Brukerne tvinges ikke til å basere seg på én enkelt maskinlærings-leverandør
Seeq utvider støtten for maskinlæring for å demokratisere IT-innovasjon
Seeq Corporation, ledende innen tingenes internett (IIoT) avansert analyseprogramvare for produksjon og industri, kunngjør nå utvidelse av sin virksomhet i integrering av maskinlæringsalgoritmer i Seeq-applikasjoner. Dette vil gjøre det mulig for virksomheter å operasjonalisere sine IT-investeringer, open source og tredjeparts maskinlæringsalgoritmer slik at disse blir lett tilgjengelig for førstelinje-ansatte.
Seeqs kunder omfatter selskaper innen olje og gass, farmasøytisk, kjemisk, energi, gruvedrift, mat og drikke og andre foredlingsindustrier. Investorer i Seeq, som til dagens dato har anskaffet over 100 millioner dollar, omfatter Insight Ventures, Saudi Aramco Energy Ventures, Altira Group, Chevron Technology Ventures og Cisco Investments.
Seeqs strategi for å åpne for maskinlærings-innovasjon sørger for sluttbrukertilgang til algoritmer fra en rekke kilder slik at brukerne ikke tvinges til å basere seg på én enkelt maskinlærings-leverandør eller -plattform. Dette omfatter hele mangfoldet av algoritmer og de ulike algoritme-typene som er tilgjengelige for organisasjoner, inkludert:
-Open source-algoritmer og andre åpne ressurser. For eksempel skal Seeq denne uken publisere to Seeq-utvidelser i GitHub, inkludert algoritmer og arbeidsflyter for korrelasjons- og klyngeanalyse som brukere kan endre og forbedre etter behov.
-Kundeutviklede algoritmer i Seeq Data Lab—eller maskinlærings-plattformer som Microsoft Azure Machine Learning, Amazon SageMaker, Anaconda og andre—som en del av IT/digitale omstillingsinitiativer.
-Tredjeparts-algoritmer fra programvareleverandører, partnere og akademiske institusjoner. AWSs Lookout for Equipment, Microsoft Azure AutoML, BKO Services’ Pump Prediction og Brigham Young Universitys open-source-tilbud er eksempler på det framvoksende markedet for algoritmer spesifikke for industrien og det vertikale markedet.
Seeq-initiativet griper også fatt i en kritisk “last mile”-utfordring, nemlig å skalere og produksjonssette algoritmer i industrivirksomheter, ved å tilby de ansatte på anlegget IT-innovasjon i brukervennlige applikasjoner: Seeq Workbench for avansert analyse, Organizer for publisering av innsikt og Seeq Data Lab for ad hoc Python-skripting.
Dette kommer i tillegg til Seeqs støtte for de grunnleggende suksesselementene innen maskinlæring. Dette inkluderer tilgang til alle produksjonsdatakilder—historiske, kontekstuelle og produksjonsapplikasjoner—for datarensing og -modellering, støtte for samarbeid og kunnskapsoverføring mellom ansatte, rask iterasjon og å åpne for ytelsesbaserte kontinuerlige forbedrings-arbeidsflyter.
Seeq Corporation, ledende innen tingenes internett (IIoT) avansert analyseprogramvare for produksjon og industri, kunngjør nå utvidelse av sin virksomhet i integrering av maskinlæringsalgoritmer i Seeq-applikasjoner. Dette vil gjøre det mulig for virksomheter å operasjonalisere sine IT-investeringer, open source og tredjeparts maskinlæringsalgoritmer slik at disse blir lett tilgjengelig for førstelinje-ansatte.
Seeqs kunder omfatter selskaper innen olje og gass, farmasøytisk, kjemisk, energi, gruvedrift, mat og drikke og andre foredlingsindustrier. Investorer i Seeq, som til dagens dato har anskaffet over 100 millioner dollar, omfatter Insight Ventures, Saudi Aramco Energy Ventures, Altira Group, Chevron Technology Ventures og Cisco Investments.
Seeqs strategi for å åpne for maskinlærings-innovasjon sørger for sluttbrukertilgang til algoritmer fra en rekke kilder slik at brukerne ikke tvinges til å basere seg på én enkelt maskinlærings-leverandør eller -plattform. Dette omfatter hele mangfoldet av algoritmer og de ulike algoritme-typene som er tilgjengelige for organisasjoner, inkludert:
-Open source-algoritmer og andre åpne ressurser. For eksempel skal Seeq denne uken publisere to Seeq-utvidelser i GitHub, inkludert algoritmer og arbeidsflyter for korrelasjons- og klyngeanalyse som brukere kan endre og forbedre etter behov.
-Kundeutviklede algoritmer i Seeq Data Lab—eller maskinlærings-plattformer som Microsoft Azure Machine Learning, Amazon SageMaker, Anaconda og andre—som en del av IT/digitale omstillingsinitiativer.
-Tredjeparts-algoritmer fra programvareleverandører, partnere og akademiske institusjoner. AWSs Lookout for Equipment, Microsoft Azure AutoML, BKO Services’ Pump Prediction og Brigham Young Universitys open-source-tilbud er eksempler på det framvoksende markedet for algoritmer spesifikke for industrien og det vertikale markedet.
Seeq-initiativet griper også fatt i en kritisk “last mile”-utfordring, nemlig å skalere og produksjonssette algoritmer i industrivirksomheter, ved å tilby de ansatte på anlegget IT-innovasjon i brukervennlige applikasjoner: Seeq Workbench for avansert analyse, Organizer for publisering av innsikt og Seeq Data Lab for ad hoc Python-skripting.
Dette kommer i tillegg til Seeqs støtte for de grunnleggende suksesselementene innen maskinlæring. Dette inkluderer tilgang til alle produksjonsdatakilder—historiske, kontekstuelle og produksjonsapplikasjoner—for datarensing og -modellering, støtte for samarbeid og kunnskapsoverføring mellom ansatte, rask iterasjon og å åpne for ytelsesbaserte kontinuerlige forbedrings-arbeidsflyter.
Alarmhåndtering med SIMATIC PCS 7
SIMATIC PCS 7 fra Siemens har vært levert som DCS på små og store prosessanlegg i Norge siden slutten av 90-tallet. Systemet har jevnlig nye funksjoner og markedstilpasninger. Alarmsystemet står sentralt i PCS 7 og gir en effektiv og trygg operatørhverdag.
Kunstig intelligens kan gjøre industrien sikrere og mer effektiv
Drømmen om færre falske alarmer, tryggere og mer effektiv drift av industrielle anlegg rykker stadig nærmere, godt hjulpet av kunstig intelligens (KI). Vi tar pulsen på hvordan teknologien kan forbedre alarmsystemene i industrielle styringssystemer.
Hvordan gjør KI tilgjengelig for små og mellomstore bedrifter
Med eksplosjonen av kunstig intelligens og økende bekymring for energiforbruk og tilhørende kostnader, er det naturlig å stille spørsmål ved hvordan KI-fremskritt kan forbli økonomisk bærekraftig. Denne bekymringen er spesielt presserende for små og mellomstore bedrifter som lurer på om store språkmodeller (LLM) vil forbli tilgjengelige – eller være eksklusive for store selskaper.
Lars Gunnar Vik styrker innesalget hos Vega Norge
Lars Gunnar Vik er ansatt som salgsingeniør i Vega Norges salgsteam, med fokus på innesalg innen nivå- og trykkinstrumentering.
