雅富顿化学裕廊岛工厂的3.8亿新加坡元二期扩建工程现已完工

新加坡--(美国商业资讯)--全球润滑油和燃料添加剂市场领导者雅富顿化学公司(Afton Chemical Corporation)今日宣布,该公司位于新加坡裕廊岛的化学添加剂生产工厂二期扩建工程完工。新加坡贸易和工业部长陈春星(Chan Chun Sing)先生专程造访见证这一里程碑,他还发表了演讲并参观工厂。

 

雅富顿是NewMarket Corporation(NYSE: NEU)旗下全资子公司,90多年来一直是润滑油和燃料添加剂市场的领导者。该公司源于Passion for Solutions®理念而创立,长期致力于量身打造满足客户需求的商业和工业解决方案。

 

雅富顿于2016年5月启动新加坡生产业务,时值该公司宣布其裕廊岛工厂一期启用。二期投资为2.22亿新加坡元,超过一期初始投资的1.58亿新元,使得该公司在新加坡的总投资达到3.8亿新加坡元。

 

雅富顿化学总裁Gina Harm评论道:“这座设施是雅富顿计划确保其产品‘在亚洲制造,专为亚洲打造’(Made in Asia for Asia)的关键。我们的裕廊岛工厂现拥有全面能力来生产供应亚太地区所需的核心机油添加剂。我们也可以自豪地说,本公司正投资于将促进实现碳减排长期目标的先进技术。”

 

二期扩建将启动先进的无灰分散剂和抗磨损组件的生产。所有这些都是雅富顿产品中的关键组件,将帮助乘用车和商用车符合未来的操作标准。最新完工的扩建也将增强在亚太地区的支持网络,该网络已在中国苏州和日本筑波市建立了研发创新中心。

 

雅富顿化学亚洲副总裁Sean Spencer补充道:“我们长期在新加坡投资,因为我们将其视为该地区的中心枢纽。新加坡拥有我们所重视的条件:良好的安全、安保和整合记录,此外还拥有强大的人才储备,而且人才保留率极高。从制造业角度来看,新加坡是向东盟(ASEAN)及中国分销的理想之地。对于中国的三大需求集群,往返新加坡需要20天。从本质上讲,我们正在通过缩短交付周期和增强供应安全性来提高客户满意度。”

 

此次扩建将使雅富顿在新加坡的员工人数增加123%。该工厂将配备最先进的设备,并成为雅富顿旗下成员中首家提供综合管理系统和自动化完全可追溯性的工厂。工厂占地约45,500平方米,将继续生产用于机油添加剂组合的关键组件,例如ZDDP抗磨损添加剂、无灰分散剂和磺酸盐清净剂。

 

新加坡经济发展局能源与化工主任Cindy Koh女士表示:“亚洲的快速城市化和增长正推动对运输燃料和特种化学品的需求。雅富顿的二期扩建证明,新加坡具居于枢纽地位的吸引力,可在这一地区把握不断涌现的商机,而且我们的员工有能力开展高附加值制造。我们期待与雅富顿化学在面向亚洲的发展计划方面携手合作。”

 

关于雅富顿化学公司:

 

雅富顿化学公司(Afton ChemicalCorporation)是NewMarket Corporation(NYSE:NEU)旗下公司之一。雅富顿化学公司通过其配方产品、工程和营销专长帮助客户开发和销售可以减少排放、提高燃料经济性、延长机器寿命、提高架乘操作满意度并降低车辆和设备总运行成本的燃油和润滑剂。雅富顿化学公司开发并销售一系列独特的适用于汽油和柴油燃料、传动液、机油和工业润滑油的添加剂。雅富顿化学公司通过位于亚太、欧洲/中东/非洲及印度、拉丁美洲和北美洲的地区总部为其全球运营部门提供支持。雅富顿化学公司总部位于弗吉尼亚州里士满。

 

关于前瞻性陈述的警示须知:

 

本新闻稿中包含的部分信息构成《1995年私人证券诉讼改革法案》所定义的前瞻性陈述。虽然NewMarket的管理层认为其预期是基于其业务和经营知识范围内的合理假设,但并不能保证实际结果不会与期望产生重大差异。

 

可能导致实际结果与预期截然不同的因素包括但不限于:原材料和配送系统的可用性;包括单一来源设施在内的制造工厂发生的中断;对我行业的技术变化做出有效反应的能力;未能有效保护我公司的知识产权;未能吸引和留住高素质的员工队伍;化工企业的常见危害;其他制造商的竞争;原材料价格的突然或急剧上涨;重要客户的获得或失去;发生非同寻常的事件或威胁,包括自然灾害和恐怖袭击;美国以外地区的经营风险;外汇汇率波动的影响;信息技术系统故障或安全漏洞;与我公司产品相关的政治、经济和监管因素;当前和未来政府调控;环境负债或法律程序的决议;我们无法从投资于我们的基础设施或者近期或未来收购中获得预期的效益,或者我们无法成功将近期或未来收购整合到我公司业务中,以及在 NewMarket公司向证券交易委员会提交的报告中不时予以详述的其他因素,包括可应股东要求提供的公司2017年Form 10-K年度报告第1A项“风险因素”的风险因素。

 

请注意,NewMarket在上述讨论中所做出的任何前瞻性陈述仅代表这些前瞻性陈述做出当日的情形。新的风险和不确定性会不时产生,我们无法预测这些事件或它们可能会对公司产生何种影响。在前瞻性陈述公布之日以后,除非受到法律规定,我公司没有责任且不打算更新或修订在此讨论的前瞻性陈述。鉴于上述风险和不确定性,请牢记在此处或他处讨论的任何前瞻性陈述中所描述的事件可能不会发生。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值