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

Projecte H2020 de transport inclusiu

Client

Finançat per H2020 European Commission

Partners

El problema

INCLUSION té com a objectiu entendre, analitzar i avaluar l’accessibilitat i la inclusivitat de les solucions de transport a les zones prioritàries europees per identificar mancances i necessitats no cobertes.

Hem realitzat un cas d’ús conjuntament amb BusUp i el Canet Rock.

    • Objectiu: facilitar l’accessibilitat al concert mitjançant el transport amb autobús. BusUp ja donava servei al concert, però volia conèixer possibles noves línies de transport a establir per a l’esdeveniment, així com possibles noves parades intermèdies.
    • Públic objectiu: grups o viatgers ocasionals (especialment joves) que es desplacen sols o en petits grups cap a destinacions comunes (per exemple, un festival de música)
    • Quan hi ha un transport públic limitat, els grups d’usuaris objectiu tendeixen a utilitzar el seu propi vehicle (si és possible) o bé a no assistir a l’esdeveniment a causa de les dificultats de transport.

La solució

Mosaic Factor va coordinar el Barcelona Pilot Lab adreçant-se a grups de joves viatgers i a persones que es desplacen a destinacions comunes mitjançant dades de xarxes socials.

Per anticipar la demanda potencial dels assistents al concert, vam combinar informació de les línies de transport regulars (per identificar les zones amb menys servei nocturn) amb informació socioeconòmica (població, renda i resultats electorals).

Amb aquest procés, vam proposar diverses noves ubicacions, algunes de les quals es van transformar en noves propostes de línies.

En identificar les àrees prioritàries, els grups d’usuaris i les seves necessitats, el projecte va desenvolupar noves solucions de mobilitat accessibles i inclusives, així com models de negoci basats en Big Data.

Dades

    • Dades obertes
    • Dades demogràfiques
    • Dades de transport públic
    • Perfils de xarxes socials
    • Usuaris vulnerables:
      • Risc de seguretat per als assistents
      • El 64 % dels assistents tenen menys de 24 anys
      • El 69 % dels assistents són dones
    • Àrees vulnerables:
      • Accessibilitat limitada al transport públic
      • Inflexible i poc freqüent durant la nit
      • Operat amb estructures de rutes radials que connecten les perifèries amb Barcelona

Resultats

Reduir les barreres d’accessibilitat territorial per assistir a esdeveniments culturals situats en zones periurbanes de la Regió Metropolitana de Barcelona, a causa d’una oferta de transport deficient o inflexible.

Identificació de les àrees geogràfiques amb demanda potencial per assistir a l’esdeveniment i proposta de les parades d’autobús més adequades per cobrir aquesta demanda no atesa.

Tens alguna pregunta?

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





    *Els camps marcats amb un asterisc són obligatoris.