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

TwinOps i MyEV Digital Twins: vehicles elèctrics SDV a la Conferència RTR

A la Conferència RTR d’enguany, Stefano Persi, CEO de Mosaic Factor, va presentar les últimes novetats de Mosaic Factor en vehicles elèctrics definits per programari (VE) a través del projecte Twin-Loop. La seva sessió es va centrar en el paper transformador dels bessons digitals i la metodologia TwinOps en l’optimització del consum d’energia, la seguretat i el rendiment general dels VE durant tot el cicle de vida del vehicle. 

Impulsant l’eficiència i la innovació amb bessons digitals

Persi va destacar el MyEV Digital Twin, una arquitectura de dues capes amb una versió completament fora de bord per a la simulació i una versió més lleugera dins del vehicle, totalment connectada i interoperable amb aplicacions d’IA per permetre actualitzacions i optimitzacions contínues.

Aquest disseny permet actualitzacions contínues i interoperabilitat amb aplicacions d’IA avançades, garantint que la funció dels VE definida per programari es pugui optimitzar per a l’energia, l’eficiència, la seguretat i l’experiència del conductor durant tot el cicle de vida del vehicle.

.  Stefano Persi from Mosaic Factor presenting at RTR2026Stefano Persi from Mosaic Factor presenting at RTR2026Stefano Persi from Mosaic Factor presenting at RTR2026

Metodologia TwinOps: optimització contínua

Al cor del Twin-Loop hi ha el concepte TwinOPs, que fusiona: 

  • Principis d’enginyeria basada en models (MBE) 
  • Pràctiques deDevOps 
  • Integració contínua de bessons digitals

Aquesta metodologia permet que els bessons digitals es mantinguin sincronitzats amb l’evolució dels dissenys de vehicles, donant suport a un disseny eficient, la validació i la presa de decisions operatives. TwinOps també aprofita les dades dels vehicles i la flota per millorar l’optimització energètica, la seguretat i la integritat del sistema sense interferir amb les funcions bàsiques dels vehicles elèctrics.

Energia, seguretat i sostenibilitat

L’eficiència energètica va ser un tema clau de la presentació. Persi va descriure com els algoritmes optimitzats al vehicle i la transmissió de dades comprimides poden reduir el consum d’energia alhora que mantenen un alt rendiment. També va destacar com TwinOps integra la modelització ambiental, donant suport a la reducció d’emissions del cicle de vida i la transició cap a vehicles definits per programari (SDV).

La seguretat i la ciberseguretat continuen sent fonamentals per al marc de treball: els bessons digitals i les aplicacions estan dissenyats per operar darrere dels sistemes bàsics, amb eines com CyberCar, OFSCE, ModVV i ZTBCar que proporcionen protecció contra atacs individuals de vehicles, intrusions a nivell de flota i violacions dels sistemes dins del vehicle.

Foment de la col·laboració i la competitivitat europea

El consorci Twin-Loop reuneix 12 socis de 8 països, que abasten el món acadèmic, fabricants d’automòbils, proveïdors de tecnologia i empreses de consultoria. Els membres del consell assessor inclouen ZF Friedrichshafen AG, Volvo Group, Zunder i Traton, i el projecte compta amb el suport d’un pressupost de 5 milions d’euros.

Desenvolupant un marc de treball obert per a MyEV Digital Twins i un conjunt d’aplicacions connectades, Twin-Loop pretén accelerar la innovació, reduir el temps de desenvolupament i enfortir la competitivitat de l’automoció europea. El marc de treball proporciona mòduls reutilitzables, directrius de desenvolupament i serveis compartits, simplificant el desenvolupament de sistemes digitals complexos.

Mirant cap al futur

La presentació va destacar com TwinOps i MyEV Digital Twins estan marcant el començament d’una nova era de vehicles elèctrics més intel·ligents, segurs i sostenibles. Aprofitant la millora contínua i els coneixements a nivell de flota, aquestes eines milloren l’eficiència energètica, l’experiència del conductor i la resiliència general del sistema. A través de Twin-Loop, el projecte està ajudant a donar forma al futur dels vehicles definits per programari i impulsant la indústria automobilística europea cap a la propera generació de mobilitat.