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

Marc obert per a TwinOps i Digital Twin específic per a vehicles definits per programari (Software Defined EVs)

Client

Partners

El problema

S’està afrontant una de les transformacions més grans de la història en la indústria de l’automoció. La revolució en el sector, marcada per l’increment del nombre de components de programari, de proveïdors i de les actualitzacions de programari Over The Air (OTA), ja és una realitat, mentre tota la indústria es prepara per adaptar-se al concepte de vehicle definit per programari (Software Defined Vehicle, SDV).

Això representa un repte en termes de seguretat i fiabilitat, però també una gran oportunitat per als vehicles elèctrics (EVs). Els EVs tenen tres necessitats principals:

    • reduir el consum d’energia tot augmentant la seguretat,
    • competir de manera més efectiva amb els vehicles tradicionals (especialment dins del sector europeu) en termes de cost de producció,
    • i millorar l’experiència de conducció pel que fa a la càrrega del vehicle (disponibilitat i rang de potència —predicció—).

La reducció del consum energètic de cada funció específica ha estat fins ara el focus dels OEMs i dels proveïdors Tier, però s’obre una nova oportunitat gràcies a la capacitat computacional dels sistemes en núvol i dels propis vehicles, resultat de la implementació de High-Performance Computing (HPC)Digital Twin (DT) encara està lluny de reflectir la complexa realitat del rendiment central dels EVs, i sovint resulta massa simplista. A més, cada vehicle, amb totes les seves variants i versions de maquinari i programari, és únic i depèn del seu ús real i del seu estat de salut, així com de l’ús dels components crítics específics.

Tenint en compte la singularitat de cada vehicle, aprendre de les dades operatives d’una sèrie de vehicles (flota) i utilitzar aquestes dades i models digitals al llarg de tot el cicle de vida dels EVs (incloent-hi operacions i redisseny) d’una manera àgil i contínua és la clau per assolir un pas addicional en la reducció del consum energètic sense comprometre el confort ni la seguretat, sinó tot el contrari: millorant l’experiència de conducció, la seguretat i la ciberseguretat dels EVs.

La solució

Per resoldre aquest repte, és necessari aplicar un procés de TwinOps, combinant de manera interconnectada el coneixement específic de l’estat i la salut de cada EV, un procés continu d’integració/desplegament i un conjunt d’eines que permetin actualitzacions OTA contínues i eficients de les funcionalitats dels EVs.

La recerca i desenvolupament de Digital Twins (DTs) aplicats als EVs ha de dur-se a terme per apropar-se un pas més a l’assoliment d’un DT específic per a vehicles elèctrics. Cal explotar la digitalització per reduir el temps de desenvolupament i validació, i per tant, reduir els costos per augmentar la competitivitat dels EVs i del sector europeu de l’automoció. Tot això, basat en una solució d’àmbit automobilístic (cost reduït i alta fiabilitat) i tenint en compte l’impacte en l’experiència del conductor.

El projecte TWIN-LOOP desenvoluparà un Marc Obert per a TwinOps per a EVs i un conjunt d’eines digitals per a la millora contínua de la reducció del consum energètic, la minimització dels costos de maquinari, l’experiència del conductor i la resiliència del vehicle al llarg de les quatre etapes del cicle de vida del vehicle. El concepte de TwinOps combina els Digital Twins amb un cicle continu d’integració/desplegament (DevSecOps) i aprofita altres fonts de veritat (com ara CAD o models físics) per millorar la verificació i validació del programari (SW Verification and Validation, V&V), utilitzant models precisos en lloc d’abstraccions simplistes. La especificitat de cada EV es té en compte (concepte MyEV) per millorar cadascuna de les fases, des del disseny fins a la validació, en un bucle infinit.

MOSAIC FACTOR lidera aquest projecte i contribuirà a la definició dels casos d’ús per a la prova i validació de les eines desenvolupades dins de TWIN-LOOP, a l’adaptació de la metodologia DevSecOps per als vehicles definits per programari, i a la definició dels requisits funcionals i no funcionals dels components que es desenvoluparan en aquest projecte.

També contribuirem al desenvolupament de models basats en dades per a la gestió dinàmica dels EVs i liderarem el desenvolupament dels mòduls MyEV Digital Twin per al monitoratge de components i la predicció del rang de potència, així com a la optimització del disseny basada en dades de vehicle i de flota.

A més, liderarem la definició i implementació del Marc Obert per al MyEV Digital Twin i participarem en la integració del MyEV i de les Extended EV APPS, així com en les activitats de perfilatge de conductor i implicació de l’usuari.

Dades

Resultats

Fins ara, hem organitzat la reunió inicial del projecte a Barcelona.

Tens alguna pregunta?

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





    *Els camps marcats amb un asterisc són obligatoris.