Logo EbigData.eu

Cyfryzacja i zastosowanie inteligentnych narzędzi to kluczowe elementy budowania przewagi konkurencyjnej. Projektujemy i wdrażamy rozwiązania dla przedsiębiorstw modelując procesy biznesowe, technologiczne czy produkcyjne. Wskazujemy narzędzia z zakresu technologii Przemysłu 4.0 do zastosowania w organizacji i finalnie scalamy powstałą architekturę w inteligentną całość. Zawsze koncentrujemy się na wsparciu kluczowych przewag firmy. Wdrażając sztuczną inteligencję nie burzymy roli człowieka w organizacji!

We create intelligent tools for business

Interdyscyplinarność jest metodą działania naszego zespołu. Czerpiemy doświadczenie z pracy w obszarach: produkcja, logistyka, analityka biznesowa, IT oraz działalności B&R w zakresie AI i nauk ścisłych.

Trzon firmy tworzą dwie osoby:

Mikołaj Kołodziejczak wywodząc się z zakresów produkcji i logistyki, bazując na zamiłowaniu do analiz optymalizacyjnych w 2017 roku rozpoczął od wdrożenia sztucznej inteligencji u ówczesnego pracodawcy VW Poznań. Od tamtej pory bez przerw realizuje budowanie rozwiązań opartych na AI w przemyśle i usługach. Razem z Andrzejem Soldaty miał przyjemność współtworzyć Fundację Platforma Przemysłu Przyszłości.

Dr Marcin Zientara swą karierę zawodową rozpoczął w 2000 roku w Instytucie Fizyki PAN w Warszawie. W 2004 roku obronił w nim doktorat w zakresie optyki i fizyki układów złożonych. Do 2013 roku pracował w polskich i niemieckich instytutach naukowych zajmujący się fizyką układów złożonych. Od 2013 r. aktywnie działa w obszarze B&R przenosząc swoją wiedzę zdobytą w pracy naukowej na grunt praktyczny. W trakcie tej działalności opracował i wdrożył narzędzia analityczne, symulacyjne i optymalizacyjne, które znalazły zastosowanie w firmach produkcyjnych, energetyce i finansach. Wynikiem jego prac są algorytmy do analizy i modelowania danych, zjawisk i procesów - wykorzystujące metody Big Data, AI i Data Science - stanowiące podstawę kilku kluczowych produktów w portfolio eBigData

Nasi ludzie pracowali dla:
Partnerzy strategiczni

Sztuczna inteligencja

Sztuczna inteligencja (ang. artifical intelligence, niem. Künstliche Intelligenz) - inteligencja wykazywana przez urządzenia przez urządzenia sztuczne (w przeciwieństwie do inteligencji naturalnej).

Sztuczna inteligencja (ang. artificial intelligence, niem. Künstliche Intelligenz) – inteligencja wykazywana przez urządzenia sztuczne (w przeciwieństwie do inteligencji naturalnej). Termin ten utworzył John McCarthy. W potocznym rozumieniu jest ona często używana w kontekście „prawdziwej sztucznej inteligencji”. W informatyce i kognitywistyce oznacza także tworzenie modeli i programów symulujących choć częściowo zachowania inteligentne[1][2]. Sztuczna inteligencja jest także przedmiotem rozważań filozofii (filozofia sztucznej inteligencji) oraz przedmiotem zainteresowania nauk społecznych.

Analityka danych

From data to knowledge

Sukces w skutecznej eksploracji, przetwarzaniu i analizie danych jest wypadkową wiedzy i doświadczenia badacza danych (data scientist). Na tym polu możemy poszczycić się zespołem ponad 10 ludzi z doświadczeniem w projektach przemysłowych i komercyjnych.

Wykres Wykres

Big Data 6V

Aktualnie Big Data oddziałuje praktycznie na każdy segment rynku, w k†órym zachodzi proces przetwarzania informacji. Należą do nich wszelkie instytucje, uczelnie, banki, przedsiębiorstwa produkcyjne, a nawet ośrodki zdrowia. Wszystkie te segmenty wykorzystują szybki dostęp do potrzebnej informacji, która z kolei ma zasadniczy wpływ na optymalizację dzialalności. Big data umożliwia ponadto szczegółowe rozpoznanie potrzeb i wymagań konsumentó - ich źródłem są zwłaszcza szerokie pojęte media społecznościowe. Jako, że każda jednostka nastawiona na zysk chce w swoim funkcjonowaniu odnieść sukces, odpowiednie przetwarzanie danych w działaniach strategicznych możliwe jest tylko przy wykorzystaniu Big Data.
Technologia chmury
Z najnowszych sieciowych rozwiazań technologicznych korzysta większość firm, które prowadzą działalnośść w internecie. Big Data i chmury używają przede wszystkim różnego rodzaju instytucje hostingowe, oferujące możliwość gromadzenia plików w internecie. Najczęściej wykorzystywane są tzw. chmury publiczne, związane z ogólnodostępnymi, zewnętrznymi dostawcami, tak jak wspomniany iCloud, Google Cloud Platform, Amazon Web Services, czy Microsft Azure.

