Trustworthy AI

Al integrar modelos de IA en entornos en los que los estándares de compliance son importantes, Mosaic Factor ayuda a las empresas a gestionar la gobernanza de datos mediante la aplicación de soluciones Trustworthy AI.

Ver solution

Datos Sintéticos

Los datos sintéticos son datos artificiales generados a partir de datos originales utilizando un modelo entrenado para reproducir sus características y estructura.

Ver solution

Modelos Descriptivos

Los modelos descriptivos tienen como objetivo describir patrones, relaciones y estructuras dentro de los datos. No predicen resultados futuros, pero proporcionan información sobre los fenómenos existentes.

Ver solution

Modelos Predictivos

El modelado predictivo, también conocido como análisis predictivo, es una disciplina que utiliza técnicas estadísticas, matemáticas y de inteligencia artificial para predecir resultados futuros basados en datos históricos.

Ver solution

LLMs

En Mosaic Factor, nos centramos en la creación de LLM específicos de sector (o modelos lingüísticos ligeros) para nuestras organizaciones clientes.

Ver solution

Gemelos Digitales

Para supervisar y optimizar los activos de la empresa en tiempo real , Mosaic Factor utiliza gemelos digitales. Éstos pueden predecir fallos, detectar ineficiencias y mejorar la toma de decisiones mediante el uso de datos.

Ver solution

Data Enhanced Products

A través de diferentes fuentes de datos (es decir, pruebas físicas) y modelos de ML y, por lo general, en combinación con nuestras soluciones de gemelos digitales, nuestra solución de mejora de datos puede aprender, predecir y simular resultados para proporcionar configuraciones automáticas de productos que resulten en una mejora de productos y componentes durante el proceso de desarrollo.

Ver solution

Data As a Service Products

Data as a Service (DaaS) es un modelo basado en la nube que permite a las empresas acceder, gestionar y analizar datos bajo demanda, sin necesidad de una amplia infraestructura local

Ver solution

Mantenimiento Predictivo

Para los modelos de mantenimiento predictivo, utilizamos tanto datos históricos como datos en tiempo real para anticipar fallos de los equipos o necesidades de mantenimiento. Al analizar los datos de los sensores, los registros de mantenimiento y otra información relevante, podemos programar el mantenimiento de forma proactiva, reducir el tiempo de inactividad y prolongar la vida útil de la maquinaria.

Ver solution

Previsión de Demanda y Coste

Nuestros modelos predictivos ayudan a las empresas a pronosticar la demanda de productos o servicios. Mediante el análisis de los datos históricos de ventas, la estacionalidad, los factores económicos y los eventos externos, podemos optimizar los niveles de inventario, asignar los recursos de manera eficiente y minimizar el exceso de existencias o los desabastecimientos.

Ver solution

Quality Analytics

Identificamos patrones que se correlacionan con defectos o problemas de calidad, lo que permite a las empresas tomar medidas correctivas temprano y mantener altos estándares de calidad.

Ver solution

Inventory Management

Utilizamos modelos predictivos para optimizar los niveles de inventario teniendo en cuenta factores como el tiempo de entrega, la variabilidad de la demanda y los costes de almacenamiento.

Ver solution

Supply Chain Management

Podemos utilizar análisis de datos históricos y en tiempo real para gestionar la cadena de suministro, optimizar el transporte y garantizar la entrega a tiempo de los productos.

Ver solution

Tendencias de Mercado

Nuestros modelos predictivos analizan los datos del mercado, el comportamiento de los consumidores y los factores externos para comprender los patrones, identificar tendencias y anticipar cambios.

Ver solution

Market Understanding

Nuestros modelos descriptivos de IA proporcionan información valiosa para la toma de decisiones y la comprensión de los sistemas complejos de las organizaciones.

Ver solution

Exploración de Patrones

Nuestros modelos descriptivos de IA proporcionan información valiosa para la toma de decisiones y la comprensión de los sistemas complejos de las organizaciones.

Ver solution

Logística

Logistics

La mayor prioridad de Mosaic Factor en logística es compartir datos clave entre los diferentes actores de la cadena de suministro para optimizar el rendimiento y gestionar la sostenibilidad mitigando el impacto de estas operaciones.

Ver industry

Automoción

Industría Automoción

Mosaic Factor aplica soluciones de IA en diversos aspectos de la industria de la automoción, generalmente mejorando los vehículos y sus componentes durante su desarrollo.

Ver industry

Mobility

Mobility

La mayor prioridad de Mosaic Factor en Movilidad es optimizar los sistemas de transporte para la movilidad de las personas, mejorando al mismo tiempo la seguridad general y la sostenibilidad de las soluciones de transporte.

