There were various time-consuming processes in the Operations Department of Client’s company. Most of the processes were rules-based, while some required machine-learning (an aspect of artificial intelligence).

• Booking of Containers When Client’s End-Customers Place Orders

> This process required staff from Client’s Company to log on to government’s web portals to make bookings and declarations.

• Reports of Booking Orders/Incoming Cargo with Detailed Information About Containers

> This process required staff from Client’s Company to log on to government’s web portals to get data about cargo.

• The information had to formatted in a specific way.

> Transferring information from Bills of Lading (Excel) into desired format and preparing a Manifest, which is a combination of various Bills of Lading

> Extracting information from Bills of Lading (scans and PDFs)

How Gleematic Software Helps :

• Booking of Containers when Client’s End-Customers Place Orders

Gleematic was able to complete the whole process of form-filling onto two government web-portals.

• Reports of Booking Orders/Incoming Cargo with Detailed Information About Containers

> Gleematic was activated upon departure/ arrival of vessels to get information from two government portals.

> Information from web-portals were retrieved quickly by clicking through various tabs and storing in a temporary memory.

> The information was then placed into an Excel file and formatted in a specific way to be sent to end-customers.

• Transferring Information from Bills of Lading (Excel) Into Desired Format and Preparing a Manifest, which is a Combination of Various Bills of Lading

> Gleematic was able to transfer data from one Excel file to another of a different format with near-perfect accuracy to create a Manifest

> The data in the Manifest was formatted by Gleematic so that information fitted onto one page width, and running page numbers.

• Extracting Information from Bills of Lading (scans and PDFs)

> Gleematic was trained with about 90 different copies of Bills of Lading (BLs) of a specific format by tagging various fields of data. The purpose was to build a “model” to read this format of BLs.

> Logic and coding were included to break up strings of text into distinct categories.

> The “model” was then tested on 10 new copies of BLs of “Harbout Link Lines” format and achieved accuracy of about 85%.

Challenges :

• Web portals were sometimes slow to load and run into errors at times. Various “exception shipping handling” scripts were set up to address different types of scenarios. For example, Gleematic robots were set to look out for a certain image to ascertain if the page has loaded. In another scenario, a sub-script was activated when Gleematic encounters a specific error message.
• Formatting data to fit nicely onto an A4 page for printing was challenging, as text sometimes flowed to the next page. It was finally done after multiple ways of testing. If there is not sufficient for setting up Gleematic robot, this step can be easily done by humans manually.
• Machine-learning to extracting information from Bills of Lading required multiple sets of data of the same format. Accuracy can be further enhanced by re-training the Gleematic robot with another 100 copies or more of BLs.

Departemen operasional saat ini prosesnnya sangat memakan waktu lama. Sebagian besar prosesnya didasari pada aturan, disaat yang lainnya belajar dari mesin (aspects of artificial intelligence). 

• Proses Pemesanan Kontainer pada Saat Pelanggan Terakhir Memesan 

> Tahap ini mengharuskan karyawan dari Perusahaan untuk masuk ke website pemerintah dan melakukan pemesanan.

• Report Pemesanan Cargo Masuk dengan Informasi yang Sangat Rinci Mengenai Kontainer 

> Tahap ini mengharuskan karyawan dari Perusahaan untuk login ke portal web pemerintah & mendapatkan data tentang kargo.

• Informasi Harus Diformat dengan Cara Tertentu

> Mentransfer data muatan kapal dari Excel ke format yang diinginkan, hal ini merupakan kombinasi dari beberapa data muatan kapal.

> Mengekstrak informasi dari data muatan kapal (scan dan PDF)

Bagaimana Solusi Gleematic dapat Membantu :

• Proses Pemesanan Kontainer pada Saat Pelanggan Terakhir Melakukan Pemesanan 

> Gleematic mampu menyelesaikan seluruh proses pengisian formulir pada website pemerintah. 

• Report Pemesanan Kargo Masuk dengan Informasi yang Rinci Tentang Kontainer 

> Gleematic diaktifkan pada saat keberangkatan/kedatangan kapal untuk mendapatkan informasi dari website pemerintah. 

> Informasi dari website di downlaod dengan cepat dengan mengklik beberapa tab.

> Informasi itu kemudian ditempatkan ke dalam file Excel dan diformat dengan sesuai kebutuhan untuk dikirim ke pelanggan. 

• Mentransfer Informasi Data Muatan Kapal (Excel) ke Format yang Diinginkan, yang Merupakan Kombinasi dari Beberapa Data Muatan Kapal 

> Gleematic dapat mentransfer data dari satu file Excel ke format lain dengan akurasi hampir sempurna untuk membuat data laporan.

> Data laporan kapal diformat oleh Gleematic sehingga informasi dapat ditampilkan dalam 1 page, dan semua laporan otomatis dapat berjalan dengan scroll page numbers. 

• Mengekstrak informasi dari data laporan kapal (scan dan PDF) 

> Gleematic sudah terlatih membaca 90 jenis format data laporan kapal yang berbeda dengan menganalisa semua jenis bidang data. Tujuannya adalah membangun model dalam membaca format Bills of Lading (BLs) atau dikenal laporan data kapal. 

> Logic dan coding berfungsi untuk memecah teks ke dalam kategori yang berbeda. 

> “Model” kemudian diuji pada 10 salinan baru BLs dari format “Harbout Link Lines” dan mencapai akurasi sekitar 85%. 

Tantangan 

• Portal web terkadang lambat untuk mengakses data dan terkadang juga mengalami kesalahan pada waktu-waktu tertentu. Berbagai skrip ” exception shipping handling” dibuat untuk mengatasi berbagai jenis skenario. Sebagai contoh, robot Gleematic ditetapkan untuk mencari gambar tertentu agar memastikan apakah halaman telah dimuat. Dalam skenario lain, sub-script diaktifkan ketika Gleematic menemukan pesan kesalahan tertentu. 
• Memformat data agar sesuai dengan ukuran page A4 agar bisa langsung diprint adalah sebuah tantangan, karena terkadang teks hasilnya berantakan & muncul di page berikutnya. Pada akhirnya dilakukan beberapa pengujian. Jika tidak cukup untuk membuat Gleematic robot, sebetulnya langkah ini dapat dengan mudah dilakukan oleh manusia secara manual. 
• Machine-learning untuk mengekstraksi informasi dari Bills of Lading/Report Data Kapal diperlukan beberapa set data dengan format yang sama. Akurasi dapat lebih ditingkatkan dengan re-training robot Gleematic dengan 100 copies atau dari beberapa banyaknya report data