Data Enhanced Products

Mitjançant diferents fonts de dades (com ara proves físiques) i models de ML, i habitualment en combinació amb les nostres solucions de *digital twin*, la nostra solució de millora de dades pot aprendre, predir i simular resultats per oferir configuracions automàtiques de producte que permetin millorar els productes i components durant el procés de desenvolupament.

Veure solution

Data As a Service Products

Data as a Service (DaaS) és un model basat en el núvol que permet a les empreses accedir, gestionar i analitzar dades sota demanda, sense necessitat de disposar d’una infraestructura local extensa.

Veure solution

Models d’optimització

Els models d’IA d’optimització permeten als nostres clients millorar processos, reduir costos i augmentar la competitivitat.

Veure solution

Models Descriptius

Els models descriptius tenen com a objectiu descriure patrons, relacions i estructures dins de les dades. No prediuen resultats futurs, però proporcionen informació sobre els fenòmens existents.

Veure solution

Models Predictius

El modelatge predictiu, també conegut com a anàlisi predictiva, és una disciplina que utilitza tècniques estadístiques, matemàtiques i d’intel·ligència artificial per predir resultats futurs basats en dades històriques.

Veure solution

LLMs

A Mosaic Factor, ens centrem en la creació de LLM específics de sector (o models lingüístics lleugers) per a les nostres organitzacions clientes.

Veure solution

Dades sintètiques

Les dades sintètiques són dades artificials generades a partir de dades originals mitjançant un model entrenat per reproduir-ne les característiques i l’estructura.

Veure solution

Digital Twins

Per supervisar i optimitzar els actius de l’empresa en temps real, Mosaic Factor utilitza Digital Twins. Aquests poden predir fallades, detectar ineficiències i millorar la presa de decisions mitjançant l’ús de dades.

Veure solution

Manteniment Predictiu

Per als models de manteniment predictiu, utilitzem tant dades històriques com dades en temps real per anticipar fallades dels equips o necessitats de manteniment. En analitzar les dades dels sensors, els registres de manteniment i altra informació rellevant, podem programar el manteniment de manera proactiva, reduir el temps d’inactivitat i prolongar la vida útil de la maquinària.

Veure solution

Previsió de Demanda i Cost

Els nostres models predictius ajuden les empreses a pronosticar la demanda de productes o serveis. Mitjançant l’anàlisi de les dades històriques de vendes, l’estacionalitat, els factors econòmics i els esdeveniments externs, podem optimitzar els nivells d’inventari, assignar els recursos de manera eficient i minimitzar l’excés d’estocs o els desproveïments.

Veure solution

Quality Analytics

Identifiquem patrons que es correlacionen amb defectes o problemes de qualitat, cosa que permet a les empreses prendre mesures correctives amb antelació i mantenir alts estàndards de qualitat.

Veure solution

Inventory Management

Utilitzem models predictius per optimitzar els nivells d’inventari tenint en compte factors com el temps de lliurament, la variabilitat de la demanda i els costos d’emmagatzematge.

Veure solution

Supply Chain Management

Podem utilitzar l’anàlisi de dades històriques i en temps real per gestionar la cadena de subministrament, optimitzar el transport i garantir el lliurament puntual dels productes.

Veure solution

Tendències de Mercat

Els nostres models predictius analitzen les dades del mercat, el comportament dels consumidors i els factors externs per comprendre els patrons, identificar tendències i anticipar canvis.

Veure solution

Market Understanding

Els nostres models descriptius d’IA proporcionen informació valuosa per a la presa de decisions i la comprensió dels sistemes complexos de les organitzacions.

Veure solution

Exploració de Patrons

Els nostres models descriptius d’IA proporcionen informació valuosa per a la presa de decisions i la comprensió dels sistemes complexos de les organitzacions.

Veure solution

Trustworthy AI

En integrar models d’IA en entorns on els estàndards de compliance són importants, Mosaic Factor ajuda les empreses a gestionar la governança de dades mitjançant l’aplicació de solucions Trustworthy AI.

Veure solution

Logística

La prioritat més gran de Mosaic Factor en logística és compartir dades clau entre els diferents actors de la cadena de subministrament per optimitzar el rendiment i gestionar la sostenibilitat, mitigant l’impacte d’aquestes operacions.

Veure industry

Automoció

Mosaic Factor aplica solucions d’IA en diversos àmbits de la indústria de l’automoció, generalment millorant els vehicles i els seus components durant el seu desenvolupament.

Veure industry

Mobility

La prioritat més gran de Mosaic Factor en Mobilitat és optimitzar els sistemes de transport per a la mobilitat de les persones, millorant alhora la seguretat general i la sostenibilitat de les solucions de transport.

