L'innovazione nel territorio

GeosmartMagazine

L'innovazione nel territorio

L'AZIENDA NON È PIÙ PRESENTE NEL REGISTRO DELLE IMPRESE

Sis.Ter. Pomos

SIS. TER. POMOS srl, Startup Innovativa e riconosciuta dall’ Università degli Studi di Roma “La Sapienza”, nasce dalla pluriennale esperienza nel mondo della Formazione, della Ricerca e dello Sviluppo Tecnologico maturata nel Laboratorio di Ricerca POMOS – Polo per la Mobilità Sostenibile di Cisterna di Latina – Dipartimento di Ingegneria dell’ Informazione, Elettronica e Telecomunicazioni D.I.E.T. – dell’ Università degli Studi di Roma “La Sapienza”.

Si pone, pertanto, come un System Integrator, società di competenza ed innovazione, che integra l’attività di ricerca con l’azione di supporto, anche finanziario, per lo sviluppo di processi di innovazione e per il trasferimento tecnologico nel territorio, nelle imprese e per enti pubblici e privati.
Al tal fine, in qualità di Start up dell’ Università Sapienza di Roma sviluppa un insieme integrato di azioni ed interventi, sistematizzati in 4 linee strategiche di attività:

1. Sviluppo e produzione di software ed algoritmi per intelligenza artificiale, big data analytics ed il machine learning
2. Ricerca & Sviluppo di tecnologie e prodotti con alto grado di innovazione e sostenibilità con particolare orientamento alle nuove tecnologie, alle energie alternative, alla green economy ed alla Mobilità Sostenibile per aziende, privati ed enti pubblici.
3. Pianificazione territoriale con il supporto di sistemi GIS
4. Energy, Innovation e Mobility Management per enti ed Aziende

Concorrenza

Concordamente a quanto descritto per il punto precedente, i concorrenti naturali per la SIS.TER. POMOS sono i Competence Center Internazionali come ovviamente anche tutte le società che operano nel settore dell’ Intelligenza artificiale, ma tali competitor possono essere visti anche come importanti e possibili partner tecnici-scientifici con i quali collaborare assiduamente per il raggiungimento dei nostri obiettivi aziendali.
Settore: Servizi
Labels: ArtificialIntelligen, ELECTRICVEHICLE, MachineLearning
Canali di Vendita: Direttamente
Interessi: Clienti

Stadio della startup Sis.Ter. Pomos

Prodotto/Servizio

Team

Dati della startup Sis.Ter. Pomos

Costituzione Impresa : 04/04/2017
Data iscrizione alla sezione delle Startup: 14/05/2019
Denominazione:
SIS.TER. POMOS S.R.L.
Comune: LATINA
Provincia: Latina
Regione: Lazio
Codice Fiscale: 02928510599
Forma Giuridica : SOCIETA' A RESPONSABILITA' LIMITATA
Codice Ateco : 6201
Settore: Servizi

Sis.Ter. Pomos

Modello di Business

SIS. TER. POMOS intendere creare valore per i propri clienti sfruttando il proprio know-how, come anche quello detenuto da partner accademici ed industriali, per fornire servizi di assistenza tecnica in una visione sistemica, finalizzati al trasferimento di competenze tra ricerca universitaria e grandi aziende che vogliano investire nei settori dei sistemi energetici, dei sistemi di accumulo dell’energia, della gestione ottima delle fonte rinnovabili e della mobilità sostenibile. SIS. TER. POMOS si propone come il fulcro di un hub che, nella logica del supply chain e del value chain, presieda scientificamente le attività industriali e di produzione sul tema della transazione energetica.

