Forecastingmodellen
Tijdreeks- en regressiemodellen voor vraag, opbrengst, verbruik en andere grootheden die in de tijd veranderen.
Diensten
Machine learning en forecasting
Wij bouwen machine-learningsystemen die historische en actuele data gebruiken om te schatten wat er hierna gebeurt, afwijkende patronen te signaleren en betere beslissingen te ondersteunen.
Wanneer machine learning helpt
- U wilt op basis van historische of sensordata schatten wat er hierna gebeurt.
- Afwijkende patronen moeten opvallen voordat ze problemen worden.
- Handmatige inspectie of classificatie schaalt niet.
- Beslissingen hangen af van afwegingen die te optimaliseren zijn.
Wat we bouwen
Afwijkings- en patroondetectie
Baselines per asset, gebouw of locatie, en detectie van afwijkingen die aandacht verdienen.
Classificatie en voorspelling
Modellen die labelen, scoren of rangschikken, getoetst aan uitkomsten die u al kent.
Computer vision
Informatie uit beelden halen, zoals het detecteren en meten van objecten.
Optimalisatie
Kiezen tussen opties onder randvoorwaarden, met de voorspellingen als invoer.
Hoe een project verloopt
Elk project doorloopt dezelfde vier stappen.
- 01Begrijpen
- 02Bouwen
- 03Valideren
- 04Uitrollen
Waar we het hebben toegepast
Klantwerk
Asset Circles
Sensor-, weer- en apparatuurdata omgezet in gebouwspecifieke afwijkingsdetectie en advies.
Lees de case →Pilot
Vink Farming
Eerdere signalen over gewasontwikkeling en opbrengst uit beelden, perceels- en weerdata.
Bekijk Vink Farming ↗Pilot
FlyingVink
Schatten waar drone cleaning voor een gebouw economisch aantrekkelijk is.
Bekijk FlyingVink ↗