PLM-järjestelmän muutosten automaattinen dokumentointi : menetelmiä muutosdatan käsittelyyn liiketoimintajärjestelmässä
Vuorio, Antti (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2025042531132
https://urn.fi/URN:NBN:fi-fe2025042531132
Tiivistelmä
Opinnäytetyö pureutuu keskeiseen haasteeseen tuotteen elinkaaren hallintajärjestelmien (PLM) dokumentoinnissa: miten seurata ja tallentaa asiakaskohtaisten järjestelmäasennusten muutoksia tehokkaasti ja järjestelmällisesti. Tutkimus kohdistuu Sovelia Core PLM -järjestelmään, jonka muutosten havainnointiin ei ole aiemmin ollut kattavaa automaattista seurantamenetelmää. Opinnäytetyö toteutettiin toimeksiantona Symetri Oy:lle, jonka tuote Sovelia Core PLM on.
Tutkimuksen lähtökohtana oli tunnistaa nykyisten dokumentointimenetelmien puutteet. Vaikka versionhallinta ja manuaaliset dokumentit ovat olleet käytössä, ne eivät tarjoa riittävän kattavaa ja selkeää kuvaa järjestelmän muutoksista. Ratkaisussa käytettävien menetelmien tutkimuksessa etsittiin vastauksia kolmeen aiheeseen: kerättävien parametrien valintaan, sekä tiedon keräämisen ja tallentamisen menetelmiin.
Toteutusvaiheessa keskityttiin erityisesti järjestelmän pienten automaatioiden, kytkinten, käytön seurantaan. Tutkimus osoitti, että nykyisellä järjestelmäkonfiguraatiolla voidaan kerätä merkittävää tietoa asiakaskohtaisten asennusten kehittämiseksi. Kehitetty ratkaisu muodostuu kahdesta komponentista: komentorivityökalu lokianalysaattorista ja web-pohjaisesta visualisointityökalusta.
Automaattisen seurantajärjestelmän hyödyt ovat moninaiset. Ne ulottuvat tarkemmasta muutosten dokumentoinnista ajansäästöön rutiinitehtävissä ja mahdollistavat paremman historiatietojen saatavuuden. Erityisen arvokas on kyky ennakoida järjestelmän tulevia tarpeita ja tunnistaa kehitystrendejä.
Tutkimus tunnisti useita kehittämiskohteita, kuten lokitiedostojen tietosisällön optimointi, tiedonhallinnan skaalautuvuuden parantaminen ja automaatiotason nostaminen. Jatkotutkimukselle avautuu lupaavia polkuja pilvipohjaisiin datajärjestelmiin, edistyneisiin dataputkiarkkitehtuureihin ja koneoppimisen hyödyntämiseen lokien analysoinnissa.
Johtopäätöksenä tutkimus tarjoaa lupaavan lähtökohdan automaattiselle dokumentointijärjestelmälle, joka voi merkittävästi parantaa PLM-järjestelmien hallintaa ja asiakaskohtaista palvelua. The thesis examines a significant challenge in the documentation of Product Lifecycle Management (PLM) systems: how to efficiently and systematically track and record changes in customer-specific system installations. The research focuses on the Sovelia Core PLM system, which previously lacked a comprehensive automatic tracking method for changes. The Sovelia Core PLM system is a product of Symetri Oy, the commissioner of this thesis.
The starting point of the research was to identify the shortcomings of current documentation methods. Although version control and manual documents have been used, they do not provide a sufficiently comprehensive and clear picture of changes in the system. The research into methods for the solution sought answers to three topics: the selection of parameters to be collected, and the methods for collecting and storing information.
In the implementation phase, special attention was given to monitoring the use of small automations called triggers. The research demonstrated that with the current system configuration, it is possible to collect significant information to improve customer-specific installations. The developed solution consists of two main components: a command line log analyser and a web-based visualization tool.
The benefits of the automatic tracking system are manifold. They range from more precise change documentation to saving time in routine tasks and enabling better access to historical data. Particularly valuable is the ability to anticipate the system’s future needs and identify development trends.
The research identified several areas for improvement, such as optimizing the data content of log files, enhancing the scalability of data management, and increasing the level of automation. Promising avenues for further research include cloud-based data systems, advanced data pipeline architectures, and leveraging machine learning in log analysis.
As a conclusion, the research provides a promising starting point for an automatic documentation system that can significantly enhance the management of PLM systems and customer-specific service.
Tutkimuksen lähtökohtana oli tunnistaa nykyisten dokumentointimenetelmien puutteet. Vaikka versionhallinta ja manuaaliset dokumentit ovat olleet käytössä, ne eivät tarjoa riittävän kattavaa ja selkeää kuvaa järjestelmän muutoksista. Ratkaisussa käytettävien menetelmien tutkimuksessa etsittiin vastauksia kolmeen aiheeseen: kerättävien parametrien valintaan, sekä tiedon keräämisen ja tallentamisen menetelmiin.
Toteutusvaiheessa keskityttiin erityisesti järjestelmän pienten automaatioiden, kytkinten, käytön seurantaan. Tutkimus osoitti, että nykyisellä järjestelmäkonfiguraatiolla voidaan kerätä merkittävää tietoa asiakaskohtaisten asennusten kehittämiseksi. Kehitetty ratkaisu muodostuu kahdesta komponentista: komentorivityökalu lokianalysaattorista ja web-pohjaisesta visualisointityökalusta.
Automaattisen seurantajärjestelmän hyödyt ovat moninaiset. Ne ulottuvat tarkemmasta muutosten dokumentoinnista ajansäästöön rutiinitehtävissä ja mahdollistavat paremman historiatietojen saatavuuden. Erityisen arvokas on kyky ennakoida järjestelmän tulevia tarpeita ja tunnistaa kehitystrendejä.
Tutkimus tunnisti useita kehittämiskohteita, kuten lokitiedostojen tietosisällön optimointi, tiedonhallinnan skaalautuvuuden parantaminen ja automaatiotason nostaminen. Jatkotutkimukselle avautuu lupaavia polkuja pilvipohjaisiin datajärjestelmiin, edistyneisiin dataputkiarkkitehtuureihin ja koneoppimisen hyödyntämiseen lokien analysoinnissa.
Johtopäätöksenä tutkimus tarjoaa lupaavan lähtökohdan automaattiselle dokumentointijärjestelmälle, joka voi merkittävästi parantaa PLM-järjestelmien hallintaa ja asiakaskohtaista palvelua.
The starting point of the research was to identify the shortcomings of current documentation methods. Although version control and manual documents have been used, they do not provide a sufficiently comprehensive and clear picture of changes in the system. The research into methods for the solution sought answers to three topics: the selection of parameters to be collected, and the methods for collecting and storing information.
In the implementation phase, special attention was given to monitoring the use of small automations called triggers. The research demonstrated that with the current system configuration, it is possible to collect significant information to improve customer-specific installations. The developed solution consists of two main components: a command line log analyser and a web-based visualization tool.
The benefits of the automatic tracking system are manifold. They range from more precise change documentation to saving time in routine tasks and enabling better access to historical data. Particularly valuable is the ability to anticipate the system’s future needs and identify development trends.
The research identified several areas for improvement, such as optimizing the data content of log files, enhancing the scalability of data management, and increasing the level of automation. Promising avenues for further research include cloud-based data systems, advanced data pipeline architectures, and leveraging machine learning in log analysis.
As a conclusion, the research provides a promising starting point for an automatic documentation system that can significantly enhance the management of PLM systems and customer-specific service.