Detalles clave
Minimización de riesgos sanitarios y reducción de costes mediante la automatización del servicio de asistencia en tiempo real.
-
DesafíoMejore la aplicación sanitaria IoT con IA
-
SoluciónModelo ML para procesar datos en la base de datos del Cliente y generar notificaciones push.
-
Tecnologías y herramientasPython + DS, APNs, AWS Lambda, PostgreSQL, Swift (iOS)
Cliente
El cliente es una empresa con sede en Europa especializada en ofrecer soluciones informáticas para empresas de diferentes sectores. Para mejorar el enfoque empresarial existente mediante la implementación de tecnologías modernas, el cliente necesitaba una aplicación de atención sanitaria integrada con el IoT e Soluciones de IA para mejorar las condiciones de trabajo para los empleados y aumentar la eficacia de los servicios. El cliente buscaba expertos en el campo del desarrollo de software de IA.
Reto: mejorar la aplicación sanitaria IoT con IA
Como proveedor experimentado de Desarrollo de software de IA servicios, ESSID Solutions se enfrentó al reto de formar a un aprendizaje automático para aumentar la solución existente del cliente. Nuestro equipo de ingenieros se encargó de crear un modelo capaz de procesar de forma eficiente grandes cantidades de datos históricos y datos recopilados de dispositivos portátiles para crear y enviar notificaciones push basadas en datos para iOS.
El componente IoT era una pulsera que medía la frecuencia cardiaca del conductor antes y durante cada viaje. Estos datos no bastaban para realizar una evaluación fiable del estado de salud. Para sistematizar y procesar más datos, la solución existente requería un modelo adicional basado en ML.
Solución: Modelo ML para procesar varios tipos de datos y generar notificaciones personalizadas.
El IoT sanidad La aplicación está destinada a los conductores de vehículos comerciales con problemas de salud. La prevención de casos de emergencia forma parte del programa de atención a los empleados y gestión de gastos del empresario.
El equipo de ESSID Solutions empezó analizando la solución existente. Nuestro Investigación y desarrollo de la IA se sumergieron en las capacidades de la aplicación existente para idear las mejores formas de mejorarla.
Además de los datos recogidos a través de las pulseras, introdujimos en el modelo los siguientes tipos de datos:
- Ritmo cardíaco del conductor
- Sexo y edad del conductor
- Datos históricos de frecuencia cardíaca
- Información meteorológica
- Hora del día
- Ruta y destino
Los datos recopilados se introdujeron en la base de datos del cliente para su posterior procesamiento. Así pues, se utilizaron las siguientes fuentes de datos para obtener la información necesaria para el modelo ML:
A partir de los exhaustivos datos de entrada, entrenamos el modelo para realizar las siguientes tareas:
- Analizar el estado de salud de los conductores
- Detectar problemas de salud
- Generar notificaciones push
- Enviar alertas y recomendaciones a los conductores
El algoritmo divide la información recibida en 3 categorías o zonas. En función de una u otra categoría, desde el servidor se envían a los conductores diferentes notificaciones push y recomendaciones. Los ejemplos son los siguientes:
Para completar la tarea, el equipo de ESSID Solutions utilizó el servicio Apple Push Notification (APN) para habilitar la función de notificaciones remotas. Nuestro equipo también utilizó el servicio del Cliente para almacenar y procesar datos.
Resultado: Solución de gestión de gastos impulsada por ML, reducción de costes como resultado de la automatización de procesos.
El equipo de ESSID Solutions entregó con éxito el modelo ML que permitió la fusión de IoT e IA para mejorar la aplicación sanitaria del cliente. El algoritmo proporcionado facilitó el cálculo de datos y habilitó las notificaciones push basadas en datos para dispositivos iOS.
El algoritmo incorporado trabajó eficazmente con distintos tipos de datos y permitió crear recomendaciones más personalizadas. Además, la solución de ESSID Solutions permitió al propietario de una flota de vehículos comerciales cuidar mejor de los empleados, mejorar las condiciones de trabajo de los conductores, minimizar los riesgos para la salud y recortar costes automatizando el servicio de asistencia en tiempo real.