Truca’ns: +34 677 600 963 | info@mosaicfactor.com

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.

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.

Models d’optimització

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

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.

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.

LLMs

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

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Projectes

B:SM Tram Parquímetre

Models d’optimització, Models Predictius

Eina predictiva per a la secció de parquímetres

Client

El problema

Barcelona Serveis Municipals necessitava una eina de decisió basada en dades per entendre i anticipar les necessitats de les seccions de parquímetres a la ciutat de Barcelona.

La solució

Hem desenvolupat una eina web (secció-parquímetres) que permet a l’operador planificar on col·locar els parquímetres segons les places d’aparcament de la zona blava de la ciutat.

Funcionalitats:

Generació i exportació de relacions
- Càrrega de dades (seccions, localitzacions de seccions i parquímetres) necessàries per generar els càlculs mitjançant fitxers Excel.
- Preprocessament de les dades i generació de relacions seguint els paràmetres i algorismes detallats en el document d’especificacions.
- Exportació dels resultats (llista de relacions) en un fitxer Excel.
- Visualització al mapa (només ubicació) tant dels parquímetres com de les seccions (punt mig).

project-bsm-tram-pkm-image-1

Dades

- Càrrega automàtica de dades dels fitxers d’entrada
  - dades dels parquímetres
  - seccions amb les seves localitzacions
  - segments que componen cada secció
  - fitxer auxiliar per assignar àrees a les seccions i als parquímetres
- Aplicació web 100% del costat del client, sense lògica al servidor
- Desenvolupada amb el framework Angular 2
- Llenguatge TypeScript
- Compilada en JavaScript utilitzant Webpack

Optimització de la ubicació dels parquímetres a la ciutat, aconseguint una major satisfacció ciutadana i un estalvi en el nombre de parquímetres necessaris.

Optimisation on the parking meters location in the city, resulting in better citizen satisfaction and savings in the number of parking meters needed.

Tens alguna pregunta?

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