Memprediksi dan mencegah kerugian produksi dengan AI |  Bisnis
Business

Memprediksi dan mencegah kerugian produksi dengan AI | Bisnis

Teknologi pembelajaran mesin Seebo yang baru dimulai di Israel menggabungkan kecerdasan buatan (AI) dengan wawasan tentang proses manufaktur untuk memungkinkan produsen, termasuk yang berada di sektor bahan kimia, untuk memprediksi dan mencegah kerugian produksi di masa depan.

Didirikan bersama oleh saudara Liran dan Lior Akavia pada tahun 2014, alat Seebo dapat mengungkapkan inefisiensi tersembunyi dalam proses produksi – Seebo adalah penggabungan dari kata bahasa Inggris ‘see’ dan kata Ibrani ‘bo’, yang berarti di dalam.

Liran dan Lior Akavia duduk di depan papan nama Seebo

Menjadi lebih penting dari sebelumnya bagi produsen bahan kimia dan perusahaan lain untuk meningkatkan efisiensi dan menanggapi perubahan perilaku konsumen – misalnya perubahan permintaan disebabkan oleh Covid-19. ‘Produsen yang ingin tetap kompetitif tidak dapat lagi mentolerir ketidakefisienan proses yang berulang,’ kata Yanai Oron, mitra umum di Vertex Ventures, yang memimpin putaran pendanaan terbaru Seebo pada bulan Maret, dan melipatgandakan investasi sebelumnya di perusahaan tersebut. ‘Mencegah kerugian ini sekarang telah menjadi prioritas strategis,’ katanya.

‘Sulit dan menyakitkan’

Liran, yang memperoleh gelar di bidang teknik informasi dan ilmu komputer dari Technion Institute of Technology di Israel pada tahun 2003 dan memulai karirnya sebagai pengembang perangkat lunak, adalah chief operating officer Seebo. Lior, yang menyelesaikan gelar MBA dari Universitas Tel Aviv pada tahun 2006 saat bekerja sebagai pengembang perangkat lunak dan manajer R&D di unit keamanan siber elit di tentara Israel, adalah kepala eksekutif.

Selama pertengahan 20-an, Liran tinggal di Cina. Setelah Lior bergabung dengannya di sana, mereka mendirikan Playfect pada tahun 2007, yang memproduksi perangkat seluler dan aksesori video game untuk konsol video game, PC, smartphone, dan tablet. Mobile Fun, pengecer online aksesori ponsel yang berbasis di Inggris, mengakuisisi Playfect pada tahun 2013, dan pasangan tersebut kemudian meluncurkan Seebo.

Kami menanamkan pengetahuan manufaktur ke dalam algoritme, dan kami membangun algoritme yang dapat mempelajari proses manufaktur tertentu

‘Di Playfect, kami mengalami tantangan dengan inefisiensi manufaktur – itu sulit dan menyakitkan,’ kenang Liran. ‘Kami mulai memahami betapa pentingnya perangkat lunak manufaktur yang efisien, dan memutuskan untuk membangun teknologi yang memahami proses manufaktur.’

Saudara-saudara menyadari bahwa analisis AI generik – tidak peduli seberapa canggihnya – tidak dapat menangani kerumitan pembuatan bahan kimia. Mereka segera menyadari bahwa pengetahuan proses harus tertanam dalam algoritma.

Pembuatan bahan kimia melibatkan proses rumit yang menghasilkan data yang kompleks dan berisik. Menjalankan algoritme AI apa pun pada data itu saja tidak akan memperhitungkan semua kerumitan itu – termasuk, misalnya, pemrosesan paralel di mana langkah-langkah proses dibagi sehingga formulasi, pencampuran, pengepakan, dan pembersihan dapat dilakukan secara bersamaan, dan multi -lini produk yang menghasilkan berbagai produk.

‘Itulah alasan kami menemukan AI berbasis proses,’ kata Liran Dunia Kimia. ‘Siapa pun yang ingin memberikan nilai kepada produsen bahan kimia dengan menggunakan data harus mengawinkan AI dan pengetahuan manufaktur bahan kimia – kami menanamkan pengetahuan manufaktur ke dalam algoritme, dan kami membangun algoritme yang dapat mempelajari proses manufaktur tertentu.’

AI Seebo menggunakan ‘analisis akar penyebab otomatis’ untuk mengidentifikasi pola dalam proses produksi dan mengingatkan tim tentang mengapa inefisiensi terjadi. Teknologi ini juga menggunakan ‘rekomendasi prediktif’ untuk mencegah inefisiensi proses di masa depan, serta ‘peringatan proaktif’ untuk menunjukkan secara real time ketika produsen perlu bertindak untuk mengatasi masalah tertentu.

Alasan utama kerugian ini terjadi adalah karena ada akar penyebab yang tersembunyi di dalam data kompleks yang luput dari pandangan manusia

Sistem ini dapat menyatukan semua data yang beragam dan tertutup pada jalur produksi tertentu, kemudian membangun model digital yang mereplikasi seluruh proses produksi – mulai dari bahan mentah hingga produk akhir. Ini berarti bahwa algoritme tidak hanya melihat data secara membabi buta tetapi benar-benar memahami kompleksitas unik dari proses tertentu. Teknologi ini kemudian dapat menjelaskan ketidakefisienan yang menyebabkan kerugian di bidang utama seperti kualitas, hasil, dan throughput.

Liran mengatakan model Seebo akan membantu perusahaan lebih memahami proses mereka dan secara substansial mengurangi kerugian produksi dari penyebab seperti: produk sampingan yang tidak diinginkan dan kotoran; variasi bahan baku; reaksi suboptimal; dan pengotoran – yang meliputi segala sesuatu yang tumbuh di permukaan yang terendam yang seharusnya tidak ada.

Tidak mungkin bagi manusia untuk secara manual melakukan analisis multivariat yang berkelanjutan pada proses produksi bahan kimia yang rumit karena ada terlalu banyak data yang terus berubah dengan cara yang sangat halus, Liran menjelaskan. Bahkan alat analitik swalayan hanya dapat menguji teori yang ada dan tidak dapat menemukan hal-hal yang tidak mereka cari, tambahnya.

Sementara Liran mengakui bahwa ada banyak inefisiensi yang melekat dalam industri manufaktur kimia, dan tidak mungkin untuk memiliki pabrik yang efisien 100% dengan kerugian produksi nol, dia mengatakan banyak dari kerugian tersebut dapat dikurangi secara signifikan. ‘Alasan utama mengapa kerugian ini terjadi pada skala yang mereka lakukan adalah karena ada akar penyebab yang tersembunyi di dalam data kompleks yang tidak terlihat oleh mata manusia,’ jelasnya.

Seebo

Tanggal berdirinya: 2014

Lokasi: Tel Aviv, Israel

Jumlah karyawan: 80 (kebanyakan ilmuwan)

Asal: Start-up

Keuangan: Total investasi $46 juta, termasuk $24 juta pada Maret 2021

Posted By : togel hongkonģ