Agência de IA em Utrecht

Uma empresa de IA desenvolve aplicações que usam dados para apoiar decisões e garante que continuam a funcionar em produção. Em Utrecht, isto envolve muitas vezes redes: a ProRail tem a sua sede em Moreelsepark e a província é proprietária do sistema de elétricos.

Desenvolvemos estes modelos no âmbito das nossas aplicações de IA. Se precisar primeiro de aconselhamento sobre que aplicação escolher, leia sobre o nosso consultor de IA em Utrecht.

Com Fiber-Optic Acoustic Sensing, os cabos de fibra ótica medem ondas sonoras. O caso de estudo da ProRail menciona técnicas como transformadas de Fourier, segmentação de imagens com um modelo U-Net e Tensorflow, em Databricks e Azure. Uma transformada de Fourier decompõe um sinal nas frequências que o constituem.

Na operação, surgem outras questões: quantos falsos alertas são aceitáveis, quem responde e o que acontece quando um cabo é substituído? Leia o caso de estudo da ProRail.

Controlo de versões do código e do modelo, um model registry, uma pipeline que testa e implementa novas versões e monitorização que envia um alerta a quem é responsável nesse momento. É também preciso definir o que a equipa de operações faz se o modelo falhar.

Na Waternet, enquanto parte da equipa Datalab, implementamos e mantemos um workflow de MLOps com um model registry em MLflow e templates de CI/CD. Saiba como funciona em MLOps.

Os dados de entrada mudam. Um cabo novo, um tipo diferente de roda ou um troço de via renovado produzem sinais que o modelo não conhece. O modelo continua a gerar alertas, mas estes tornam-se menos precisos. A isto chama-se drift.

Por isso, monitorizamos os dados de entrada e as previsões e voltamos a treinar o modelo quando necessário. Para a GVB, estabelecemos um ciclo de vida de MLOps porque o seu modelo de segmentação tinha de acompanhar as mudanças ao longo dos anos.

Sim, desde que exista um histórico de manutenção e avarias que possa ser comparado com as séries de medições. Segundo a Beheervisie Tramsysteem 2020-2024 da província de Utrecht, os ativos pertencem à província e a equipa Trambedrijf Beheer en Onderhoud gere a infraestrutura ferroviária local.

Com o histórico de manutenção dos elétricos, carris e agulhas, é possível prever onde será necessária manutenção. Saiba mais sobre predictive maintenance e IA para a gestão de infraestruturas.

Possivelmente. O ponto 2 do anexo III do Regulamento da IA abrange sistemas destinados a ser componentes de segurança na gestão e exploração de infraestruturas digitais críticas, do tráfego rodoviário e do fornecimento de água, gás, aquecimento ou eletricidade. Os sistemas ferroviários estão abrangidos pelas regras europeias para produtos do anexo I.

Com o pacote omnibus relativo à IA, os requisitos do anexo III aplicam-se a partir de 2 de dezembro de 2027. A interpretação jurídica cabe à sua equipa jurídica ou de compliance; ajudamos a identificar os sistemas relevantes e a propor uma classificação de risco. Consulte AI Act.

Sim, se a sua equipa tiver experiência com modelos em produção. Nesse caso, definimos antecipadamente quem é responsável pelo modelo, quem recebe os alertas, quando é feito um novo treino e quem aprova uma nova versão. Se não tiver capacidade suficiente, pode contratar um engenheiro de MLOps.

Se continuarmos a assegurar a gestão, fazêmo-lo através de AI Managed Services. Gerimos apenas soluções que desenvolvemos.

Se um limiar fixo no seu sistema de monitorização já detetar a anomalia de forma fiável, ou se a equipa de operações precisar sobretudo de uma visão de conjunto, um dashboard com os dados disponíveis será mais útil do que um modelo.

Se ainda não souber se os sinais contêm informação suficiente, explore primeiro os dados. É para isso que existe a nossa empresa de data science em Utrecht. Só faz sentido desenvolver um modelo se for possível demonstrar uma relação.