا نیاز به ورود دستی اطلاعات توسط اپراتور به صفر برسد.

· پشتیبانی ۲۴/۷: ارائه حداقل ۲ سال پشتیبانی نرم‌افزاری و رفع باگ.

علاوه بر موارد فوق که رکن اصلی این داشبورد هستند، پیشنهاد می‌شود ۴ ماژول کم‌هزینه و بسیار اثربخش زیر نیز در نسخه اولیه یا فاز دوم پیاده‌سازی شوند:

۱. عملکرد اپراتورهای قطعه‌بندی (KPI پرسنل): به هر اپراتور کد شناسه اختصاص داده شود و داشبورد نشان دهد کدام اپراتور بیشترین بازده (Yield) و کمترین افت گوشت را داشته است (موثر در تشویق و افزایش بهره‌وری پرسنل).

۲. سن یابی موجودی (Inventory Ageing): داشبورد گوشت‌هایی که بیش از مثلاً ۴۵ روز در انبار سرد مانده‌اند را به صورت قرمز (هشدار) نشان دهد تا از سوختن و فساد جلوگیری شود.

۳. نمودار مصرف برق/انرژی به ازای هر کیلوگرم محصول: در صنعت گوشت، نگهداری در سردخانه بسیار پرهزینه است. داشبورد بتواند مصرف انرژی را با میزان تولید مقایسه کند.

۴. هشدار شکاف تولید (Production Gap): اگر میزان گوشت قطعه‌بندی شده در خط با میزان کارتن‌های شرینگ‌شده خروجی اختلاف غیرعادی داشته باشد، هشدار دهد (که نشان‌دهنده گم شدن یا خطا در بسته‌بندی است).