36氪获悉,硕橙(厦门)科技有限公司(以下简称“硕橙科技”)宣布完成近亿元人民币B轮融资,投资方为顺为资本。勤一资本担任独家财务顾问。本轮融资资金将主要用于渠道建设与技术研发。
此前,硕橙科技曾在2017年12月获得了由可可资本、势安资本合投的千万级天使轮融资;在2019年1月宣布获得千万元人民币规模Pre-A轮融资,由梅花创投、高新科创联合投资;在2019年7月获得数千万元人民币A轮融资,由远镜创投领投,科鑫资本与水木资本跟投,老股东梅花创投继续加码。
硕橙科技的主要产品包括前端硬件设备即橙盒SC Box,以及相应的软件算法,由此形成其“机器听诊大师”完整的产品体系。通过部署“机器听诊大师”进行噪声提取和分析,企业可以有效降低被监测设备故障率和维护成本,延长设备生命周期、提高企业整体生产效率。
机器听诊大师
硕橙科技创始人兼CEO庄焰表示,硕橙科技最重要的特点在于将设备故障识别下沉到识别诱发机械故障的物理运动本质这一层,故障根源的识别更加具有基础性和代表性。通过识别提取松动、磨损、缺齿、开裂、堵塞、欠润滑等常见故障的物理运动特征,进而形成故障特征值,再以此推演判定设备的故障类型。
庄焰将这种基于底层物理特征来正向推演判定设备故障类型的方式称之为“演绎法”,采用“演绎法”主要有三方面优势。
首先,这种方式提升了产品的通用性。从实现原理上来看,例如松动或开裂特征在物理上表现为多刚体间产生碰撞,在噪声表现上就会与无松动开裂特征的设备存在不同。而松动、开裂等上述基础物理特征适用于在任何场景下的任何设备,因此硕橙科技的标准化产品可以跨行业、跨场景、跨机器地部署。
这一点也已经得到了市场的验证。目前公司产品不仅可以应用在通用旋转型设备上,还已经应用在冲压机、冶炼产线飞剪、数字机床刀具、包装机、空压机等其他加工设备上。
其次,演绎法获得到高质量基础数据可以缓解单纯使用机器学习或深度学习等AI算法时故障样本数量过少的问题。在初始部署时,客户即可直观地感受到机器设备在各个基础特征维度上的健康状况,进而可以更有针对性地进行预测性维护,而不是需要经过长达半年或一年的数据积累才能为客户提供维护价值。
此外,这种方式可以对设备进行定位、定量、定性的故障诊断。例如当磨损特征出现时,针对最可能出现该特征的变速箱部位进行一对一摆放的识别定位;再根据具体特征值来定性判别故障类型;定量则是会对设备具体特征进行健康评分。如果确定出现故障,产品还将给出具体的维护操作方案,例如出现磨损特征,将提醒客户进行润滑保养或更换相应部件。
为了更有效地识别判定设备故障,硕橙科技在部署过程中也会不断地积累故障样本数据。通过对故障数据的标定、比对和匹配,进行深度学习、集成学习等算法模型的训练,再将AI算法这种“归纳法”和“演绎法”结合起来,不断提升故障识别的效果
具体部署时,硕橙科技采用了边缘计算的方式。在提取特征值后,橙盒SC Box自身就可以对数据进行初步的计算处理。这样提升了实时监测效率,降低时延的同时也便于离散化部署。产品支持企业私有云或本地化部署。
部署时间上,硕橙科技从现场部署到实现数据收集分析通常在7-14个工作日内完成。整体上解决方案通常可以在45天内完成交付。
硕橙科技
庄焰向36氪表示,预测性维护的最终目的还是要给企业客户带来实实在在的效益。以某客户反馈的数据为例,机器听诊大师为企业的价值主要可以体现在三方面:首先减少了企业大型事故发生的次数,大型事故发生频次从每年8次降为4次,其次,有效降低设备运行的故障率,避免停机损失。此外,由于机器设备维持在健康状态下工作,良品率也得到了提升。综合来看,该客户以不到100万元的支出,获得了1000余万元的经济效益,投入产出比相当可观。
商业模式上,硕橙科技目前分为两种,一种为SaaS模式,软硬件所有费用均按年收取,另一种则是在项目部署时收取项目费,后期以项目费10%-15%的比例收取维护服务费。
业务落地方面,公司从去年7月正式开始销售产品,目前主要覆盖的行业为烟草、钢铁、水务,这三部分业务收入占75%以上。公司服务的客户包括中国烟草、宝洁集团、中冶赛迪、中国商飞、赛莱默等大型国内外知名企业。今年预计收入可达3000万左右,取得7倍左右的增长。
未来发展方面,硕橙科技将继续在现有的主要行业领域拓展客户,同时探索更多基于数据的新模式。此外,硕橙科技还将和设备生产制造商深度合作,将其标准化产品前装在出厂设备上,形成出厂设备的故障噪声识别分析模块。如此一来设备商将成为硕橙科技的渠道商,后期维护服务费用将由双方共享。硕橙科技也将以此加速产品的规模化应用。
顺为资本合伙人李威表示:“预测性维护是工业智能化改造升级的重要一环,降本增效越来越被企业重视。硕橙科技良好的团队互补性,对工业领域深刻的理解,扎实的场景落地,让我们对其未来发展充满期待”