شرکت سامانه های هوشمند توسن افرا (TOSAN)

3 معرفی شرکت
شرکت سامانه های هوشمند توسن افرا با بهره گیری از دانش فنی و تجربه ی چندین ساله در توسعه راهکارها و نرم افزارهای سفارشی مبتنی بر هوش مصنوعی، به عنوان یکی از پیشگامان در این حوزه در کشور شناخته می شود. توسن افرا با بهره گیری از فناوری های پیشرفته، از جمله یادگیری ماشین، اینترنت اشیا، شبیه سازی صنعتی و هوشمندسازی اتوماسیون، به بهینه سازی فرآیندهای تولیدی و افزایش کارایی در محیط های صنعتی می پردازد. فعالیت های این شرکت شامل زمینه های متنوعی از جمله:
3.1 هوش مصنوعی و زیرشاخه ها
یادگیری ماشین (Machine Learning)
تحلیل داده (Data Analysis)
مدل سازی پیش بینانه (Predictive Modeling)
شبکه های عصبی عمیق (Deep Neural Networks)
سیستم های توصیه گر (Recommendation Systems)
تحلیل احساسات (Sentiment Analysis)
هوش تجاری (Business Intelligence)
تشخیص الگو (Pattern Recognition)
پردازش زبان طبیعی (Natural Language Processing)
توسعه الگوریتم های پیشرفته (Advanced Algorithm Development)
یادگیری عمیق (Deep Learning)
بینایی کامپیوتری (Computer Vision)
پردازش تصویر (Image Processing)
خودآموزی ماشین (Reinforcement Learning)
پردازش گفتار (Speech Processing)
تشخیص اشیا (Object Detection)
تشخیص و شناسایی چهره (Facial Recognition)
تحلیل داده های سری زمانی (Time Series Analysis)
تحلیل داده های حجیم (Big Data Analytics)
تحلیل داده های جغرافیایی (Geospatial Data Analysis)
مدل های زبانی بزرگ (Large Language Models)
شبکه های عصبی مصنوعی (Artificial Neural Networks)
هوش مصنوعی توضیح پذیر (Explainable AI)
خودآموزی بدون نظارت (Unsupervised Learning)
خودآموزی نظارت شده (Supervised Learning)
خودآموزی نیمه نظارت شده (Semi-Supervised Learning)
مدل سازی موضوع (Topic Modeling)
تحلیل داده های چندمتغیره (Multivariate Data Analysis)
تحلیل خوشه ای (Clustering Analysis)
تشخیص ناهنجاری (Anomaly Detection)
تولید محتوای تصویری (Automated Image Generation)
سیستم های هوش مصنوعی ترکیبی (Hybrid AI Systems)
مدل های مولد (Generative Models)
شبکه های مولد تخاصمی (Generative Adversarial Networks - GANs)
تحلیل رفتار (Behavior Analysis)
تحلیل و پیش بینی احساسات بازار (Market Sentiment Analysis and Forecasting)
3.2 اینترنت اشیا و زیرشاخه ها
اینترنت اشیا صنعتی (Industrial Internet of Things - IIoT)
فناوری های ارتباطی صنعتی (Industrial Communication Technologies)
مهندسی اینترنت اشیا (IoT Engineering)
مدیریت اطلاعات سنسورها (Sensor Information Management)
مدیریت داده های حسگرها (Sensor Data Management)
رایانش لبه ای در اینترنت اشیا (Edge Computing in IoT)
پروتکل های ارتباطی اینترنت اشیا (IoT Communication Protocols)
پلتفرم های اینترنت اشیا (IoT Platforms)
اینترنت اشیا برای تولید (IoT for Manufacturing)
اینترنت اشیا و هوش مصنوعی (AIoT)
تحلیل داده های جریان (Stream Data Analytics)
اتوماسیون صنعتی با اینترنت اشیا (Industrial Automation with IoT)
پایش و مدیریت انرژی (Energy Monitoring and Management)
اینترنت اشیا و صنعت 4.0 (IoT and Industry 4.0)
محاسبات ابری در اینترنت اشیا (Cloud Computing in IoT)
3.3 کنترل کیفیت و زیرشاخه ها
کنترل کیفیت خودکار (Automated Quality Control)
تحلیل داده های حسگر (Sensor Data Analytics)
کنترل فرایند بلادرنگ (Real-Time Process Control)
تشخیص و ردیابی اشیا (Object Detection and Tracking)
کنترل حرکت پیشرفته (Advanced Motion Control)
تشخیص خرابی تجهیزات (Equipment Fault Detection)
بازرسی کیفیت با بینایی ماشین (Quality Inspection with Computer Vision)
تحلیل داده های فرآیند (Process Data Analytics)
کالیبراسیون خودکار (Automated Calibration)
تحلیل پیش بینانه کیفیت (Predictive Quality Analytics)
مانیتورینگ و کنترل کیفیت (Quality Monitoring and Control)
بهینه سازی پارامترهای فرآیند (Process Parameter Optimization)
مدیریت کیفیت جامع (Total Quality Management - TQM)
تست و ارزیابی خودکار (Automated Testing and Evaluation)
تحلیل داده های تولید (Manufacturing Data Analysis)
کشف ناهنجاری های کیفیت (Quality Anomaly Detection)
3.4 شبیه سازی صنعتی و زیرشاخه ها
شبیه سازی و مدل سازی فرایند (Process Modeling and Simulation)
دوقلوی دیجیتال (Digital Twin)
شبیه سازی دیجیتال (Digital Simulation)
مدل سازی سه بعدی (3D Modeling)
شبیه سازی سیستم های صنعتی (Industrial Systems Simulation)
شبیه سازی بهینه سازی (Optimization Simulation)
3.5 تعمیر و نگهداری و زیرشاخه ها
نگهداری پیش بینانه (Predictive Maintenance)
پایش وضعیت ماشین ها (Machine Condition Monitoring)
پیش بینی خرابی (Failure Prediction)
مدیریت نگهداری هوشمند (Smart Maintenance Management)
پیش بینی زمان خرابی (Failure Time Prediction)
تحلیل داده های حسگر برای نگهداری (Sensor Data Analytics for Maintenance)
استفاده از هوش مصنوعی در تعمیرات (AI for Maintenance)
نگهداری مبتنی بر شرایط (Condition-Based Maintenance)
تعمیرات خودکار (Automated Repairs)
تحلیل قابلیت اطمینان (Reliability Analysis)
مدیریت دوره عمر تجهیزات (Equipment Lifecycle Management)
تحلیل ریشه ای مشکلات (Root Cause Analysis)
پایش سلامت دارایی ها (Asset Health Monitoring)

3.6 هوشمندسازی اتوماسیون صنعتی و زیرشاخه ها
سیستم های خودکار هوشمند (Automated Intelligent Systems)
سیستم های خودکار پیشرفته (Advanced Automation Systems)
طراحی و توسعه سیستم های خودکار (Automation Syst