Miten Vertex Flow mullisti Lojerin tuotehallinnan?

Lojer Groupin Purchasing and Quality Director Eero Kaaja kertoo 2026 Vertex käyttäjäpäivän asiantuntijapuheenvuorossaan, miten Vertex Flow’n käyttöönotto on mullistanut Lojerin tuotehallinnan.

  • Asiakaspuheenvuoro
  • Asiakas: Lojer Oy
  • Toimiala: Lääkinnällisten laitteiden valmistus
Wihuri Tekninen Kauppa

Lojer

  • Perustettu vuonna 1919, työllistää noin 260 henkilöä ja sen liikevaihto on noin 64 miljoonaa euroa, josta vienti kattaa 70 prosenttia.
  • Tuotevalikoimaan kuuluvat muun muassa sairaalasängyt, tutkimus- ja hoitopöydät sekä leikkauspöydät ja -valot.
  • Yritys valmistaa kaikki tuotteensa Suomessa: Sastamalan, Hollolan ja Kempeleen tehtailla.

Jos kiinnostuit aiheesta, ota yhteyttä niin jutellaan aiheesta! Minulla on yli 15 vuoden kokemus tuotetiedon hallinnasta ja käyttöönottoprojektien läpiviennistä. Mietitään yhdessä miten teidän yrityksenne hyötyisi tehokkaasta tuotetiedon hallinnasta. 

Jussi Saikkonen
Vertex-asiantuntija
0400-229119
jussi.saikkonen@vertex.fi

Vertex Flow on kotimainen PDM/PLM tuotetiedonhallinnan ohjelmistoratkaisu valmistavalle teollisuudelle, jonka avulla yrityksesi ajantasaiset tuotetiedot ovat samassa paikassa kaikkien käytössä. Toiminta nopeutuu ja päällekkäinen työ sekä virheet vähenevät. Tutustu Vertex Flow tuotetiedonhallintaohjelmistoon sekä Vertex G4 mekaniikkasuunnitteluohjelmistoon, jotka toimivat hajautetussa suunnitteluympäristössä.

Lisää tarinoita

Olemme mukana Pohjoinen teollisuus -tapahtumassa

Olemme mukana Pohjoinen teollisuus -tapahtumassa

Olemme mukana Pohjoinen Teollisuus -tapahtumassa Ouluhallissa 20.-21.5.2026. Löydät meidät osastolta 423. Tervetuloa morjestamaan ja kuulemaan ohjelmistoistamme! Rekisteröidy kävijäksi

Enhancing Panel Drawing Dimensioning in BIM Software using Recommender Systems

Enhancing Panel Drawing Dimensioning in BIM Software using Recommender Systems

In this blog post, Johannes explores how machine learning can streamline panel drawing template creation in Vertex BD by reducing choice overload and improving user efficiency. The work introduces a hybrid recommender system that intelligently suggests relevant dimensions based on both data and user behavior.