Veure industry

Corporate Services

El nostre aprenentatge automàtic i els algoritmes complexos ajuden les organitzacions a gestionar el compliment normatiu i el servei al client per augmentar el nivell de servei de la seva organització, alhora que optimitzen el temps de resolució de diversos processos.

Veure industry

Indústria

La prioritat més gran de Mosaic Factor en el sector de la fabricació és ajudar els nostres clients a reduir costos, augmentar la sostenibilitat i optimitzar la cadena de producció.

Veure industry

Healthcare

La prioritat més gran de Mosaic Factor en el sector sanitari és fer ús de les dades per millorar l’atenció i el seguiment dels pacients de manera segura, optimitzar els recursos dels sistemes de salut i facilitar la tasca dels professionals sanitaris.

Veure industry

Projectes

Autopista C-32

Canvi de comportament

Client

Partners

El problema

L’autopista C-32 travessa diverses comarques catalanes paral·lelament a la costa Mediterrània. És gratuïta en el seu ramal nord (Costa del Maresme), mentre que el ramal sud (Costa del Garraf) és de peatge i està operat per Autopistas.

La C-32 no és l’única via que connecta Barcelona pel costat sud-est, ja que hi ha diverses carreteres gratuïtes, com l’AP-7, que ofereixen alternatives als conductors.

Per reforçar i millorar la seva competitivitat, Abertis modernitza i millora constantment la infraestructura de la C-32 i impulsa diversos projectes d’innovació orientats a oferir nous serveis amb un alt valor afegit per als clients.

Els avenços tecnològics revelen noves oportunitats per fidelitzar els usuaris de l’autopista C-32 i animar altres conductors a triar la C-32 davant d’altres alternatives per entrar o sortir de Barcelona pel costat sud-est.

L’objectiu del projecte és dur a terme un estudi per identificar els factors influents i els incentius eficients que motivin els conductors que utilitzen habitualment rutes alternatives a canviar-se a la C-32. En essència, desenvolupar una eina que calculi i visualitzi l’impacte derivat de la implementació de diferents polítiques d’incentius.

Pel que fa a l’àmbit geogràfic, el projecte se centra en el tram entre Barcelona i el Vendrell de l’autopista C-32.

Des d’una perspectiva tecnològica, el projecte es basa en dades històriques adquirides a tercers (Telefónica Empresas) i s’enriquirà amb dades actuals i històriques disponibles a Autopistas.

De la mateixa manera, la detecció de perfils d’usuaris es basa en aspectes relacionats amb la mobilitat. Finalment, els sistemes desenvolupats s’implementaran a l’entorn d’Autopistas.

Estratègicament, el projecte pretén donar suport a les accions d’Autopistas per mantenir i augmentar la base de clients de la C-32. Concretament, es contemplen quatre tipus d’accions:

    • estratègies de preus,
    • qualitat del servei,
    • serveis amb valor afegit,
    • i incentius per a la sostenibilitat.

La solució

Hem desenvolupat les següents solucions a partir de les dades d’Autopistas i Telefónica:

    • preparació exhaustiva de dades,
    • processament de dades,
    • enriquiment de dades,
    • i anàlisi de dades

A més, el projecte comptarà amb un tauler de control (dashboard) que representarà els moviments a la C-32 i altres punts de connexió propers, amb el perfil dels usuaris basat en la distribució probabilística en cadascun dels punts de decisió definits (punts de la via on l’usuari ha de decidir si paga un peatge o opta per una carretera alternativa gratuïta).

Aquí es mostra un esbós preliminar de la solució:

Dades

El projecte utilitza una gran quantitat de dades, separades en els següents conjunts de dades:

    • Dades AAE: conjunts de dades proporcionats per Autopistas per comprendre les característiques de la carretera, la infraestructura i la congestió de l’autopista C-32.
    • Dades de Telefónica: conjunts de dades que recullen informació sobre les característiques sociodemogràfiques dels usuaris, així com l’origen, la destinació i el nombre de viatges entre ODs. També inclouen punts intermedis (entrades i sortides de la C-32) i connexions entre diferents carreteres.

Resultats

Principals resultats de la fase 1 del projecte.

  • Aplicació Drivers Flow Analyser (DFA), que permet analitzar el flux de conductors entre diferents zones utilitzant mètriques de viatges i d’usuaris.
  • Anàlisi dels parells OD dels usuaris que passen per la C-32 i per rutes alternatives.
  • Caracterització dels usuaris de la C-32 i de les rutes alternatives.

Actualment, estem treballant en un projecte de continuació per a la C-32 per escalar funcionalitats i aportar més valor a l’aplicació desenvolupada.

 

Tens alguna pregunta?

Sempre estem disposats a ajudar-vos i respondre a les vostres preguntes.





    *Els camps marcats amb un asterisc són obligatoris.