Google Cloud Platform provides infrastructure as a service, platform as a service, and serverless computing environments.

The AWS technology is implemented at server farms throughout the world, and maintained by the Amazon subsidiary. Fees are based on a combination of usage (known as a "Pay-as-you-go" model), hardware, operating system, software, or networking features chosen by the subscriber required availability, redundancy, security, and service options. Subscribers can pay for a single virtual AWS computer, a dedicated physical computer, or clusters of either. As part of the subscription agreement. Amazon provides security for subscribers' systems. AWS operates from many global geographical regions including 6 in North America.

Platforma zbudowana jest z trzech technologii zapewniających specjalizowany zestaw możliwości dla programistów. Co więcej, platforma Windows Azure może być wykorzystywana przez aplikacje uruchamiane lokalnie na komputerach użytkowników, jak i aplikacje uruchamiane w chmurze.

Cloud
computing

Chmura obliczeniowa, przetwarzania w chmurze (ang. cloud computing) - model przetwarzania danych oparty na użytkowaniu usług dostarczonych przez usługodawcę (wewnętrzny dział lub zewnętrzną organizację). Chmura to usługa oferowana przez dane oprogramowanie (oraz konieczną architekturę).

Google Cloud Platform Microsoft Azure Amazon Web Services

TECHNOLOGIA
5G

Technologia mobilna piątej generacji obejmuje standard systemu, który musi spełniać założenia Międzynarodowego Związku Telekomunikacyjnego (ang. ITU), oznaczone jako IMT-2020[1]. Założenia te zawierają wymagania dotyczące parametrów wydajności i zastosowań, które system piątej generacji musi obsłużyć.

Technologia mobilna piątej generacji obejmuje standard systemu, który musi spełniać założenia Międzynarodowego Związku Telekomunikacyjnego (ang. ITU), oznaczone jako IMT-2020[1]. Założenia te zawierają wymagania dotyczące parametrów wydajności i zastosowań, które system piątej generacji musi obsłużyć.

Symulacje

Symulacja, modelowanie i analiza fizycznych i chemicznych zjawisk i procesów przemysłowych
Chcesz zrozumieć i kontrolować procesy, które występują w Twojej firmie?

W oparciu o dane wydobywać syntetyczną wiedzę? Poznaj nasze umiejętności i narzędzia!

Możemy symulować fizyko-chemiczne procesy technologiczne, modelować i analizować procesy stochastyczne.

Budujemy przewagi i tworzymy korzyści!
Wykres
Symulacja komputerowa – program komputerowy symulujący wybrane zjawisko fizyczne lub społeczne, najczęściej implementujący jego model matematyczny. Techniki symulacyjne są szczególnie przydatne tam, gdzie analityczne wyznaczenie rozwiązania byłoby zbyt pracochłonne, a niekiedy nawet niemożliwe, co często ma miejsce w systemach złożonych.
Metodologia stworzona przez Komisję Europejską (www.adma.ec) w celu obiektywnego określenia dojrzałości cyfrowej przedsiębiorstw produkcyjnych (2014-2020)

​ Jedyne w pełni obiektywne, agnostyczne technologicznie i międzynarodowe narzędzie oceny dojrzałości cyfrowej przedsiębiorstw​

Projekt będzie kontynuowany w programie 2021-2027 w celu jego masowej popularyzacji​

ADMA

Zaawansowane technologie produkcyjne
Fabryka
cyfrowa
Fabryka
ekologiczna
Inteligentna
produkcja
Organizacja
skupiona
na człowieku
Kompleksowa
inżynieria
zorientowana
na klienta
Otwarta fabryka
skoncentrowana
na łańcuchu
wartości

ADMA

Jedynie w pełni obiektywne, agnostyczne technologicznie i międzynarodowe narzędzie oceny dojrzałości cyfrowej przedsiębiorstw.

Projekt będzie kontynuowany w programie 2021-2027 w celu masowej popularyzacji.

80%
Taki procent wyników projektu ADMA w Polsce zrealizowaliśmy (uśrednione, dotyczy ilości SKANów, Raportów Dojrzałości oraz Planów Implementacji).
Taki procent wyników projektu ADMA w Polsce zrealizowaliśmy
40
Tyle osób przeszkoliliśmy i wdrożyliśmy w metodologię w ramach misji jej popularyzacji.
3
W tylu przedsiębiorstwach koordynujemy obecnie procesy transformacji cyfrowej w oparciu o dostarczone Plany Implementacji.

