Система подбора промышленного оборудования

Как мы из Legacy Code сделали продукт

Клиент — компания, которая производит и продает инженерное оборудование для промышленных объектов.

Как продавать проще, быстрее и больше? — создать платформу, на которой поставщики и заказчики могут быстро находить нужные позиции, сравнивать их по техническим параметрам и отправлять заявки.

Выбор промышленного оборудования — это сложная инженерная задача, где необходимо учитывать десятки взаимосвязанных параметров: давления, температуры, мощности, совместимости, сроков поставки и других критически важных факторов.

В отличие от простых покупок, ошибка в таком выборе — это не просто возврат товара. Это прямая угроза бесперебойности и безопасности всего производства заказчика, чреватая миллионными убытками из-за простоев или аварий.

Старая система не справлялась с этой ответственностью, превращая каждый запрос в рутину и создавая постоянный риск для всех участников. Проблема была глубже, чем просто «неудобный интерфейс».

Мы предложили создать современную платформу, которая стала единой цифровой экосистемой для поставщиков и заказчиков. Её цель — превратить сложный, многочасовой процесс подбора в быстрый, точный и безопасный результат.

Система автоматически учитывает все технические требования и условия эксплуатации, чтобы пользователь получил именно то оборудование, которое гарантирует надежность и безопасность производственных линий.

[01]Погрузились в бизнес-процессы клиента.
[02]Выяснили, какие задачи решает система.
[03]Провели тщательный анализ кода и архитектуры, чтобы определить, что именно тормозит развитие и почему предыдущие команды не смогли двигаться дальше в разработке:
  • отсутствие полной технической документации;

  • в системе были выявлены ошибки проектирования;

  • cистема работала нестабильно: из-за отсутствия автоматических проверок разработчики были вынуждены вносить изменения практически вслепую, опасаясь вызвать цепную реакцию непредвиденных сбоев, и после любого обновления существовал высокий риск случайно «сломать» работающий функционал и остановить бизнес-процессы.

[04]Только после этого мы взялись за рефакторинг, тестирование и развитие функциональности.

Подход к реализации проекта был основан на основе гибкой методологии (Agile) с элементами Scrum и итеративной разработки.

[01]Разработали многокритериальный поиск
Теперь система находит не только точное совпадение, но и близкие варианты.
[02]Добавили сравнение товаров
Клиент может видеть разницу между моделями и принимать более обоснованные решения.
[03]Реализовали личный кабинет
Для производителей и дистрибьюторов, с возможностью управления остатками и заявками.
[04]Переработали дизайн и навигацию
Стало проще искать, сравнивать, оформлять заявки.
[05]Создали техническую документацию
Чтобы система стала понятной всем участникам процесса.
[06]Протестировали старый код
И покрыли его автоматическими проверками, чтобы избежать регрессий.
[07]Оптимизировали работу с данными
Запросы стали быстрее.

PYTHON (DJANGO, DRF)

[01]
бэкенд и API

SENTRY

[02]
мониторинг ошибок

POSTGRESQL

[03]
база данных

REDIS

[04]
кэширование

DOCKER

[05]
контейнеризация

NGINX

[06]
веб-сервер

NUXT.JS, SASS

[07]
фронтенд и стили
[01]Система стала стабильной и предсказуемой.
[02]Скорость поиска и сравнения выросла на 40%.
[03]Пользователи получают больше релевантных предложений — за счёт многокритериального поиска.
[04]Рост конверсии на 22% за счёт предложений подходящего оборудования — система стала предлагать не только точные совпадения, но и товары, близкие по параметрам.
[05]Появилась возможность масштабирования и развития.
Предсказуемая разработка инновационных решений