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

Proyectos

eCharge4Drivers

EV charger Location Planning Tool

Cliente

Co-funded by the EU under the H2020 Research and Innovation Programme

Partners

El problema

Las autoridades públicas y los actores privados se enfrentan a la difícil tarea de desplegar una infraestructura de carga integral sin la certeza de la demanda específica de cada zona.

eCharge4Drivers mejora la experiencia de carga de vehículos eléctricos en zonas urbanas y en corredores interurbanos, haciendo que sea más conveniente para los usuarios pasarse al vehículo ecológico. El proyecto demuestra nuevas tecnologías y servicios para mejorar la experiencia de los conductores antes, durante y después de la carga de su vehículo eléctrico.

Mosaic Factor ha contribuido principalmente en el estudio inicial de las necesidades y preferencias de los usuarios, coordinando el diseño y descripción de los requisitos de los diferentes servicios y en la integración y desarrollo de la Herramienta de Planificación de Ubicación de Puntos de Recarga (Location Planning Tool) para garantizar el mix óptimo de opciones de recarga para cubrir las necesidades de los usuarios.

La solución

Nuestra Location Planning Tool ermite a las administraciones públicas o a las empresas privadas planificar el despliegue futuro de la infraestructura de recarga en las ubicaciones adecuadas.

Tecnologías:

    • Estaciones de intercambio de baterías para LEV’s
    • ISO15118 Plug and Charge
    • Estaciones de carga habilitadas para V2G con múltiples salidas
    • Estaciones de carga de alta potencia modular y fáciles de usar

Servicios:

  • Planificador de rutas (Route Planner)
  • Servicio de reservas (Booking Service)
  • Carga inteligente (Smart Charging)

Herramientas decisionales:

  • Herramienta de planificación de la ubicación de los puntos de recarga y precios para el crecimiento sostenible de la movilidad eléctrica.

La herramienta tiene como objetivo permitir a las autoridades públicas y a las empresas visualizar las necesidades de demanda existentes y proponer ubicaciones óptimas para instalar nuevas infraestructuras de recarga, teniendo en cuenta diversos contextos y tipos de datos.

La plataforma apoya a las autoridades locales y otras partes interesadas mediante la producción de información relevante sobre:

  • Cobertura prevista de la infraestructura de recarga para satisfacer las necesidades de los usuarios de vehículos eléctricos.
  • permite planificar la forma en que se cubrirá el crecimiento previsto del uso de vehículos eléctricos.
  • presupuestos de inversión requeridos y, por lo tanto, apoya en la toma de decisiones.

La herramienta integra análisis de big data utilizando datos de uso en tiempo realde CPO, eMSP y operadores de estacionamientos. Ésta se compone de diferentes elementos que se integran en una herramienta web, fácil de usar y accesible a los usuarios a través de una interfaz gráfica de usuario. 

  • Modelo de demanda: datos históricos de recarga e indicadores sociodemográficos, de movilidad y de actividad ambiental proporcionados por diferentes localidades (12 países).
  • Algoritmo de ML: El modelo de regresión ajusta los datos para pronosticar la demanda esperada en una ubicación (cantidad de kWh cargados por día).

El modelo de demanda utiliza la información geográfica y demográfica disponible de una zona geográfica elegida, incluida la información disponible sobre la infraestructura de carga existente y su uso. A través de la interfaz de usuario, un usuario puede cargar información y ajustar parámetros, como, por ejemplo, el período de tiempo previsto que se analizará y las hipótesis de crecimiento de las existencias de vehículos eléctricos que se utilizarán. Con esta entrada, el modelo calcula la demanda de energía distribuida en el área elegida.

Esta demanda es utilizada por el algoritmo de planificación y optimización de la ubicación para calcular las futuras ubicaciones de puntos de carga necesarias.

 

Data

Las fuentes de datos que utilizamos para diseñar el modelo predictivo incluyen:

    • Geometría de la zona y subáreas
    • Datos sociodemográficos de cada subárea
    • Puntos de recarga existentes
    • Puntos de recarga previstos
    • Puntos de recarga candidatos
    • Datos históricos de las sesiones de carga

Resultados

La herramienta ha sido desarrollada y probada en 3 ubicaciones diferentes a diferentes escalas geográficas:

  • país de Luxemburgo,
  • Ciudad de Barcelona,
  • y un pueblo de montaña en el norte de Italia (Val Trompia).

Mediante el uso de 3 áreas bastante diferenciadas, tanto en términos de geografía, demografía y madurez del uso de vehículos eléctricos, hemos podido diseñar una herramienta que es flexible para la replicabilidad a diferentes tipos de ubicaciones.

La herramienta permite a los diferentes stakeholders visualizar en un mapa la ubicación óptima para añadir nuevos puntos de recarga teniendo en cuenta el coste y la cobertura de la demanda estudiada en cada zona.

Se puede acceder a la LPT aquí: https://echarge4drivers.web.app/

Repercusión mediática hasta la fecha: https://echarge4drivers.eu/news-events/

¿Tienes alguna pregunta?

Siempre estamos listos para ayudarte y responder tus preguntas.





    *Los campos marcados con un asterisco son obligatorios.