与人工智能预测和预防生产损失

以色列初创Seebo的机器学习技术结合了人工智能(AI)和了解生产过程,使制造商,包括那些在化学领域,预测和防止未来的生产损失。

2014年创办的兄弟Liran和Lior Akavia Seebo工具可以发现隐藏的低效率的生产过程- Seebo是一个融合的英语单词“看到”和希伯来语“bo”,这意味着在里面。

已经变得比以往更加重要的化学生产商和其他公司提高效率和应对不断变化的消费者行为,例如需求的变化Covid-19所致。“制造商希望保持竞争力再也不能容忍反复过程效率低下,“柳井正说明Oron,普通合伙人顶点企业,导致Seebo 3月份的最新一轮融资,和该公司以前的投资增长了三倍。防止这些损失已经成为一个战略重点,”他说。

困难和痛苦的

Liran,谁获得了信息工程和计算机科学学位于2003年在以色列理工学院的技术,开始他的职业生涯作为一个软件开发人员,是Seebo首席运营官。Lior,特拉维夫大学的MBA学位在2006年完成工作时作为一个软件开发人员和研发经理在以色列军队网络安全精锐部队,是首席执行官。

在他25岁左右,Liran住在中国。Lior加入了他之后,他们在2007年共同创立Playfect制造移动设备和视频游戏视频游戏机配件,电脑,智能手机和平板电脑。移动娱乐,英国移动在线零售商的配件,在2013年收购Playfect,然后两人Seebo推出。

我们将制造知识嵌入到一个算法,我们构建算法,可以学习特定的制造过程

Playfect,我们经验丰富的制造效率低下的挑战——这是困难和痛苦,“Liran叙述了。我们来理解,高效的生产软件来说是多么的重要,决定建立技术,了解制造过程。

兄弟承认通用-无论多么先进的人工智能分析不能处理化学制造业的复杂性。他们很快就意识到这一过程知识嵌入算法。

使化学物质包括复杂的流程生产复杂和嘈杂的数据。简单地运行任何人工智能算法,数据不会考虑所有这些错综复杂——包括,例如,并行处理的流程步骤是分手这配方,混合,包装和清洁可以同时发生,产生一系列的和多产品线路产品。

“我们发明了一种基于流程的AI的原因,“Liran告诉必威体育 红利账户。“谁愿意提供价值化学制造商使用数据需要结婚AI和化学制造业知识——我们将制造知识嵌入到一个算法,和我们构建算法,可以学习的具体生产流程。

Seebo的AI使用自动化的根本原因分析的识别生产过程中的模式和提醒团队为什么低效。技术也使用“预测性建议”来防止未来过程效率低下,以及积极的警报的实时显示,当制造商需要采取行动来解决特定的问题。

这些损失发生的主要原因是有一个根源隐藏在躲避着人眼的复杂的数据

系统可以汇集各种和孤立的数据在给定的生产线,然后建立一个数字模型,复制整个生产过程,从原材料到最终产品。这意味着算法并不是盲目地看着但实际上理解的数据独特的特定过程的复杂性。技术可以照亮效率低下导致的损失等关键领域的质量、产量和吞吐量。

Liran说Seebo的模型应该帮助企业更好地了解他们的流程,大幅降低生产损失原因:不受欢迎的产品和杂质;原材料变化;最优反应;和污染——包括任何生长在一个沉浸表面不应该有。

人类不可能手动进行连续、多变量分析一个复杂的化工生产过程,因为有太多的数据是非常微妙的方式不断变化,Liran解释道。即使自助分析工具只能测试现有理论和不能发现他们不是寻找的东西,他补充道。

虽然Liran承认有很多固有的低效率化学制造业,它是不可能与0 100%高效植物生产损失,他说,许多可以显著减少这些损失。这些损失的主要原因发生在他们做的就是因为规模有一个根源隐藏在躲避着人眼的复杂的数据,”他解释说。