Seeq maskinlæring crop

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.

Automatisering driver fremtidens industri. Les AMNYTT nr 5 - 2025

Automatisering driver fremtidens industri

Les i AMNYTT hvordan teknologi, måling og digitalisering gir bærekraft, sikkerhet og konkurransekraft.

Rune Dalby, Endress+Hauser

Endress+Hauser styrker laget med ny salgsingeniør

Endress+Hauser Norge fortsetter å satse på vekst og kompetanse, og har nylig ansatt Rune Dalby som ny salgsingeniør. Han startet i stillingen 1. september 2025 og har sin base ved selskapets hovedkontor på Tranby.

Phoenix Contact Uno Power-strømforsyninger med Push-in-tilkobling

Uno Power-strømforsyninger med Push-in-tilkobling

Kompakte, energieffektive og pålitelige – nå med utvidet spenningsområde

Trygve Dirdal var med å installere trådløs temperaturovervåking av kritiske varmekabler for impulslinjene til sikkerhetsventiler på Sleipner A tidlig på 2010-tallet (Illustrasjonsfoto: Øyvind Gravås og Bo B. Randulff/Equinor).

Med siktet innstilt på forbedring og forenkling av instrumenteringen

Profilen – Trygve Dirdal, fagleder instrumentering, Equinor

Han elsker å løse tekniske utfordringer, gjerne i team. Forenkling og forbedring står høyt i kurs, men det må ligge et «business case» bak når ny teknologi skal i sving.