Contact
Vlaggenschip · GovTech
India Post – klachtensysteem

Landelijk in India, gegund via GeM (nov. 2025).

Lees →
Vlaggenschip · GovTech
India Post – klachtensysteem

Landelijk in India, gegund via GeM (nov. 2025).

Lees →
Internationale aanwezigheid
India · België · VK

Drie kantoren, drie tijdzones.

→
AI & Machine Intelligence

Vier AI-producten voor klanten in instrumenten, mode, retail en energiedistributie

Elk product draait in productie en heeft een gemeten resultaat, van 25% lagere onderhoudskosten tot 90% verbetering van de prognosenauwkeurigheid.

Voorspellend onderhoud

De uitdaging

De klant is de grootste Oostenrijkse fabrikant en distributeur van innovatieve analytische instrumenten. De instrumenten van het bedrijf helpen klanten de prestaties van productieapparatuur te monitoren, en een van de producten, EasyDens, wordt gebruikt door thuisbrouwers. Het bedrijf vroeg ons een AI-product te bouwen dat kon voorspellen wanneer onderhoud nodig zou zijn – met flinke besparingen ten opzichte van routinematig preventief onderhoud op vaste tijdstippen.

De oplossing

We leverden een AI-product voor predictive maintenance dat de klant en diens klanten uit een reactieve cyclus haalde en naar preventief en voorspellend onderhoud bracht, met een duidelijk verbeterde onderhoudsplanning.

Resultaten

25%Lagere onderhoudskosten voor de klanten van de opdrachtgever

Gebruikte technologieën

Python Autoencoder One-Class SVM PyOD Multivariate Gaussian TensorFlow Keras

Lichaamsmaten bepalen met computer vision

De uitdaging

Deze Amerikaanse klant beheert een platform voor maatadvies en visualisatie voor mode-e-commerce. Het bedrijf wilde zijn product verder uitbreiden, zodat de shoppers van de merken waarvoor het werkt nog makkelijker de perfecte pasvorm vinden.

De oplossing

Met de AI-tool voor lichaamsmeting op basis van computer vision verhogen de merken nu hun conversie en verlagen ze hun retouren. Kleding passen gaat sneller en wordt toegankelijker, ook buiten de paskamer, en de merken van de klant hebben minder retouren en tevredener klanten.

Resultaten

20%Minder verkoopretouren voor de merken van de klant

Gebruikte technologieën

Python TensorFlow Keras PyTorch fastai OpenCV CNN

Multichannel-attributie

De uitdaging

Deze Indiase e-commerceretailer wilde de waardevolste klanten met de grootste koopkans op zijn platform identificeren. Zo kon het de customer journey per klant optimaliseren, zijn marketingmiddelen zo goed mogelijk inzetten en zijn winst laten groeien.

De oplossing

Het product identificeert eerst de belangrijkste klanten en brengt vervolgens in kaart hoe die klanten over verschillende kanalen met het merk omgaan. Het kent aan elk kanaal een gewicht toe en wijst ten slotte elke conversie toe aan de kanalen die er het meest aan bijdroegen.

Resultaten

15%Stijging van de verkoop
18%Lager percentage afgebroken winkelmandjes

Gebruikte technologieën

Python Markov Chain

Personeelsprognose

De uitdaging

Deze Indiase klant is een bedrijf in energiedistributie en ondersteunende diensten. Een onverwachte piek in de vraag naar elektrotechnici deed het serviceniveau drastisch dalen. Het bedrijf moest de personeelsbehoefte voor zijn technici en lijnwerkers 30 dagen vooruit voorspellen om het serviceniveau te verhogen en tegelijk de kosten onder controle te houden.

De oplossing

We hielpen het bedrijf een product te bouwen dat met deep-learningtechnieken de personeelsbehoefte voor de komende dagen voorspelt, zodat het zijn personeelsplanning met vertrouwen kan maken.

Resultaten

90%Verbetering van de prognosenauwkeurigheid

Gebruikte technologieën

Python ARIMA LSTM RNN Fuzzy Time Series Vector Autoregression

Veelgestelde vragen

Welke AI-producten bouwde Mindrops voor deze klanten?
Vier, allemaal in productie: een predictive-maintenanceproduct voor de grootste Oostenrijkse fabrikant van analytische instrumenten, een computer-vision-tool voor lichaamsmaatname voor een Amerikaans maatadviesplatform voor mode-e-commerce, een multichannel-attributieproduct voor een Indiase e-commerceretailer en een product voor personeelsprognose voor een Indiaas bedrijf in energiedistributie en ondersteunende diensten.
Welke technologieën en modellen zijn gebruikt?
Alle vier zijn gebouwd in Python. Predictive maintenance gebruikt autoencoders, One-Class SVM, PyOD en multivariate Gaussische modellen op TensorFlow en Keras; lichaamsmaatname gebruikt CNN’s met TensorFlow, Keras, PyTorch, fastai en OpenCV; attributie gebruikt Markov-ketens; en de prognose combineert ARIMA, LSTM- en RNN-netwerken, fuzzy time series en vectorautoregressie.
Welke resultaten leverden de AI-producten op?
Predictive maintenance verlaagde de onderhoudskosten voor de klanten van de opdrachtgever met 25%. Lichaamsmaatname verminderde de verkoopretouren voor de merken van de klant met 20%. Multichannel-attributie verhoogde de verkoop met 15% en verlaagde het percentage afgebroken winkelmandjes met 18%. Personeelsprognose verbeterde de nauwkeurigheid van de prognose met 90%.
Hoe werkt het product voor personeelsprognose?
Het voorspelt tot 30 dagen vooruit hoeveel technici en lijnwerkers de klant nodig heeft, met deep-learning- en tijdreeksmodellen. Zo kan het bedrijf na een onvoorziene piek in de vraag zijn serviceniveau verhogen en tegelijk de kosten onder controle houden.
Kan Mindrops ook voor ons een AI-product bouwen?
Ja. Het team voor AI-ontwikkeling van Mindrops bouwt machine-learningproducten die in productie draaien, voor sectoren zoals de maakindustrie en retail en e-commerce. Vraag een projectraming aan – we reageren binnen één werkdag.

Contact

Vertel ons welk resultaat u nastreeft en wij laten zien hoe we de AI zouden bouwen om er te komen.

Meer cases →

We gebruiken noodzakelijke cookies om deze website te laten werken. Analytische en marketingcookies zijn optioneel.