datapao

Október végén megrendezésre került az első Ipar 4.0 témakörben megszervezett meetupunk!

Első körben a magyar gyógyszeripari óriás, a Richter Gedeon színfalai mögé pillanthattunk be. Szakmai csapatuk ismertette a gyógyszeriparban csak Pharma 4.0-nak nevezett folyamat megvalósításának mérföldköveit. Az előadáson átfogó képet kaphattunk a gyárdigitalizációs projektek gyakorlati kérdéseiről a gyógyszeriparban. Az iparági sajátosságok mindenhol más nehézségeket szülnek, gyógyszergyártás esetén ez egyebek mellett a szabályozói megfelelést, az adatok begyűjtését és felhasználásának módját jelenti. Egészen sajátos a Data Science csapat elhelyezkedése is, a Richternél például minden igazgatóság delegál egy tagot közéjük. Végül de nem utolsó sorban bepillantást nyerhettünk abba, hogy egy nagyvállalaton belül a menedzsment különböző szintjein milyen kommunikációs feladatok merülnek fel a témával kapcsolatban.

A második előadás keretein belül a családi cégként indult mára országos hírű Macher Zrt. fejlődéstörténetéről hallhattunk. Macher Judit ismertette velünk, hogy versenyelőnyüket mindig a kiváló minőség biztosította, manapság azonban ennek fenntartásához ma már minden kkv számára elengedhetetlen a gyártásdigitalizáció. A hatékonyság tekintetében csak így tudják az elsőosztályú minőséget a megfelelő költségek mellett előállítani, felvéve a versenyt a náluk jóval nagyobb forrásokkal operáló cégekkel is. A Macher Zrt. sikeresen növelte hatékonyságát többek közt a saját alkatrészek gyártásával, valamint 3D nyomtatóik prototipizálásával.

Meetup sorozatunk célja havonta összehozni a szakmai közösséget és bemutatni azokat a cégeket, ahol gyártásdigitalizációs projektek futnak. A minőségi előadások előtt illetve után kötetlen beszélgetés formájában oszthatják meg a résztvevők szakmai tapasztalatukat egymással. Minden érdeklődőt nagy szeretettel várunk következő meetupunkra is, az előadás-sorozathoz az alábbi linken van lehetőség csalatkozni:

https://www.meetup.com/ipar40/

[News | Apache Spark] Scala 2.12 will be the default Scala version in Spark 3.0
https://buff.ly/2qyagDn