Loading...

Catalyseur
d'infrastructures
intelligentes

Détails In English
scroll down

MLDB.ai et Infra.ai se joignent à ElementAI

MLDB est fier d’avoir été acquis par ElementAI pour poursuivre les initiatives d’innovation que nous réalisons au profit de nos nombreux clients. Joindre l’équipe de ElementAI va nous permettre de fournir encore plus d’expérience et d’expertise à nos projets actuels et nous sommes impatients de débuter le prochain chapitre d’innovations qui changeront le monde.

Pour en savoir plus sur le voyage qui nous attend, vous pouvez consulter le billet de blogue de Jeremy Barnes, le PDG de MLDB.



Bienvenue chez infra.ai

Nous sommes une compagnie logicielle spécialisée en intelligence artificielle et en apprentissage automatique. Nous fournissons une série d'outils pour fournir une visibilité contextuelle temps réel pour le monde physique. En particulier, nous travaillons sur Infrastructure View, qui est présentement en bêta privé, et qui est construit sur notre plateforme d'apprentissage automatique: MLDB, the Machine Learning Database.

Definity HTML5 Template

Industries

Villes intelligentes

Pris dans le trafic en conduisant sur des infrastructures qui dépérissent? Nos villes ne sont pas encore très intelligentes. Nous pouvons aider.

Entreprises de services publics

Les compagnies de services publics, comme les fournisseurs d'électricité ou de gaz naturel, ont des milliards de dollars d'équipement et d'infrastructures déployés sur le terrain. Beaucoup de travail de maintenance comme les inspections est encore réalisé manuellement. Nous pouvons aider à surveiller te prédire quand une inspection est nécessaire en avance.

Fonctionnement

Collecte de données à faible coût & compression via de l'IA

Nous diminuons dramatiquement le coût d'acquisition des données, jusqu'à 20 fois, en utilisant des senseurs moins dispendieux. Nous pouvons donc augmenter la fréquence de collecte pour rendre les données utiles opérationnellement. Nous utilisons aussi des algorithmes dernier cri d'IA pour compresser les flux de données directement sur les noeuds de collecte.

Transmission sans-fil

En effectuant une partie du traitement sur le noeud de collecte, nous pouvons compresser les signaux avec de l'IA. Cela rend alors possible la transmission des données via le sans-fil, sur un réseau WifI ou cellulaire. On n'a donc plus à avoir une grande capacité de stockage sur le noeud de collecte et on peut rapatrier l'information beaucoup plus rapidement vers un serveur central.

Indexation et reconnaissance avec de l'apprentissage profond

En utilisant les dernières avancées en apprentissage profond, nous sommes en mesure d'identifier et d'indexer les objets et éléments qui sont importants pour nos clients. C'est ce qui permet de réellement valoriser les données.

Notre système DeepTeach™

Écouter la vidéo (en anglais)

Cas d'utilisation

À travers des projets pilotes avec des partenaires beta, nous avons identifié
plusieurs cas d'utilisations où notre technologie est applicable.
Project Example

Identification et comptage temps réel de la circulation

En utilisant des caméras de circulation existantes, déterminer la composition et les profils de circulation ainsi que tout incident anormal.
Project Example

Détection temps réel des espaces de stationnement libre

Au lieu d'installer de l'équipement spécialisé couteux, permet d'utiliser les caméras de sécurité ou de circulation déjà en place pour déterminer l'utilisation des espaces.
Project Example

Détection de changement pour les infrastructures

Recevoir des avertissements dès qu'une infrastructure critique se comporte d'une manière anormale.
Project Example

Modélisation de points bas pour prédire les zones à risque d'inondation

En utilisant des données 3d Lidar, modélisation du terrain pour détecter les poids bas et les cuvettes pour établir les zones à risque d'inondation en situation d'évènement météo extrême.
Project Example

Automatisation des inspections

En utilisant des senseurs sur les équipements ou en à partir de véhicules en mouvement munis de senseurs et pouvant visiter plusieurs équipements rapidement, on peut déterminer quel équipement nécessite une inspection manuelle plus exhaustive, ce qui permet d'augmenter l'efficacité des équipes d'entretien.
Project Example

Maintenance prédictive

En utilisant des senseurs IoT industriels, prédiction de la probabilité qu'un équipement ait une défaillance avant qu'elle se produise, permettant d'agir avant qu'un temps d'arrête non planifié survienne.
-->

Contactez-nous

N'hésitez pas à nous contacter au info@infra.ai.
Definity HTML5 Template