利用人工智能预测和预防生产损失

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相结合，使制造商(包括化工行业的制造商)能够预测和防止未来的生产损失。

2014年，Liran和Lior Akavia兄弟共同创立了Seebo的工具，可以揭示生产过程中隐藏的低效率——Seebo是英语单词“see”和希伯来语单词“bo”的合成词，意思是内部。

对于化学品生产商和其他公司来说，提高效率并对不断变化的消费者行为(例如需求变化)做出反应，变得比以往任何时候都更加重要由Covid-19引起。Vertex Ventures普通合伙人柳井奥龙(Yanai Oron)说，希望保持竞争力的制造商再也无法忍受流程效率低下的情况反复出现。Vertex Ventures领投了今年3月的最新一轮融资，并将对Seebo的投资增加了两倍。他说，防止这些损失现在已成为一项战略重点。

“困难而痛苦”

李然是Seebo的首席运营官，他于2003年从以色列理工学院(Technion Institute of Technology)获得信息工程和计算机科学学位，开始了他的软件开发生涯。利奥尔2006年在特拉维夫大学(Tel Aviv University)获得MBA学位，当时他在以色列军队的一个精英网络安全部队担任软件开发和研发经理。

李然25岁左右的时候住在中国。在Lior加入他之后，他们于2007年共同创立了Playfect，为视频游戏主机、PC、智能手机和平板电脑生产移动设备和视频游戏配件。英国手机配件在线零售商Mobile Fun在2013年收购了Playfect，随后两人推出了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

李然回忆道:“在Playfect，我们经历了制造效率低下的挑战——这既困难又痛苦。”我们逐渐认识到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。”

这对兄弟认识到，通用的人工智能分析——无论多么先进——根本无法处理化学制造的复杂性。他们很快意识到，流程知识必须嵌入到算法中。

制造化学品涉及复杂的过程，产生复杂而嘈杂的数据。简单地在这些数据上运行任何人工智能算法都不会考虑到所有这些复杂性，例如，包括并行处理，其中工艺步骤被分开，以便同时进行配方、混合、包装和清洗，以及多条生产线，生产一系列的产品产品．

李然说:“这就是我们发明基于流程的人工智能的原因。manbetx手机客户端3.0．“任何想要使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”来识别生产流程中的模式，并提醒团队为什么会出现效率低下的情况。该技术还使用“预测性建议”来防止未来流程效率低下，以及“主动警报”来实时指示制造商何时需要采取行动解决特定问题。

发生这些损失的主要原因是，在复杂的数据中隐藏着一个根本原因，而这些数据是无法被人眼发现的

该系统可以汇集给定生产线上所有不同的孤立数据，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。这意味着算法不只是盲目地看数据，而是真正地理解数据特定过程的独特复杂性。然后，该技术可以阐明导致质量、产量和产量等关键领域损失的低效率。

李然说，Seebo的模型可以帮助企业更好地了解他们的流程，并大幅减少由以下原因造成的生产损失:不受欢迎的副产物和杂质;原料变化;最优反应;污垢——包括任何生长在浸泡表面上的东西，这些东西本不应该在那里。

李然解释说，人类不可能对复杂的化工生产过程进行连续的、多变量的分析，因为有太多的数据在以非常微妙的方式不断变化。他补充说，即使是自助分析工具也只能测试现有的理论，无法发现它们没有搜索到的东西。

李然承认，化工制造业存在许多固有的低效率，不可能有一个100%高效、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:“之所以出现如此大规模的损失，主要是因为在复杂的数据中隐藏着一个根本原因，而这些数据是无法被人眼发现的。”