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.
Gir gass på lokalproduserte oksygengeneratorer for bedre fiskevelferd og økt bærekraft
Et sprekt samarbeid mellom norske bedrifter starter serieproduksjon av mobile, helautomatiserte oksygengeneratorer for oppdrettsnæringen. Anleggene skal være enkle å bruke for oppdretter, og leveres med avansert styring og fjernovervåkning – tilkoblet OXZOs bemannede kontrollsenter.
Norsk Industri samlet industrien i en tid preget av uro og omstilling
På Norsk Industris årskonferanse 2026 sto geopolitikk, kraftbehov, konkurransekraft og industriell omstilling øverst på agendaen. Gjennom dagen tegnet politikere, industriledere og internasjonale eksperter et bilde av en industri som møter økende usikkerhet, men som samtidig ser store muligheter dersom Norge klarer å handle raskt nok.
4-20 mA: Seiglivet strømsløyfe
Borregaard gjorde en grundig vurdering av kommunikasjon med feltinstrumentering da et av anleggene skulle oppgraderes. Resultatet var at eksisterende, digital feltbuss ble faset ut. Og klassikeren 4-20 mA gjorde comeback for å sørge for pålitelig kommunikasjonen i tiårene fremover.
Sirkulærøkonomi på veldrevet renseanlegg
Saulekilen renseanlegg er selvforsynt med energi og kjører hardt på enhetlig styringssystem, fra pumpestasjoner til renseanlegget.
