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

Pronòstic del transport de contenidors

Client

Partners

El problema

Les pimes de transport de camions implicades en processos d’importació i exportació des del i cap al Port de Barcelona no disposaven d’informació sobre el seu pronòstic de transport a curt i mitjà termini.

Conèixer amb antelació el nombre de camions que seran necessaris en períodes futurs és essencial per millorar l’eficiència i la planificació dels contenidors que s’han de transportar per carretera, especialment per a les petites i mitjanes empreses de transport.

La solució

La solució de Mosaic Factor per a PIONEERS demostra un sistema de pronòstic del transport de contenidors per a pimes que treballen dins de l’ecosistema del Port de Barcelona, amb l’objectiu de millorar l’eficiència i la planificació dels contenidors que s’han de transportar per carretera.

Mitjançant tècniques de ML, la solució prediu els moviments de camions al Port de Barcelona a partir de les dades d’entrada i sortida disponibles al Port Community System.

Optimització de flota

La nostra eina proposa un pla de treball per al següent dia laborable optimitzant la flota segons les regles de negoci (OTs assignades a cada empresa) i les preferències definides pel planificador de trànsit. Totes les ordres de transport s’assignen automàticament a un camió/conductor de manera eficient, mostrant al conductor la ruta proposada.

El sistema prediu les OTs que s’assignen als autònoms i aquelles que no es poden cobrir internament i que cal subcontractar a empreses de transport externes.

Visualització de la predicció de la demanda

Les pimes responsables del transport de camions a l’àrea del port necessiten saber amb antelació quantes ordres de transport rebran els dies següents per organitzar la seva flota i contractar conductors autònoms addicionals si és necessari. Aquest repte es resol mitjançant la visualització de la predicció de la demanda per al període següent (la setmana vinent).

Les dades

Per impulsar el desenvolupament de les dues eines presentades en aquest cas, PORTIC ha habilitat una API amb accés a dades específiques del Port Community System, limitades a la informació essencial de les dues empreses de transport col·laboradores implicades en els projectes.

  • Per a l’eina d’optimització de flota, la solució tecnològica de Mosaic Factor es basa en l’evolució de l’eina VROOM (Vehicle Routing Open-source Optimisation Machine), una solució de codi obert especialitzada en el repte del Vehicle Routing Problem i en altres escenaris complexos d’optimització de rutes.
  • Per a l’eina de predicció de la demanda, Mosaic Factor ha provat diversos models predictius per identificar el més eficient. Finalment, el model guanyador, que va obtenir els millors resultats, va ser el Stochastic Gradient Boosting Model, que ha demostrat una gran precisió en la predicció de la demanda setmanal agregada, tant per als fluxos d’importació com d’exportació.

Resultats

La solució de Container Transport Forecast per al Port de Barcelona ha generat els beneficis següents:

  • Predicció de la tendència (augment o disminució) de les ordres de transport amb una setmana d’antelació.
  • Reducció del temps i la distància per carretera en l’execució de les ordres de transport.
  • Automatització i reducció del treball manual en l’assignació d’ordres de transport.
  • Beneficis mediambientals.

Actualment, Mosaic Factor està treballant en alguns KPI per comparar els processos manuals amb els resultats de l’eina. Estan previstes les iteracions següents:

  1. Optimització de flota per franges horàries en lloc del dia anterior.
  2. Incorporació de dades de l’ecosistema portuari a la predicció de la demanda.

Tens alguna pregunta?

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





    *Els camps marcats amb un asterisc són obligatoris.