Detección de bloqueos asociados a la Enfermedad de Parkinson
La demencia puede aparecer a partir del desarrollo de diversas patologías como pueden ser Enfermedad de Alzheimer, demencia vascular, demencia de los cuerpos de Lewy, Enfermedad de Parkinson, demencia fronto-temporal, etc.
Los costes medios de la demencia en España son 19.245 € por paciente y año, teniendo en cuenta costes asistenciales, no sanitarios y cuidado informal.
La enfermedad con mayor prevalencia en este ámbito es el Alzheimer, llegando a alcanzar el 50% de las personas con demencia:
Antes de desarrollarse la demencia, aparecen deterioros en la cognición de la persona.
Dispositivo del usuario (PC,smartphone...)
Punto de acceso inalámbrico
Resultados
Recoge y analiza los resultados en tiempo real
Datos clinicos
La solución propuesta por ERIS Innovation es la realización de la evaluación cognitiva utilizando las TIC.
La persona utilizaría un dispositivo conectado:
De esta forma, se podría hacer una detección precoz del deterioro cognitivo, mejorando la calidad de vida de los pacientes.
Sería una solución altamente viable para su utilización en residencias de ancianos, tanto públicas como privadas. También en centros de atención primaria.
Detección de bloqueos asociados a la Enfermedad de Parkinson
Según la Organización Mundial de la Salud:
En el caso de la Enfermedad de Parkinson (EP), las caídas están relacionadas con la inestabilidad del individuo.
Las personas con EP sufren bloqueos desde que aparecen los trastornos motores, que son episodios breves e intermitentes que eliminan la capacidad de caminar.
Estos bloqueos aparecen al inicio de la marcha o por cambios en la misma (modificación de la velocidad, sentido del paso, caminar en espacios estrechos, etc.).
Los bloqueos son la mayor causa de pérdida de autonomía personal de las personas con EP, ya que, en muchos casos, tienen como consecuencia una caída.
Sensor de presencia
Wereables
Punto de acceso inalámbrico
Recoge y analiza los datos en tiempo real
En ERIS Innovation proponemos la utilización de dispositivos wearables que detecten los movimientos de paciente.
Estos movimientos serán enviados de forma inalámbrica a un sumidero de datos, que los preprocesará para definir el conjunto óptimo de características.
Estas características se utilizarán para el desarrollo de un algoritmo de clasificación a partir de técnicas de aprendizaje automático.
Este algoritmo será el que detecte el comienzo del bloqueo con antelación suficiente, instalado en el sumidero de datos.
Big Data Analytics para Control de Tráfico Aéreo
De acuerdo con la Asociación Internacional de Transporte Aéreo (IATA):
Un aspecto clave de este sistema es el Control de Tráfico Aéreo (ATC), vital para dirigir con seguridad la navegación de aviones tanto en el espacio aéreo local, como cuando permanecen en tierra, así como durante el despegue y el aterrizaje. El ATC aplica reglas de separación a cada aeronave que dirigen para regular la distancia entre los aviones, mediante la exigencia de una distancia mínima entre ellos. Esto sirve para aumentar la seguridad y reducir el riesgo innecesario para los pilotos y pasajeros.
Para resolver la saturación del sistema de transporte aéreo existen dos iniciativas en marcha cuyo objetivo es revisar completamente el espacio aéreo y la gestión del tráfico aéreo (ATM): El llamado Cielo Único Europeo, Single European Sky ATM Research (SESAR), en Europa y el proyecto NextGen en EE.UU.
El Proyecto SESAR se basa en una serie de conceptos clave nuevos:
Se necesitan toda una serie de herramientas para entender, modelizar, planear, predecir y controlar las operaciones aéreas bajo en virtud de los nuevos paradigmas.
Las tecnologías que usamos en Eris combinan la estadística tradicional con técnicas de “machine learning” como la clasificación bayesiana, el análisis de agrupamiento, la regresión multivariante, las redes neuronales profundas y las redes neuronales recursivas, para reconocer y clasificar patrones o detectar anomalías en los datos de vuelo.
Estas herramientas de análisis de datos se combinan con potentes y realistas simulaciones del comportamiento dinámico de las aeronaves para calcular la información útil, como los márgenes seguros de operación, el consumo de combustible o la eficiencia del vuelo.
Este amplio abanico de herramientas de análisis y simulación permite el desarrollo de diferentes soluciones:
Detección de fraudes Online
El uso del modo de pago online, tales como la banca online, tarjeta de débito, tarjeta de crédito, etc se ha convertido muy popular e importante en el día a día de compras y actividades de comercio electrónico o e-commerce. Por otro lado, el fraude online ha llegado a ser un problema grave en la gestión de delitos financieros para todos los negocios online.
Las empresas y las instituciones financieras están perdiendo enormes cantidades debido al fraude, mientras que los defraudadores continuamente intentan encontrar nuevas maneras y tácticas para cometer acciones ilegales.