Ver industry

Corporate Services

Corporate Services

Nuestro aprendizaje automático y algoritmos complejos ayudan a las organizaciones a gestionar el cumplimiento normativo y el servicio al cliente para aumentar el nivel de servicio de su organización al tiempo que optimizan el tiempo de resolución de varios procesos.

Ver industry

Industria

Manufacturing

La mayor prioridad de Mosaic Factor en sector de fabricación es ayudar a nuestros clientes a reducir costes, aumentar la sostenibilidad y optimizar la cadena de producción.

Ver industry

Healthcare

Healthcare

La mayor prioridad de Mosaic Factor en el sector sanitario es hacer uso de los datos para mejorar la atención y el seguimiento de los pacientes de forma segura, optimizar los recursos de los sistemas de salud y facilitar la labor de los profesionales sanitarios.

Ver industry

Cambio de comportamiento

Cliente

Partners

Problema

La autopista C-32 discurre por varias comarcas catalanas paralelas a la costa mediterránea. Es gratuito en su ramal norte (Costa del Maresme), mientras que su ramal sur (Costa del Garraf) es de peaje y es operado por Autopistas.

La C-32 no es la única arteria que conecta Barcelona por el lado sureste y hay varias carreteras gratuitas como la AP-7, que ofrecen alternativas a los conductores.

Para reforzar y mejorar su competitividad, Abertis está en constante modernización y mejora de las infraestructuras del C-32 y está llevando a cabo diversos proyectos de innovación destinados a lanzar nuevos servicios de alto valor añadido para los clientes.

Los avances tecnológicos revelan nuevas oportunidades para fidelizar a los clientes de la autopista C-32 y animar a otros conductores a elegir la C-32 frente a otras alternativas para entrar o salir de Barcelona por el lado sureste.

El objetivo del proyecto es realizar un estudio para identificar los factores influyentes y los incentivos más eficientes que motivan a los conductores que utilizan habitualmente rutas alternativas a la C-32. En esencia, desarrollar una herramienta que calcule y visualice el impacto resultante de la implementación de diferentes políticas de incentivos.

En cuanto al ámbito geográfico, el proyecto se centra en el tramo entre Barcelona y El Vendrell de la autopista C-32.

Desde el punto de vista tecnológico, el proyecto se basa en datos históricos adquiridos de terceros (Telefónica Empresas) y se enriquecerá con datos actuales e históricos disponibles en Autopistas.

Asimismo, la detección de perfiles de usuario se basa en aspectos vinculados a la movilidad. Finalmente, los sistemas desarrollados se implementarán en el entorno de Autopistas.

Estratégicamente, el proyecto tiene como objetivo apoyar las acciones de Autopistas para mantener e incrementar la base de clientes del C-32. En concreto, se contemplan cuatro tipos de actuaciones:

    • estrategias de precios,
    • calidad del servicio,
    • servicios de valor añadido,
    • e incentivos para la sostenibilidad.

Solución

Hemos desarrollado las siguientes soluciones sobre datos de Autopistas y Telefónica:

    • preparación de deep data,
    • procesamiento de datos,
    • mejora de datos (data enhancement),
    • y análisis de datos

Además, el proyecto dispondrá de un cuadro de mando que representará los movimientos en la C-32 y otros puntos de conexión cercanos con el perfil del usuario en base a la distribución probabilística en cada uno de los puntos de decisión definidos (puntos de la carretera en los que el usuario debe decidir si pagar un peaje o optar por una carretera alternativa gratuita).

Aquí la maqueta de la solución:

Data

El proyecto utiliza una gran cantidad de datos separados en los siguientes conjuntos de datos:

    • Datos AAE: Conjuntos de datos proporcionados por Autopistas para comprender las características viales, de infraestructura y de congestión de la autopista C-32.
    • Datos de Telefónica: Conjuntos de datos que recogen información sobre las características sociodemográficas de los usuarios, así como sobre el origen, el destino y el número de viajes entre DO. También dispone de puntos intermedios (salida, entradas de la C-32) así como conexiones entre diferentes carreteras.

Resultados

Principales resultados de la fase 1 del proyecto.

  • Herramienta Drivers Flow Analyser (DFA), que permite analizar el flujo de los conductores entre distintas áreas mediante las métricas viaje y usuarios.
  • Análisis de parejas OD de usuarios que pasan por la C-32 y las vías alternativas.
  • Caracterización de usuarios de la C-32 y vías alternativas.

Actualmente se está planificando la segunda fase del proyecto.

¿Tienes alguna pregunta?

Siempre estamos listos para ayudarte y responder tus preguntas.





    *Los campos marcados con un asterisco son obligatorios.