Idan Suliman™ DATA ANALYSIS · EXPERT OPINION

פיתוח אלגוריתמים ופתרונות טכנולוגיים

אלגוריתמים ומודלים מתמטיים לבעיות מורכבות

פיתוח אלגוריתמים, מודלים ופתרונות טכנולוגיים לבעיות שהכלים הסטנדרטיים אינם מספקים להן אמינות ויציבות.

נקודת המוצא

לעיתים קרובות המגבלה אינה בטכנולוגיה, אלא בניסוח המתמטי של הבעיה

פעמים רבות הכלים המקובלים נעצרים מול אילוץ שנראה הנדסי, כשבפועל הוא נובע מהאופן שבו הבעיה הוגדרה. לכן העבודה נפתחת בניסוח הבעיה כמודל מתמטי, ורק לאחר מכן נבחר הכלי: מתמטיקה שימושית, אלגוריתמים ייעודיים או למידת מכונה.

הגישה נשענת על שיטות שהצוות פיתח במחקר על נתונים רועשים ורב-ממדיים, לצד שליטה מלאה בשיטות המקובלות.

סוגי הבעיות שאנחנו פותרים

  • אות שטובע ברעש

    מדידות, הקלטות ונתוני חיישנים שבהם האות חלש מהרעש: סינון, הפרדת מקורות וזיהוי אירועים ונקודות שינוי.

  • ניסויים שצריך להכריע בהם

    תכנון ניסוי, גודל מדגם וניתוח התוצאות: האם השיפור שנמדד אמיתי, מה גודלו והאם יחזור בייצור.

  • ניטור, חריגות ותחזוקה חזויה

    זיהוי חריגות ותקלות מתפתחות בנתוני מכונות, חיישנים ותהליכים, לפני שהן הופכות לתקלה.

  • חיזוי וסדרות עתיות

    ביקוש, עומסים, מלאי ותקלות: מודלי חיזוי שמציגים טווח ורמת ודאות, ונבדקים על נתוני עבר לפני השימוש.

  • אופטימיזציה ותזמון

    הקצאת משאבים, שיבוץ, ניתוב ותמחור: ניסוח הבעיה כבעיית אופטימיזציה ופתרון בתוך האילוצים התפעוליים.

  • סיווג וזיהוי דפוסים

    סיווג אירועים, מסמכים או לקוחות, וזיהוי דפוסים במאגרים רב-ממדיים, במודלי למידה שנבנים לפי הבעיה.

  • מודל שעובד במעבדה ולא בייצור

    איתור מקור הפער, בנתונים שהשתנו לאורך זמן, בהנחה שאינה מתקיימת או במימוש, והתאמת המודל לתנאי השטח.

  • ביצועים והיקף

    אלגוריתם שאינו עומד בקצב או בנפח הנתונים: ניתוח סיבוכיות, ארכיטקטורה ומימוש יעיל.

  • שילוב נתונים ממקורות שונים

    קישור רשומות בין מערכות שאין ביניהן מזהה משותף, בדיקת עקביות והשלמת נתונים חסרים, כבסיס לכל ניתוח.

מה אנחנו עושים, מאפיון ועד הטמעה

01

אפיון ומפת פערים

כשנדרשת תמונה מלאה לפני השקעה בפיתוח

המצב הקיים מול היעד: תהליכים, מערכות ונתונים, כפי שהם פועלים בפועל.

התוצר מפת פערים ותוכנית עבודה מדורגת, ליישום עצמאי או איתנו

02

מודלים מתמטיים וכימות

כשהחלטה מהותית נשענת על הערכה

עלות-תועלת, סיכון ותרחישים במודל שכל הנחה בו גלויה, עם סימולציות וניתוח רגישות.

התוצר טווח במקום מספר יחיד, שאפשר להציג להנהלה ולדירקטוריון

03

אלגוריתמים ולמידת מכונה

כשיחס האות לרעש נמוך, או כשמודל אינו מתכנס

חילוץ אות ממדידות רועשות ומנתונים רב-ממדיים בשיטות של למידת מכונה, ואלגוריתמים ייעודיים כשהכלים הסטנדרטיים אינם מספיקים, כולל ארכיטקטורות שנבנות מהיסוד.

התוצר מודל שנבדק בתנאי השטח, עם מדד לרמת הוודאות

04

חוות דעת מומחה לתעשייה

כשנדרשת קביעה מקצועית על סמך נתוני מדידה

ניסויים, מערכי חיישנים ונתוני מדידה, באותה הקפדה של חוות דעת לבית המשפט: שאלה, נתונים, מתודולוגיה, ממצאים ומגבלות.

התוצר מסמך שאפשר להציג ולהסביר, עם מידת הוודאות של כל ממצא

05

אוטומציה ואינטגרציה

כשתהליכים ידניים חוזרים צורכים זמן של אנשי מקצוע

מערכות שקולטות, בודקות ומעבירות נתונים ללא התערבות ידנית, ומסנכרנות בין המערכות הקיימות.

התוצר פחות עבודה ידנית ופחות טעויות, וצוות שמתפנה למשימות הדורשות שיקול דעת

06

ניהול פרויקטים טכנולוגיים

כשנדרשת הובלה מקצה לקצה

אפיון, תכנון ארכיטקטורה, הנדסת נתונים, פיתוח והטמעה מלאה, בתוך האילוצים והקריטיות של הארגון.

התוצר מערכת מוטמעת, צוות מודרך ותיעוד המאפשר תחזוקה עצמאית

אבטחת מידע: הפתרון רץ בתוך התשתית שלכם

  • בתוך התשתית הארגונית

    פיתוח והטמעה בתוך השרתים והמערכות הקיימים, לפי נוהלי האבטחה של הארגון.

  • פרטיות המידע

    המידע אינו מועבר לשרתים חיצוניים או לענן של צד שלישי, אלא לבקשתכם.

  • סודיות ומחיקה מתועדת

    כל מי שנחשף לנתונים חתום על התחייבות סודיות. בסיום, כל חומר שהתקבל מוחזר או נמחק.

פנו אלינו