Innovation

Bovenal is A-SIS meer dan een software ontwikkelaar. De visie is een combinatie van ambitie en realisme.

 

 

De inzet van innovatie

Innovatie gaat niet over technologie, maar om toepasbaarheid : buiten de puur technische aspecten zorgt A-SIS ervoor dat de innovaties direct voordeel opleveren voor de gebruikers.
Samenwerken met strategische partners is essentieel. Om te kunnen innoveren moet een software ontwikkelaar kunnen samenwerken om ook andere technologieën te kunnen toepassen.Hij moet ook nieuwe concepten kunnen integreren. De innovatie afdeling van A-SIS heft hiervoor verschillende samenwerkingsverbanden opgezet; zowel strategisch, industrieel of met instanties.

 

 

Een idee moet in praktijk gebracht kunnen worden

Innovatie is een kweekvijver van nieuwe concepten. Het zijn de testfase en de productontwikkeling die bepalen of de innovatie ook daadwerkelijk een bijdrage gaat leveren aan het bedrijfsresultaat.

 

 

Support bij besluitvorming

A-SIS integreert hulpmiddelen in haar producten zodat u beter geïnformeerd de strategische, tactische en operationele vraagstukken kunt aanpakken. Hiervoor gaan wij uit van 2 aanvullende methoden(een voor het optimaliseren, de andere voor het voorspellen) :

 

Operationeel onderzoek

Dit onderzoek bestaat uit een reeks berekeningen op basis van algoritmen en ondersteunt de manager in gevallen waarbij de materie te complex is om het zelf door te rekenen. Met de uitkomsten kunnen gefundeerde beslissingen worden genomen ten aanzien van de werkzaamheden in het magazijn (automatisch aanvangen orderverzamelen, planning, berekening van de routes...).
A-SIS is actief lid van ROADEF (Franse stichting voor Operationeel Onderzoek en Ondersteuning van de Besluitvorming).

 

Machinaal leren

Machinaal leren (of automatisch leren) is een onderzoeksveld binnen de gegevenswetenschap. Het biedt voorspellende modellen middels  leermethoden op basis van data, zodat we beter kunnen anticiperen op belangrijke besluitvorming. Binnen deze context maken deze modellen het mogelijk om keuzes van onze gebruikers beter in te schatten bij voorspellingen t.a.v. goederenstromen of storingen.