Quality Management System
Projekt: czerwiec 2025 — październik 2025
Rola: Data Scientist / Software Engineer
Firma: Agroment "ZEHS" Lubań
Status: Produkcja
Opis projektu
W organizacjach przemysłowych dane jakościowe i techniczne są często rozproszone pomiędzy wieloma źródłami:
- raporty jakości w Excelu,
- dokumentacja techniczna w PDF,
- instrukcje procesowe w różnych lokalizacjach,
- historia działań korygujących w osobnych plikach.
W efekcie:
- znalezienie właściwego dokumentu zajmuje zbyt dużo czasu,
- dane są niespójne i trudne do porównania,
- brak jednego miejsca do analizy jakości i decyzji,
- wiedza organizacyjna jest silnie zależna od konkretnych osób.
Zaprojektowałem Quality Management System (QMS), którego głównym celem było stworzenie jednego, centralnego źródła prawdy dla danych jakościowych i wiedzy technicznej.
Rozwiązanie
System łączy:
- klasyczny QMS (raporty, działania, metryki),
- warstwę Knowledge Management,
- semantic search umożliwiający wyszukiwanie w języku naturalnym.
Całość została udostępniona jako aplikacja Streamlit pełniąca rolę operacyjnego dashboardu jakości.
Architektura
QMS został zaprojektowany jako system integrujący wiele źródeł danych:
- Data ingestion — import danych z plików PDF i Excel, normalizacja i standaryzacja
- Centralna baza danych — relacyjna baza jako single source of truth, ujednolicone modele danych jakościowych
- Warstwa wiedzy — ekstrakcja treści dokumentów, embeddingi i indeks semantyczny
- Warstwa aplikacyjna — Streamlit jako interfejs użytkownika, dashboardy, raporty, wyszukiwanie
Architektura została zaprojektowana z myślą o:
- integracji z systemami ERP / CRM,
- przyszłym rozszerzeniu o kolejne moduły AI.
Kluczowe funkcje
Inteligentne wyszukiwanie semantyczne
- wyszukiwanie rysunków, instrukcji i raportów
- zapytania w języku naturalnym
- brak potrzeby znajomości struktury folderów
Scentralizowane i ustandaryzowane dane
- wszystkie dane jakościowe w jednym miejscu
- spójne formaty i aktualne wersje dokumentów
- eliminacja duplikatów i nieaktualnych plików
Automatyczne raportowanie i analityka
- dashboardy jakościowe
- statusy działań korygujących
- szybki przegląd KPI jakości
Architektura gotowa na integrację
- przygotowanie pod integrację z ERP / CRM
- modularna struktura danych
- gotowość pod dalsze systemy AI
Co zrobiłem
- Przeanalizowałem istniejące źródła danych jakościowych
- Zaprojektowałem ujednolicony model danych
- Zaimplementowałem import i transformację danych z PDF i Excel
- Stworzyłem centralną bazę danych jako single source of truth
- Zbudowałem warstwę semantic search nad dokumentacją
- Opracowałem dashboard jakości w Streamlit
- Zautomatyzowałem raportowanie i monitoring działań
- Przygotowałem architekturę pod przyszłe integracje i AI
Umiejętności
- Python
- Streamlit
- PostgreSQL
- Pandas
- SQL
- PDF Processing
- Excel Processing
- Semantic Search
- Embeddings
- Machine Learning
- Computer Vision
- Docker
Rezultaty
- Redukcja czasu wyszukiwania dokumentów nawet o 70%
- Jedno, spójne źródło danych jakościowych
- Lepsza przejrzystość procesów i historii działań
- Szybsze podejmowanie decyzji jakościowych
- Usprawniona współpraca między:
- produkcją
- jakością
- zakupami
- Solidna baza pod dalszy rozwój systemów AI w organizacji