硕橙科技完成千万级天使轮融资

  掌握橙色技术,完成数百万天使轮融资

  专注于噪声识别解决方案的硕橙(厦门)科技有限公司赢得了千万次的天使融资。由可可资本和盛隆资本共同出资,百色资本为独家财务顾问。 2016年10月,获得1亿次种子融资。 Master Orange Technology(机器语音)成立于2016年9月,是机器故障诊断设备的开发商,通过收集机器噪声数据来监测和预测操作错误,有效降低了工厂机器的故障率。先后推出了第一代产品,服务于北京安泰林汽车饰件有限公司等客户。在团队合作方面,Orange Technology首席科学家谭毅是清华大学工程物理系副研究员。主要从事磁约束受控核聚变研究,负责SUNIST球形托卡马克装置的运行。托卡马克是一个复杂的设备,包括各种机电组件,如金属腔,泵,阀门,线圈,接触器,电力电子等等。谭毅博士介绍,高级操作维护人员有能力通过电脑听诊,完成和商业化的关键在于有效识别噪音。基于聚变等离子体物理信号分析的丰富经验,在传统的噪声谱分析中并没有受到制约。相反,基于机械噪声的机理,基于时频分析,他总结了一组噪声特征,典型地反映了典型的机械故障。通过监控这些噪音特性,您可以实时了解机器的运行状况。据了解,这套机械噪声描述的特点是非常准确的,适用于常见的固体,液体和气体来源,如噪音,平移和旋转的共同点;而松动,磨损,堵塞等典型的机械故障具有很高的区别度,而不需要使用大量的数据训练神经网络。在上述技术大师橙队的基础上,引进了机器学习算法,开发出了公司的主打产品 - 主机听诊,官方表示产品跳跃机器状态识别准确率达到95%以上生产线,达到商业标准,产品以包括前端信号采集器-SC盒和后端云服务的解决方案的形式交付给客户,SC盒放置在被监控设备附近,负责采集噪声,提取特征,传输数据,云端服务器将收集到的特征数据作为设备的状态进行识别,通过网页或手机APP以实时状态呈现给用户,状态图,将生产过程监控图数据推送给客户,异常健康报警,与传统的大数据分析不同,机听诊器基于物理特征系统可以在很短的时间内完成状态学习和前端部署。一般来说,Master Orange技术产品经理到现场进行调查并与客户沟通,了解客户的重点,可以确定部署计划,立即开始数据预捕获和特征学习,部署过程中不中断生产。大约7到15天的数据积累,就可以完成状态学习并交付给客户; 2017年5月,主机听诊在安泰林工厂降落,根据团队的情况,安安机器设备故障率使用该产品后尾矿厂减产3%,预计每年可带来约1500万元的经济效益,降低缺陷率,提高运行维护效率。预扩展客户的重点可能集中在核电,化工,电梯,铁路运输,汽车等领域,数量庞大核电站和化工公司的管道,阀门和水泵等设备,电梯的自动运行和维护,以及轨道交通和汽车领域的相关声音监控都是非常合适的场景。掌握橙色科技的团队规模约17人,主要是技术研发人员,近一半来自清华大学。该团队还聘请了澳大利亚科学院前任首席科学家和哈佛大学教授,现为终身数据科学教授王有干担任大数据高级顾问。