Case: Fakturabehandling

1. Standardisering af fakturalinjer (Fra 12 → 3 kategorier)

Problem:
Fakturaer indeholdt overflødige detaljer:

• 6-8 linjer for emballagegebyrer (kasse, tape, polstring, etc.)
• 4 linjer for forskellige fragttyper
• 2 linjer for "diverse tillæg"

Løsning:
Vi implementerede en faktura-normaliseringsengine:

public class InvoiceNormalizer
{
    public NormalizedInvoice Normalize(SupplierInvoice rawInvoice)
    {
        return new NormalizedInvoice
        {
            Materials = SumAllMaterialLines(rawInvoice.Lines),
            Shipping = CalculateShippingTotal(rawInvoice.Lines),
            Surcharges = CalculateSurcharges(rawInvoice.Lines)
        };
    }

    private decimal SumAllMaterialLines(List<InvoiceLine> lines)
    {
        // Antager InvoiceLine har Amount og Category properties
        return lines.Where(l => l.Category == "MATERIAL")
                   .Sum(l => l.Amount);
    }
    // ... tilsvarende for Shipping og Surcharges
}

Effekt:

• 90% færre linjekonflikter ved matching
• Enkelt sted at opdatere priser (ingen "jagten" på specifikke linjer)
• Automatisk validering af afvigelser (f.eks. hvis "MATERIAL" beløb > ordreværdi)

2. Automatisk matching baseret på ordrenummer

Gammel proces:
Medarbejdere skulle manuelt:

• Åbne ordresystem
• Søge på leverandørnavn
• Matche datoer og beløb

Ny løsning:
Vi byggede en faktura-auto-matcher med:

public async Task<MatchResult> MatchInvoiceAsync(string orderNumber, decimal amount)
{
    // Antager _orderRepo findes og har GetByNumberAsync
    var order = await _orderRepo.GetByNumberAsync(orderNumber);

    if (order == null)
        return MatchResult.NotFound();

    // Tolerance for 2% afvigelse i beløb
    // Antager order har TotalAmount property
    if (Math.Abs(order.TotalAmount - amount) > order.TotalAmount * 0.02m)
        return MatchResult.AmountMismatch();

    return MatchResult.Success(order);
}

Optimeringer:

• Fuzzy matching på ordrenumre (f.eks. "PO-1234" ≡ "1234")
• Automatisk valutaomregning for internationale ordrer
• Machine learning til at identificere hyppige matching-mønstre

Resultat:

• Fra 15 → 2 minutter pr. faktura
• False positives < 0,5%

3. Én-kliks godkendelse for 80% af fakturaer

Flow:

graph TD
    A[Faktura modtaget] --> B{Automatisk match?}
    B -->|Ja| C[Vis "Godkend" knap]
    B -->|Nej| D[Send til manuel review]
    C --> E[Log godkendelse i blockchain]

Teknisk implementering:

// Antager ASP.NET Core Controller kontekst
[HttpPost]
public async Task<IActionResult> ApproveInvoice(string invoiceId, [FromServices] IBlockchainService blockchain)
{
    // Antager _invoiceRepo findes
    var invoice = await _invoiceRepo.GetAsync(invoiceId);

    // Valider at fakturaen er klar til godkendelse
    // Antager Invoice har Status property og Approve metode
    if (invoice.Status != InvoiceStatus.PendingApproval)
        return BadRequest();

    // Gem uforanderlig transaktion
    // Antager IBlockchainService findes
    var txHash = await blockchain.LogApprovalAsync(
        invoiceId,
        User.Identity.Name, // Kræver bruger er logget ind
        DateTime.UtcNow
    );

    invoice.Approve(txHash);
    await _invoiceRepo.UpdateAsync(invoice);

    return Ok();
}

Sikkerhedsforanstaltninger:

• Fire-and-forget arkitektur - Godkendelser behandles asynkront
• Blockchain-audit trail - Uforfalskelig logning
• Separat godkendelsesflow for fakturaer > 50.000 kr