Seebo的机器学习技术帮助化学制造商深入了解他们的生产流程

以色列初创企业Seebo的机器学习技术将人工智能(AI)与对制造流程的洞察力结合在一起,使包括化工行业在内的制造商能够预测和预防未来的生产损失。

由Liran和Lior Akavia兄弟于2014年共同创立的Seebo工具可以揭示生产过程中隐藏的低效——Seebo是英语单词“see”和希伯来语单词“bo”的融合,意思是内部。

Liran和Lior Akavia坐在Seebo的招牌前

来源:©Seebo

Lior(左)和Liran Akavia兄弟在之前的创业经历了生产流程效率低下的问题后,创立了Seebo

对化学品生产商和其它公司来说,提高效率并对消费者行为(例如需求变化)做出反应,比以往任何时候都更加重要Covid-19所致。Vertex Ventures的普通合伙人柳井奥龙(Yanai Oron)表示,希望保持竞争力的制造商再也不能忍受流程重复低效。该公司牵头了Seebo在3月份的最新一轮融资,并将之前对该公司的投资增加了两倍。他说,防止这些损失现在已经成为一项战略重点。

困难和痛苦的

利然于2003年获得以色列理工学院(Technion Institute of Technology)的信息工程和计算机科学学位,以软件开发人员的身份开始了他的职业生涯,目前是Seebo的首席运营官。Lior于2006年获得特拉维夫大学(Tel Aviv University) MBA学位,曾在以色列军方一个精英网络安全部门担任软件开发和研发经理。

李然在25岁左右的时候住在中国。在Lior加入后,他们于2007年共同创立了Playfect,为视频游戏控制台、个人电脑、智能手机和平板电脑生产移动设备和视频游戏配件。2013年,总部位于英国的移动配件在线零售商Mobile Fun收购了Playfect,随后这两家公司推出了Seebo。

我们将制造知识嵌入到一个算法中,我们构建的算法可以学习特定的制造过程

李然说,在playeffect,我们经历了生产效率低下的挑战,这是困难和痛苦的。他说,我们逐渐明白了高效制造软件的重要性,并决定开发能够理解制造过程的技术。

兄弟俩认识到,一般的人工智能分析——无论多么先进——都无法处理化学制造的复杂性。他们很快意识到,过程知识必须嵌入到算法中。

制造化学制品涉及到产生复杂而嘈杂的数据的复杂过程。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

“这就是我们发明基于流程的人工智能的原因,”李然说化学世界.“任何想要利用数据为化学制造商提供价值的人,都需要将人工智能和化学制造知识结合起来。我们正在将制造知识嵌入到算法中,我们构建的算法可以学习特定的制造过程。”

Seebo的人工智能使用“自动根本原因分析”来识别生产过程中的模式,并提醒团队为什么会出现低效现象。该技术还使用“预测建议”,以防止未来的工艺效率低下,以及“前瞻性警报”,以实时指示制造商何时需要采取行动解决特定问题。

这些损失发生的主要原因是,在人类肉眼看不到的复杂数据中隐藏着一个根本原因

该系统可以将给定生产线上的所有不同的数据汇集在一起,然后建立一个复制整个生产过程的数字模型——从原材料到最终产品。这意味着算法不是盲目地看数据而是真正地理解数据特定过程的独特复杂性。该技术可以揭示导致质量、产量和吞吐量等关键领域损失的低效率。

Liran表示,Seebo的模型应该有助于企业更好地理解其流程,并大幅减少因以下原因造成的生产损失:不需要的副产品和杂质;原材料变化;最优反应;还有污垢——它包括了在浸入的表面上生长的任何东西,而这些表面本不应该在那里。

李然解释说,人类不可能对一个复杂的化学生产过程进行连续的、多元的分析,因为有太多的数据在以非常微妙的方式不断变化。他补充道,即使是自助分析工具也只能测试现有的理论,无法发现他们没有搜索到的东西。

李然承认,在化工制造业中存在许多固有的低效率,不可能有一个100%效率、零生产损失的工厂,但他表示,其中许多损失可以显著减少。他解释说:“这些损失之所以会如此严重,主要原因是在人类肉眼看不到的复杂数据中隐藏着一个根本原因。”

Seebo

成立日期:2014年

地点:以色列特拉维夫

员工人数:80人(以科学家为主)

产地:启动

财务状况:总投资4600万美元,包括2021年3月的2400万美元