Innovazione

In possesso di titoli di proprietà intellettuale in capo all’impresa e/o ai founder e/o terzi D012088 proprietario – Registrazione di programma per elaboratore (software) originario D012087 proprietario – Registrazione di programma per elaboratore (software) originario 102020000027870 proprietario – Brevetto per invenzione industriale 16229 A EU 3199 proprietario – Brevetto per invenzione industriale Breve descrizione degli aspetti di innovazione che caratterizzano il business dell’impresa I temi tecnologici connessi all’efficienza energetica (Smart Grids, sistemi di accumulo, gestione e controllo delle fonti rinnovabili) e all’intelligenza artificiale (machine learning, industria 4.0, Big Data Analytics, veicoli a guida automatica) sono in una fase di rapida espansione, tanto per l’interesse da parte del mondo delle imprese, quanto per i notevoli impatti sociali che i progressi in questi campi comporteranno. Questa esplosione di interesse è confermata, a livello Europeo, anche dagli argomenti predominanti dei bandi del programma Horizon 2020. Pertanto, una società che sia in grado di operare in entrambi questi due settori, incentrando le attività proprio sull’applicazione di tecniche di intelligenza computazionale e machine learning alla progettazione di sistemi di mobilità ed energetici innovativi, si colloca certamente in un settore di sicuro sviluppo, che vedrà ampliare esponenzialmente gli ambiti applicativi. Prevediamo infatti che i due temi citati non costituiscano una bolla tecnologica destinata a deflazionare nel breve periodo. La velocità di progresso scientifico sulle tecniche di base e sulle applicazioni dell’intelligenza artificiale applicata ai sistemi energetici è destinata ad aumentare, creando nuove opportunità di crescita e sviluppo nel breve, medio e lungo periodo.

Requisiti di innovazione tecnologica

R&S

Team Qualificato

Proprietà Intellettuale

classe di produzione
100K-500K euro
B

Leggenda Classe di Produzione
A=1-100K euro
B=100K-500K euro
C=500K-1M euro
D=1M-2M euro
E=2M-5M euro
F=5M-10M euro
G=10M-50M euro
H=più di 5OM di euro
ND=non disponibile

classe di addetti
0-4 addetti

Leggenda Classe di Addetti
A=0-4 addetti
B=5-9 addetti
C=10-19 addetti
D=20-49 addetti
E=50-249 addetti
F=almeno 250 addetti
ND=non disponibile

A
classe di capitale
5K-10K euro
3

Leggenda Classe di Capitale
1=1 euro
2=1-5K euro
3-5K-10K euro
4=10K-50K euro
5=50K-100K euro
6=100K-250K euro
7=250K-500K euro
8=500K-1M euro
9=1M-2,5M euro
10=2,5M-5M euro
11=più di 5M di euro
ND=non disponibile

prevalenza femminile
NO

Legenda prevalenza femminile/giovanile/straniera
NO: [% del capitale sociale + % Amministratori] / 2 ≤ 50%
Maggioritaria: [% del capitale sociale + % Amministratori] / 2 > 50%
Forte: [% del capitale sociale + % Amministratoril / 2 > 66%
Esclusiva: [% del capitale sociale + % Amministratori] / 2 = 100%
?: Non disponibile

I dati sulla prevalenza sono riferiti al trimestre precedente

prevalenza giovanile
NO

Legenda prevalenza femminile/giovanile/straniera
NO: [% del capitale sociale + % Amministratori] / 2 ≤ 50%
Maggioritaria: [% del capitale sociale + % Amministratori] / 2 > 50%
Forte: [% del capitale sociale + % Amministratoril / 2 > 66%
Esclusiva: [% del capitale sociale + % Amministratori] / 2 = 100%
?: Non disponibile

I dati sulla prevalenza sono riferiti al trimestre precedente

prevalenza straniera
NO

Legenda prevalenza femminile/giovanile/straniera
NO: [% del capitale sociale + % Amministratori] / 2 ≤ 50%
Maggioritaria: [% del capitale sociale + % Amministratori] / 2 > 50%
Forte: [% del capitale sociale + % Amministratoril / 2 > 66%
Esclusiva: [% del capitale sociale + % Amministratori] / 2 = 100%
?: Non disponibile

I dati sulla prevalenza sono riferiti al trimestre precedente

Please select listing to show.