Principais pormenores
Minimização dos riscos para a saúde e redução dos custos através da automatização do serviço de apoio em tempo real.
-
DesafioMelhorar a aplicação de cuidados de saúde IoT com IA
-
SoluçãoModelo ML para processar dados na base de dados do Cliente e gerar notificações push
-
Tecnologias e ferramentasPython + DS, APNs, AWS Lambda, PostgreSQL, Swift (iOS)
Cliente
O cliente é uma empresa europeia especializada no fornecimento de soluções de TI para empresas de diferentes sectores. Para melhorar a abordagem comercial existente através da implementação de tecnologias modernas, o cliente precisava de uma aplicação de cuidados de saúde integrada com a IoT e Soluções de IA para melhorar as condições de trabalho para os empregados e aumentar a eficiência dos serviços. O cliente estava à procura de especialistas no domínio do desenvolvimento de software de IA.
Desafio: melhorar a aplicação de cuidados de saúde IoT com IA
Como fornecedor experiente de Desenvolvimento de software de IA serviços, a ESSID Solutions foi desafiada a formar uma aprendizagem automática (ML) para aumentar a solução existente do cliente. A nossa equipa de engenharia foi incumbida de construir um modelo capaz de processar eficazmente grandes quantidades de dados históricos e dados recolhidos a partir de dispositivos portáteis para criar e fornecer notificações push baseadas em dados para iOS como resultado.
O componente IoT era uma pulseira que media o ritmo cardíaco do condutor antes e durante cada viagem. Estes dados não eram suficientes para uma avaliação fiável do estado de saúde. Para sistematizar e processar mais dados, a solução existente exigia um modelo adicional baseado em ML.
Solução: Modelo ML para processar vários tipos de dados e gerar notificações personalizadas
A IoT cuidados de saúde A aplicação destina-se aos condutores de veículos comerciais com problemas de saúde. A prevenção de casos de emergência faz parte do programa de cuidados e gestão de despesas do empresário.
A equipa da ESSID Solutions começou por analisar a solução existente. A nossa Investigação e desenvolvimento da IA Os especialistas analisaram as capacidades da aplicação existente para encontrar as melhores formas de a melhorar.
Para além dos dados recolhidos através das pulseiras, foram obtidos os seguintes tipos de dados para o modelo como entrada:
- Ritmo cardíaco do condutor
- Sexo e idade do condutor
- Dados históricos do ritmo cardíaco
- Informações meteorológicas
- Hora do dia
- Rota e destino
Os dados recolhidos foram introduzidos na base de dados do cliente para posterior processamento. Assim, foram utilizadas as seguintes fontes de dados para obter os dados de entrada para o modelo ML:
Com base nos dados de entrada abrangentes, treinámos o modelo para realizar as seguintes tarefas:
- Analisar o estado de saúde dos condutores
- Detetar problemas de saúde
- Gerar notificações push
- Enviar alertas e recomendações aos condutores
O algoritmo divide a saída recebida em 3 categorias ou zonas. Dependendo de uma ou outra categoria, são enviadas diferentes notificações push e recomendações aos condutores a partir do servidor. Os exemplos são os seguintes:
Para completar a tarefa, a equipa da ESSID Solutions utilizou o serviço Apple Push Notification (APNs) para ativar a funcionalidade de notificações remotas. A nossa equipa também utilizou o serviço do Cliente para armazenar e processar dados.
Resultado: Solução de gestão de despesas com tecnologia ML, redução de custos como resultado da automatização de processos
A equipa da ESSID Solutions forneceu com sucesso o modelo de ML que permitiu a fusão de IoT e IA para melhorar a aplicação de cuidados de saúde do cliente. O algoritmo fornecido facilitou a análise de dados e permitiu notificações push baseadas em dados para dispositivos iOS.
O algoritmo incorporado trabalhou eficientemente com diferentes tipos de dados e permitiu criar recomendações mais personalizadas. Além disso, a solução da ESSID Solutions permitiu ao proprietário de uma frota de veículos comerciais cuidar melhor dos funcionários, melhorar as condições de trabalho dos condutores, minimizar os riscos para a saúde e reduzir os custos através da automatização do serviço de apoio em tempo real.