Oppdragsforskning KI

Topp tverrfaglig utviklingsteam for digital transformasjon

Våre forsknings- og utviklingstjenester omfatter integrering av KI, IoT og avansert (data)analyse for å gi deg en bærekraftig konkurransefordel gjennom digital transformasjon.

I samarbeid med vår mellomstore internasjonale partnerbedrift, som ansetter de mest briljante hodene, bl.a. kandidater fra Stanford og Princeton, løser vi de mest krevende matematiske utfordringer i grensesnittet mellom fysikk, matematikk, maskinteknikk, IT, elektronikk, optikk og kunstig intelligens (AI/KI). Det spesielle er de tverrfaglige utviklingsteamene, bl.a. bestående av IT-spesialister, ingeniører, matematikere og fysikere, som utfører den mest krevende oppdragsutviklingen. Honorarene er helt resultatbaserte, dvs. våre kunder betaler kun for utviklingsarbeidet hvis forhåndsdefinerte og avtalte utviklingsmål oppnås. Vår partner har allerede fullført over 100 prosjekter innen følgende felt for ledende selskaper (bl.a. også med en tysk bilprodusent): digital transformasjon (bildetolkning, mønstergjenkjenning, maskinlæring, kunstig intelligens), medisinsk utstyr, KI i medisin, robotikk, forbrukerelektronikk og bilindustrien. Omfattende erfaring med hardware (IoT, sky, sensorikk, analogt).

Som supplement til partnerbedriften har vi nå bygget opp vårt eget internasjonale multidisiplinære team.

Eksempelprosjekter for oppdragsutvikling innen Operations Research / Digital transformasjon

Logistikkoptimalisering: Håndtering av logistikkutfordringer som kjøretøyruter, containerstabling, varepakking og transportplanlegging er svært komplekst. Til tross for deres "NP-komplette" natur, som indikerer enorm kompleksitet, muliggjør våre avanserte algoritmer og heuristiske teknikker løsninger som ligger bemerkelsesverdig nær det optimale.

Parallell tidsplanlegging: Å kjøre algoritmer på store superdatamaskiner krever at oppgaver deles opp i mindre komponenter som kjøres på individuelle noder. Vår ekspertise innen tidsplanleggingsalgoritmer svarer på det komplekse spørsmålet om hvilke oppgaver som skal utføres når og hvor.

Optimalisering av offentlig transport: Fastsetting av den optimale rutetabellen for en bestemt rute eller beslutning om nye strekninger krever algoritmer som best tjener offentlighetens interesser, en utfordrende oppgave i seg selv.

Prissetting: Effektiv prissetting av produkter krever prognoser over flere fremtidige prisbeslutninger, med hensyn til konkurrentenes handlinger og potensielle økonomiske endringer. Dynamisk programmering støtter valg av optimale beslutninger i ulike fremtidige scenarioer.

Optimalisering av olje- og gassproduksjon: Vår plattform integrerer data- og fysikkbaserte simuleringer for storskala olje- og gassproduksjonsprosjekter, for å kjøre flere scenarioer og lage fremtidige prognoser.

Referanseprosjekter kunstig intelligens (KI)

Anbefalingssystemer: Våre utviklede anbefalingssystemer maksimerer kunders begrensede oppmerksomhet med presise og raske forslag til relevante produkter. De hjelper også kunder med å bli kjent med nye produkter gjennom subtil behovsdeteksjon – et kjennetegn på høykvalitets anbefalingssystemer.

Prissetting: Vi lager prisingsmodeller for bedrifter som bruker en balansert kombinasjon av teknikker fra økonomi, finans, ledelsesteori, algoritmisk beregning, KI og datavitenskap. Prisingsmodellene våre foreslår ikke bare priser, men forklarer også forslagene på en lett forståelig måte.

Hvordan støtter KI prissetting?

Prissetting av produktene dine er en av de mest utfordrende aspektene ved forretningsdriften. Hvordan prissetter du produktet optimalt? Hvordan vurderer du lagerkostnader? Hvordan planlegger du for markedets endringer? Hvordan reagerer du på konkurrentenes prisendringer? Vi utvikler prisingsmodeller for bedrifter ved å bruke en balansert blanding av teknikker fra økonomi, finans, ledelsesteori, høyytelsesberegning, KI og data science.

Menneskestyrt maskinsyn (HGMV): Systemet vårt for HGMV kombinerer rask bildebehandling og maskinvisionsalgoritmer med et avansert brukergrensesnitt for umiddelbar menneskelig tilbakemelding. Det leverer presise og kontekstsensitive resultater i sanntid på mange områder, inkludert meteorologi, medisin, filmrestaurering, spesialeffekter, arkeologi og mer.

Innbruddssporing i video: Vi har utviklet algoritmer for sanntidsdeteksjon av inntrengere i videostrømmer. Disse algoritmene kan brukes til sikkerhet og trygghet i næringsbygg, jernbanespor, kommunale veier osv.

Social-Graph-Mining: Algoritmene våre for social-graph-mining hjelper til med å oppdage konsepter som faglig ekspertise, samarbeidsnettverk, forbindelsesanbefalinger og atferdsprognoser for viral markedsføring basert på menneskers forbindelses- og samtalenettverk.

Eksempelprosjekter innen signal-, bilde- og videobehandling

Olje- og gassproduksjon: Tusenvis av sensorer på et oljefelt genererer kontinuerlig data. Disse dataene kan ha manglende verdier, feil, støy og bli samlet inn til forskjellige tider og hastigheter. Det er viktig å generere kvalitetssikrede data før de kan brukes til bedre forståelse av fysikken i det underliggende reservoaret og produksjonsnettverket.

Optimalisering av operative prosesser: Økonometri er anvendelse av signalbehandling og statistiske metoder på økonomiske data. Slike teknikker er viktig både teoretisk og praktisk. Praktisk kan signalbehandling og data science-teknikker brukes for å lage kvantitative markedsmodeller, som hjelper med prising og lagerstrategi.

Støydemping for høreapparater: Høreapparater hjelper eldre og hørselshemmede å leve et så normalt liv som mulig. For best resultat må lyden leveres til brukeren med maksimal klarhet og minimal støy eller forstyrrelse – og det må skje i sanntid.

Video-extensometri: For å forstå mekanisk oppførsel av objekter er det viktig å måle spenninger og tøyninger. En måte å måle tøyninger på er ved bruk av videobehandlingsteknikker kalt optical flow-analyse. Nøyaktigheter kan beregnes over hele det deformerte objektet.

Videocodecs: Vår partner har jobbet med mange videoencodere og decodere (codecs), inkludert standardbaserte codecs som MPEG og H.264, samt skreddersydde video-codecs for spesialiserte applikasjoner. I noen tilfeller har vi brukt multi-core prosessorkraft for å forbedre codec-ytelse samtidig som vi sparer energi.