Según diferentes estudios sobre el mercado minorista de EE.UU., los costes anuales causados por el fraude alcanzaron aproximadamente a $ 32 mil millones en 2014. Los minoristas perdieron alrededor de 1.3% de sus ingresos en 2015, más del doble de la tasa de 2014.
También se demostró que hasta un 25% de las transacciones rechazadas para los comerciantes de comercio electrónico(e-commerce) en realidad eran buenas ventas no fraudulentas, lo que indica que la mayoría de los sistemas actuales de detección de fraude tienen altas tasas de falsos positivos.
Un hecho importante es que el fraude es un delito adaptativo, por lo que se necesitan técnicas adaptativas e inteligentes de análisis de datos para detectarlo y prevenirlo de forma continua.
En ERIS Innovation hemos considerado varios enfoques supervisados y no supervisados hacia la implementación de nuevas metodologías de detección de anomalías y de reconocimiento de patrones basados en Inteligencia Artificial (IA) para el desarrollo de sistemas de detección de fraude online de última generación.
Gracias a la estructura híbrida de estas soluciones que se beneficia de las capacidades de aprendizaje de redes neuronales artificiales (RNA) y la capacidad de razonamiento de los modelos difusos basados en la lógica Fuzzy (FL), estos sistemas son capaces de aprender de los expertos de seguridad cibernética y también de los ataques de fraude en el pasado para hacer un banco actualizado de los patrones reconocidos de fraude, así como ser capaz de controlar constantemente y notificar las actividades sospechosas en Internet.
Predicción de la demanda y del precio de la electricidad
La electricidad es un producto muy especial y prácticamente no almacenable. La estabilidad del sistema de potencia requiere un equilibrio constante entre la producción y el consumo, que significa que la demanda debe ser satisfecha de forma continua.
El proceso de desregulación y la introducción de los mercados competitivos han reconfigurado los sectores de energía, tradicionalmente monopolistas y controlados por el gobierno. Hoy en día, en muchos países al rededor del mundo, la producción y venta de energía se comercializa bajo las reglas de competencia en los mercados libres.
Si los productores y los consumidores son capaces de hacer predicciones fiables de los precios de la electricidad, pueden desarrollar sus estrategias de oferta y sus propios programas de producción o consumo de tal manera que se pueda reducir los riesgos o maximizar los beneficios.
Los costes de sobre/sub-contratación y luego vender/comprar energía en el mercado de tiempo real, suelen ser tan elevados que pueden dar lugar a enormes pérdidas financieras o incluso la quiebra.
Las centrales eléctricas son los más vulnerables, ya que generalmente no pueden pasar sus costes a los pequeños consumidores. En consecuencia, la predicción de la demanda eléctrica y el precio son problemas importantes en este sector.
Price forecasting
Real price
En ERIS Innovation hemos probado varios métodos para la predicción de la demanda y de los precios en corto tiempo, a partir de técnicas de computación duro -Hard Computing- incluso los modelos de series de tiempo y de regresión dinámica, hasta los enfoques de computación flexible -Soft Computing- a veces referido como las herramientas de inteligencia artificial, tales como redes neuronales difusas ( FNNs) y en general sistemas inteligentes híbridos o Hybrid Intelligent Systems (HIS).
Nuestros modelos han sido probados en el mercado de la electricidad de la Península Ibérica, principalmente el mercado diario español, que se utiliza comúnmente como el caso de prueba en muchos estudios de predicción de precios de la electricidad.
Los resultados obtenidos han demostrado unas características estadísticas muy interesantes, así como una alta precisión para la predicción de precios por hora con un día de antelación.
Optimización del consumo de energía en los centros de datos
Debido al incremento de la popularidad de las aplicaciones y servicios en la nube, la demanda computacional de las redes de telecomunicaciones y los centros de datos está experimentando un rápido crecimiento, pasando a jugar un papel central en las oportunidades de negocio y los servicios digitales.
Los centros de datos representan un pilar crítico en el negocio de las empresas de diferentes industrias, elevando cada vez más su impacto económico en las operaciones de negocio.
El consumo de energía de los centros de datos representa en la actualidad el 2% del consumo global, energía que por otra parte es producida principalmente por fuentes no renovables, lo cual tiene una repercusión no solo en la economía sino también en la huella de carbono y el calentamiento global.
Las principales fuentes de consumo de energía en los centros de datos se deben al procesamiento computacional y a la refrigeración de las máquinas.
Servidores
Refrigeración
Ventilación
Transformación de Energía
Iluminación
Modelo adaptativo, multi-etapa e híbrido de Credit Scoring
Los modelos de Scoring se utilizan para definir el nivel de riesgo y la fidelidad de los clientes, los consumidores y los compradores de nuevos productos. Específicamente en el sector financiero, el Credit Scoring es un método para evaluar el riesgo de crédito de los solicitantes de préstamos.