Sztuczna inteligencja w energetyce

Autorskie rozwiązanie łączące sztuczną inteligencję i fizyką realizujące prognozowanie popytu i podaży na energię elektryczną. Dokonuje bilansowania, optymalizuje obciążenia. W przypadku integracji z lokalną architekturą elektronicznych elementów kontrolno-pomiarowych jak i zasobów energetycznych i lokalnej infrastruktury oferujemy autonomiczny system energetyczny. Jako częściowe funkcjonalności oferujemy prognozy zmienności wiatrowej - krótko, średnio okresowe prognozy produktywności farm wiatrowych i fotowoltaicznych Logika działania algorytmu opiera się na warstwowej architekturze sieci złożonej, podobnej do architektury sieci Internet. Funkcjonalność naszej autorskiej sieci znakomicie wpisuje się w koncepcje Energetyki 2.0 oraz czystej energii.

Platforma analizy obrazów przemysłowych

Dysponujemy siecią neuronową dostosowaną do zdjęć przemysłowych, o dużej dokładności i precyzji realizacji wytyczonych zadań. Narzędzie wywodzi się z wielu lat doświadczeń z face recognition “zahartowane” w środowisku hal przemysłowych. Dostępne jako narzędzie to użytku użytkownikowi bez umiejętności programistycznych będzie zdolny sam uczyć sieć pod nowe przypadki. Trwa wdrożenie w zakładzie przemysłowym.

Sztuczna inteligencja w jakości

Algorytm przewidujący wystąpienie błędu jakościowego na bazie pomiarów części oraz powstającego w procesie produkcji wyrobu. Narzędzie to umożliwia wykrywanie potencjalnych problemów jakościowych na wstępnych etapach produkcji lub wręcz przed jej rozpoczęciem. Algorytm bierze pod uwagę zestawienie całości pomiarów oraz ich wzajemnych korelacji w odniesieniu do cech jakościowych finalnego produktu. Wdrożenie w fabryce samochodów.

Sztuczna inteligencja w TSL

Algorytm genetyczny optymalizujący sieci transportowe w układzie: wielu odbiorców, wiele magazynów i wiele środków transportu. Algorytm rozwiązuje Zagadnienie Marszrutyzacji stanowiące uogólnienie Problemu Komiwojażera. Algorytm wylicza optymalną siatkę tras koniecznych do efektywnego i czasowego dostarczenia towarów z magazynów do odbiorców. Dzięki opracowaniu oryginalnego sposobu zapisu informacji o trasach w chromosomach algorytmu genetycznego analizowana jest równocześnie cała sieć powiązań (magazyny – odbiorcy – auta – cechy dostawy) a nie niezależnie poszczególne kolejne elementy tej struktury. Algorytm daje możliwość monitorowania online planu realizacji tras i budowania zestawienia plan-wykonanie. Wdrożenie na dużej hurtowni farmaceutycznej.

Predykcja w procesach suszenia

Sieć neuronowa bazująca na wskazaniach czujników wilgotności w otoczeniu instalacji suszącej pozwalająca precyzyjnie wskazywać czas potrzebny do uzyskania określonej wartości wilgotności suszonego materiału. Wdrożenie w TEVA Kutno.

Predykcja w procesach suszenia

Sieć neuronowa bazująca na wskazaniach czujników wilgotności w otoczeniu instalacji suszącej pozwalająca precyzyjnie wskazywać czas potrzebny do uzyskania określonej wartości wilgotności suszonego materiału. Wdrożenie w TEVA Kutno.

Predictive Maintenance

Sieć neuronowa z autorską architekturą zasilaną know how z zakresu właściwości fizycznych układów złożonych - praktyczna implementacja SPAAS do formy samouczącego się systemu. Rozwiązanie do przewidywania zdarzeń niechcianych (awarie, postoje) oraz wskazywania z wyprzedzeniem realnego czasu serwisu czy napraw. Możliwe implementacje na pojedynczych maszynach jak i na całych liniach technologicznych.

Ocena i wyznaczanie parametru poziomu zapasów bezpieczeństwa

Autorski algorytm sztucznej inteligencji dokonujący ocen poziomów zapasów bezpieczeństwa w magazynach na podstawie parametrów przeszłej, bieżącej i przyszłej produkcji. Algorytm wyznacza poziom zapasu bezpieczeństwa dla określonych planów produkcyjnych. Powoduje optymalizację kosztową w stosunku do poziomu zapasów bezpieczeństwa wyznaczonych metodami klasycznymi. Wdrożenie w fabryce samochodów.

« »

From data to knowledge

eBigData sp. z o.o. z siedzibą w Gnieźnie,
ul. Kiszkowska 8, 62-200 Gniezno
NIP 784 252 46 12
Regon 387957011
KRS 0000878902

Telefon: +48 519 406 725
e-mail: mikolaj.kolodziejczak@ebigdata.eu