对复杂工作流程的详细可见性
挑战
定制医疗产品高度个性化。需要一个复杂的制造流程网络来满足患者的需求。大量定制订单跨多个工厂流动，进一步增加了跟踪订单从接收到发货的常规任务的复杂性。
随着订单量的增加和车间中添加了更多系统，管理层对产品在定制制造流程中移动的可见性降低了。
技术人员创建了许多手动子流程来处理定制化。他们必须在压力下即时做出路由决策。技术人员和流程之间的差异导致了质量控制问题，但由于无法了解这些流程，因此无法缓解这些问题。
由于定制制造流程的大部分是手动的，即使确定订单状态也具有挑战性。如果客户打电话，员工可以说明订单何时收到，但无法向客户更新其订单在流程中的位置或何时交付。
解决方案
公司的创新文化促使他们的软件团队寻找新型工具，以将其复杂的制造流程转变为优势。像Neo4j这样的图数据库非常适合。该团队开始利用数据中的连接，为其工作流程和路由问题设计解决方案。
“我们从关系数据库切换到Neo4j的原因有很多。首先，Neo4j提供了工作流程的自然表示；毕竟，工作流程是一系列连接的流程，”参与该项目的一位高级软件工程师说。“其次，我们的业务需求复杂且不断发展。与关系数据库相比，Neo4j提供的灵活数据模型更容易适应这些不断变化的需求。它还使我们能够有效地遍历连接的数据——无需复杂的查询和过多的JOIN——并做出实时决策。”
该团队认为，创建工作流程引擎在概念上类似于一个常见图数据库用例，即实时推荐。这些系统使用一个人的数据——例如他们的个人资料和系统偏好——来决定推荐哪些产品。类似地，工作流程引擎接受定制订单——其中包括有关订单、客户、客户的偏好和与客户合作的技术人员的信息——并使用所有这些信息来推荐最合适的工作流程，并自动将订单路由到该工作流程中。
使用Neo4j，该团队开发了一个灵活的工作流程模型。他们的工作流程引擎采用了混合持久性方法，使用Neo4j用于实时工作流程，使用MongoDB用于版本控制和元数据。
下载案例研究