CoffeDAT: Machine learning per optimitzar la configuració de màquines de cafè espresso
Un equip de la Càtedra SEAT-UPC dissenya estacions de recàrrega elèctrica per a la micromobilitat urbana
novembre 23, 2021
Desenvolupament d’un sistema redundant de seguretat de conducció en carreteres per a vehicles autònoms
octubre 26, 2021El Centre Motion Control and Industrial Applications (MCIA), en col·laboració amb l’empresa Caffè d’Autore, ha desenvolupat un sistema per optimitzar el rendiment de les màquines de cafè espresso que comercialitza la companyia.
Mitjançant tecnologies basades en machine learning s’han desenvolupat algorismes que han permès implementar un indicador que de forma remota (les màquines estan connectades a internet) i senzilla, identifica la configuració que ha establert el client una vegada en ús, i detecta les que treballen amb incoherències fruit d’una configuració inadequada.
A través d’aquest sistema l’empresa defineix les millores que s’han d’introduir a la personalització de les opcions perquè la configuració sigui consistent, de manera que s’utilitzi la quantitat de cafè i aigua adient per a cada selecció de tipus de cafè a preparar. D’aquesta manera s’aconsegueix, amb la màquina a casa del client, millorar la qualitat i la consistència dels productes, allargar la vida útil dels equips i optimitzar el consum d’energia, aigua i cafè.
El projecte ha tingut una durada de dos anys (2019-2020).
Tecnologia
Sector
Vols saber més?
Projectes Relacionats
- El centre de recerca Intelligent Data Science and Artificial Intelligence (IDEAI) de la UPC forma part del projecte AI4HealthyAging, que desenvoluparà solucions intel·ligents per a la detecció precoç de malalties neurològiques, motores i degeneratives derivades de l’envelliment.
- Cada any, més de quatre milions de pacients adquireixen alguna infecció associada a estades hospitalàries, segons l’European Centre for Disease Prevention and Control i l’Organització Mundial de la Salut. Les dades indiquen que l’impacte d’aquestes infeccions ja ha generat una mortalitat directa i indirecta de 137.000 pacients i un cost de set bilions d’euros anuals.
- El projecte Hospitals 4.0 – Machine learning per a una gestió més efectiva, en el qual participa el Grup MCIA de la Universitat Politècnica de Catalunya, té com a principal objectiu la construcció d'un digital twin que permetrà un sistema de gestió d'equips predictiu i correctiu.
- BIOPHOCH té com a objectiu desenvolupar noves eines i metodologies per a l’anàlisi d’imatges i el processament de dades en l’àmbit de la salut a través de les tecnologies fotòniques.
