De Cadulis-softwaretechnologie ten dienste van uw teams

Cadulis maakt gebruik van tal van geavanceerde technologieën.
Hieronder vindt u enkele informatie over bepaalde technologieën, zodat u een beter beeld krijgt.

Schaalbaarheid

Vindt u dat Cadulis uitstekend werkt? Wij ook :) Maar dankzij deze toporganisatie groeit uw bedrijf en vraagt u zich af of Cadulis even responsief zal blijven?
Wees gerust, onze architectuur is schaalbaar, dat wil zeggen dat de serverresources zich aanpassen aan de vraag. We hebben tests uitgevoerd waarbij we tot 10.000 interventies tegelijk injecteerden.

Een groeiend bedrijf vereist echter een specifieke organisatie om activiteiten en teams te scheiden. Ook hiervoor biedt Cadulis de juiste tools.

Prestaties

Responsiviteit is een van de belangrijkste eisen van onze klanten. Niemand wil zelfs maar tien seconden wachten op het laden van een pagina. Hier zijn de oplossingen die we hebben geïmplementeerd om onze applicatie volledig soepel en “frictionless” te maken:

• Een automatisch schaalbaar systeem. Met een Kubernetes-hosting past de Cadulis-infrastructuur haar eigen resources aan de behoeften van de gebruikers aan. Tijdens rustige periodes (vakanties, specifieke momenten van de dag/nacht) dalen de hostingkosten. Zo kunnen wij u het beste tarief op de markt aanbieden.
• De meeste processen zijn asynchroon en tolerant voor “storingen” gemaakt. Bijvoorbeeld: het automatisch verzenden van een e-mail na het afsluiten van een interventie kan enkele minuten na het afsluiten worden uitgevoerd als het systeem druk is. In geval van een fout probeert Cadulis het verzenden later opnieuw. Zo kunt u uw activiteiten voortzetten zonder hinderlijke vertragingen. In dit kader hebben we, in overleg met onze klanten, bepaalde processen als minder prioritair kunnen definiëren.
• Efficiënte reken-trechters. Stel u het aantal berekeningen voor dat nodig is om het beste tijdslot voor uw interventie te bepalen: alle tijdsloten van al uw technici moeten worden geraadpleegd, de afstanden en reistijden tussen alle interventies berekend, en alle rendabiliteiten geëvalueerd! Toch identificeert het tijdslotvoorstel in enkele seconden de meest rendabele medewerkers en tijdsloten. Hiervoor gebruiken we twee trucs: de geëxtrapoleerde berekening van de reistijd (zie het artikel over machine learning) en een trechter die snel veldmedewerkers uitsluit die te ver weg zijn, niet over de juiste vaardigheden beschikken of wiens planning al vol is.
• Caching. Onze gebruikers (activiteitsleiders of veldmedewerkers) bezoeken vaak meerdere keren dezelfde pagina. In die gevallen wordt de pagina in de cache opgeslagen, zodat het systeem niet telkens opnieuw de reistijd, afstand, rendabiliteit, enz. hoeft te berekenen. Een deel van dit cachesysteem maakt het zelfs mogelijk Cadulis zonder netwerkverbinding te gebruiken (zie het artikel over offline gebruik).

Machine learning

Machine learning heeft ons geholpen een veelvoorkomend probleem op te lossen: hoe een eenvoudige berekening uitvoeren en toch nauwkeurig blijven. De betreffende berekening is het bepalen van de reistijd op basis van de GPS-coördinaten van twee punten.

GPS-coördinaten geven ons de afstand “hemelsbreed”; rekening houdend met de kromming van de aarde is deze berekening nauwkeurig en extreem snel. Maar hoe bepaalt u vanaf daar de werkelijke of zelfs geschatte reistijd, zonder een extern kaartensysteem te gebruiken dat veel kostbare seconden in beslag neemt? Deze oproepen, die 0,2 seconden duren, vormen het grootste deel van de rekentijd.

Waarvan hangt de reistijd af? Voornamelijk van de dichtheid van wegeninfrastructuur zoals snelwegen en hoofdwegen nabij het vertrekpunt van de medewerker. Hier komt onze machine learning in beeld: om van de hemelsbrede afstand naar de reistijd te gaan, gebruiken we een correctiefactor die voor elke medewerker aanvankelijk een lage waarde heeft.

Met deze waarde passeren maximaal veel medewerkers de filterstappen van het tijdslotvoorstel en zijn de responstijden bij de eerste oproepen (vaak tijdens tests) nog niet volledig geoptimaliseerd.

Elke keer dat er daadwerkelijk een oproep naar een extern kaartensysteem wordt gedaan voor deze medewerker, wordt de factor aangepast op basis van de werkelijke verkeersgegevens.

Na enkele oproepen heeft elke medewerker een realistische factor en houden de filters van het tijdslotvoorstel alleen de meest relevante medewerkers over voor verdere oproepen.

Machine learning beschrijft een systeem dat steeds efficiënter wordt naarmate het meer wordt gebruikt. Dat is hier inderdaad het geval.

Blockchain

Met cryptovaluta en Bitcoin is blockchain een van de buzzwords geworden. Maar buiten de financiële sector kan deze technologie daadwerkelijk oplossingen bieden voor problemen die we dagelijks tegenkomen.

Bijvoorbeeld in onze applicatie voor planning en optimalisatie van interventies, Cadulis, is blockchain een optie om de digitalisering van documenten te beveiligen.
Hier is een concreet geval:
Stel u voor dat een technicus glasvezel komt installeren in uw appartement. Aan het einde van de interventie ondertekent u een (papieren) document om te bevestigen dat de interventie heeft plaatsgevonden. Deze handtekening is niet bindend voor de goede werking of correcte uitvoering van de interventie, noch bevestigt het uw identiteit, dat u de eigenaar bent van het appartement of de indirecte opdrachtgever van de interventie. Niets garandeert dat de medewerker de inhoud van het document niet wijzigt na ondertekening.
Toch heeft deze handtekening een juridische waarde die de digitale handtekening nog niet heeft.

Ons digitale systeem biedt echter meer veiligheid: op het moment van ondertekening wordt de datum geregistreerd. En elke wijziging wordt getraceerd met registratie van het ID, de datum en de inhoud van de wijzigingen.

Om nog verder te gaan kan het interventierapport (of meer precies de hash ervan) worden opgeslagen in een blockchain. Zo is het eenvoudig juridisch aan te tonen dat het document onaantastbaar en onvervalsbaar is, met een tijdstempel en zelfs geolocatie.

Dat voorkomt veel geschillen al in de kiem.

Een ander concreet geval betreft het vervoer van gevaarlijk afval. De verantwoordelijkheid voor deze producten ligt bij de producent tot aan de vernietiging ervan. Met blockchain kan deze laatste op een veilige manier het traject van de verschillende documenten gekoppeld aan de producten die hij vervoert volgen.