Программисты — удалённая работа в Москве

Системное программирование. Разработка с нуля. Пожелания и особенности: Краткое техническое задание для разработки системы оптимизации производственных рецептур 1. Контекст и задача Существующая система: Производственная ERP с 20-летней историей, Oracle-based Проблема: Ручной подбор компонентов для производства в условиях: - Множества вариантов сборки (заменяемые ресурсы, сборки) - Ограниченных остатков сырья - Сложных иерархий рецептур (полуфабрикаты, готовая продукция) Цель: Автоматизировать выбор оптимальных компонентов на основе доступности и приоритетов. 2. Текущее состояние Уже реализовано API для: - Получения производственных планов (/shifts/plan) - Работы с остатками на складе (/warehouse/remainders) - Очистки рецептур (/receipt/clean) - Интеграции с закупками (/purchases/get) 3. Основная техническая задача Разработать ядро системы - алгоритм выбора компонентов, который: Обрабатывает: - Древовидные структуры рецептур с неограниченной вложенностью - Заменяемые ресурсы (выбор одного из нескольких) - Сборки (обязательное наличие всех компонентов) - Полуфабрикаты (отдельные производственные процессы) Учитывает: - Динамические остатки на складах - Технологические последовательности (order_no) - Приоритеты компонентов - Иерархию производства (tech_card_level) 4. Ключевые вызовы - Алгоритмический: Рекурсивный обход деревьев с “жадным“ выбором вариантов - Архитектурный: Интеграция с legacy Oracle-системой через существующее API - Производительность: Обработка 1k+ рецептур в час - Качество данных: Работа с неполными/противоречивыми данными 5. Технические требования - Язык: Python 3.8+ - Фреймворк: FastAPI - Архитектура: Микросервисы, независимость от источников данных - Производительность: обсуждаемо - - Формат: JSON-based API 6. Критерии успеха - Корректный выбор компонентов при ограниченных остатках - Сохранение технологических последовательностей - Обработка сложных иерархий (полуфабрикаты → готовая продукция) - Интеграция с существующим API производственного планирования 7. Потенциал для роста - ML-модуль для динамической приоритизации - Оптимизация на уровне портфеля заказов - Прогнозная аналитика дефицитных ресурсов.