Hoy en día, el Credit Scoring juega un papel importante en el crecimiento económico, mejorando el acceso fácil y rápido a los mercados de crédito, bajando el precio del crédito y reduciendo los posibles riesgos económicos.
Credit Scoring produce una «puntuación» que una institución financiera o un banco puede utilizar para clasificar sus prestatarios de crédito en términos de riesgo.
Los métodos tradicionales de Credit Scoring requieren que un proceso manual de reducción/creación de variables basado en prueba y error se repita para cada actualización después del desarrollo del modelo.
Por otra parte, es difícil desarrollar un modelo adaptativo de Credit Scoring que se base en los métodos lineales actuales debido a sus limitaciones inherentes. Por lo tanto, un proceso de modelado dinámico que utiliza técnicas híbridas y modernas podría ser útil para desarrollar modelos adaptativos y precisos de Scoring.
En ERIS Innovation, en primer lugar, se utilizó una selección óptima y multi-objetivo de variables con el fin de obtener el mejor subconjunto de características con el número mínimo de variables en ese subconjunto. En segundo lugar, hemos desarrollado un modelo adaptativo, multi-etapa e híbrido de Credit Scoring, aplicando determinados clasificadores metaheurísticos.
Optimización de la las redes de distribución
Durante las últimas décadas, muchas empresas han luchado con numerosos problemas fundamentales en diferentes partes de sus negocios tales como aprovisionamiento, almacenamiento, producción, distribución y servicio al cliente. Por ello, en el mercado global de hoy que es totalmente impulsado por la demanda, Supply Chain Management (SCM) o gestión de la cadena de suministro se ha convertido en una necesidad urgente para los proveedores de productos y servicios en todo el mundo.
Las expectativas crecientes de los clientes, el mercado global y altamente competitivo junto al aumento de los costos de transporte debido a la inflación y la volatilidad del precio de los combustibles están impulsando el desarrollo y la inversión de nuevos diseños de redes de distribución.
En el caso de un fabricante estadounidense de materiales industriales, un estudio de gestión de la cadena de suministro dio como resultado una reducción de los costes anuales de almacenamiento alrededor de $ 300.000 por una inversión de aproximadamente $ 100.000 en el modelado de la red y rediseño de almacenamiento. Además, debido al carácter global de la empresa, también hubo importantes posibilidades de ahorros adicionales de transporte, aproximadamente $ 2,5 millones al año solamente con la inversión de unos $ 420.000 en el desarrollo e implementación de procesos óptimos.
Devoluciones
Ventas
Fábrica
Almacenes
Tiendas
Flujo diario
Optimización de la red de distribución garantiza la calidad y la seguridad del flujo de productos desde el fabricante hasta los minoristas y consumidores finales. Sin embargo, la optimización de la red de distribución y de cadena de suministro es posible, si se basan en una previsión exacta de los productos o servicios que se necesitan. Dado que la predicción de la oferta y demanda es una entrada para los modelos de optimización, los métodos de predicción o Forecasting son extremadamente importantes para obtener resultados altamente fiables.
En ERIS Innovation hemos desarrollado una solución integral para la gestión del flujo de producto que contiene un módulo de predicción, una unidad optimizadora como su componente central, así como una sección de análisis de riesgos para controlar el nivel de certeza e incertidumbre de las soluciones óptimas obtenidas.
Hay una necesidad importante de crear una forma estructurada de recopilar, procesar y analizar un conjunto de datos para mejorar el rendimiento y aumentar las capacidades funcionales de la instalación.
Los edificios modernos están llenos de sistemas de recolección de datos, desde sistemas de gestión de edificios (BEMs) que captan los niveles de temperatura y humedad, a los controladores de acceso, que recogen las estadísticas de ocupación, o incluso a otras mediciones.
El Big Data describe grandes y complejos conjuntos de datos que, si se interpretan correctamente, pueden proporcionar una visión de cómo un edificio está funcionando desde el punto de vista energético. Los propietarios de edificios se están dando cuenta de que las métricas que utilizan para evaluar los activos en sus carteras están cambiando.
El cambio de las demandas de los clientes, la mitigación del cambio climático y los objetivos de sostenibilidad, la fiabilidad de la energía y las preocupaciones por la resiliencia y las restricciones presupuestarias están impulsando la demanda de soluciones de construcción inteligente.
Por lo tanto, existe una necesidad importante de crear una forma estructurada para recopilar, procesar y analizar un conjunto de datos para mejorar el rendimiento y aumentar las capacidades funcionales de la instalación.
Detección de anomalías
Predicción
Medición
En ERIS Innovation, estamos desarrollando soluciones analíticas de Big Data para los numerosos problemas de los edificios. La toma de decisiones se convierte en algo mucho más sencillo si tenemos un conjunto de datos recopilados a través de medidores inteligentes, redes de TI y comportamiento de los ocupantes.
Las principales soluciones de valor añadido para edificios inteligentes están incluidas en nuestra solución: