原标题：推出机器听诊大师，硕橙科技完成千万元级别天使轮融资

36氪获悉，专注于噪声识别解决方案的硕橙（厦门）科技有限公司获得千万级天使轮融资，由可可资本和势安资本合投。

硕橙科技成立于2016年9月，主营产品为机器听诊大师，为机器设备提供基于噪声的非接触式运行监控解决方案。目前已推出初代产品，服务于北京安通林汽车饰件有限公司等客户。

硕橙科技首席科学家谭熠博士，现任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。托卡马克是一种由金属腔体、泵、阀门、线圈、接触器、电力电子器件等多种机电部件组成的复杂装置。

为监控这些部件的状态，需要使用多种不同类型的传感器、电缆、硬件接口和软件协议，系统非常复杂，工作量很大，可靠性不高。很多时候，传感器往往由于各种故障而先于被监控设备失效，监控形同虚设。疲于解决各种异常的谭熠博士决定尝试通过设备运行噪声来监控它们的运行状态，因为长期的运行维护经验告诉他：设备的工作状态与其噪声特征有着非常紧密的联系。并且，由于噪声通过空气传播，无需特定电缆、接口和协议，使用将极为方便。

将资深运维人员所具备的听诊能力交由计算机完成并实现商业化的关键在于对噪声进行有效的识别。基于丰富的聚变等离子体物理信号分析经验，谭熠博士并未拘囿于对噪声进行传统的频谱分析，而是通过实验，从机械噪声的产生机制出发，在时频分析的基础上概括出一组能够普适地反映典型机械故障的噪声特征。通过监测这些噪声特征量，即可实时了解机械设备的运转状态。这组特征量对机械噪声的描述非常优秀，适用于常见的固体、液体和气体等噪声源，平动与转动通用；并且对松动、磨损、堵塞等典型机械故障有着非常高的区分度，无需使用大量数据训练神经网络。

硕橙团队在上述技术的基础上，引入了机器学习算法，研发了公司主打产品——机器听诊大师。官方表示，该产品对于生产线上机器状态的识别准确率跃升至95%以上，达到了商业化标准。

该产品以解决方案的形式提供给客户，包含前端信号采集器——SC盒子以及后端的云服务。SC盒子放置于被监测设备附近，负责收集噪声、提取特征以及数据传输。云服务器将收集的特征数据识别为设备的状态，以实时状态和分时状态统计图表等形式通过网页或手机APP展示给客户，向客户推送生产流程监控图表数据，并可针对生产进度异常、机器健康状态异常等发出警报。

不同于传统意义上的大数据分析，基于物理特征体系的机器听诊大师能够在较短的时间内完成状态学习和前端部署。一般来说，硕橙科技的产品经理到现场勘查，与客户沟通，了解客户的关注重点，即可确定部署方案，马上开始数据预采集以及特征学习。部署过程中无需中断生产。经过七到十五天左右的数据累积，即可完成状态学习并交付客户。

2017年5月，机器听诊大师在安通林工厂落地。团队表示，使用该产品后，安通林工厂机器设备的故障率降低了3%，预计每年通过降低次品率以及提高运维效率可带来约1500万元经济效益。

团队规划，前期重点拓展的客户可能集中在核电、化工、电梯、轨道交通、汽车等领域。核电站一二回路和化工企业的大量管路、阀门和泵等设备，电梯的自动运维，以及轨道交通和汽车领域的相关声音监控都是很适合的场景。

团队预测到2022年，全球物联网设备预测性维护的全球市场规模将达到109.6亿美元，年均复合增长率在39%左右；国内政策支持利好市场，根据《“十二五”智能制造装备产业发展规划》，到 2020 年, 国产智能制造装备占比将超过60%，几年内年增长率将达到25%；预计2022年，预测性维护市场份额将达到199.5亿元，复合年均增长率为43%左右。

硕橙科技目前团队规模约17人，以技术研发人员为主，近一半成员来自清华。团队还聘请了前澳大利亚科学院首席科学家及哈佛大学教授，现数据科学终身教授王友干担任大数据高级顾问。

随着大数据、人工智能技术的发展，预测性维护已经在全球试点和推广，是工业4.0和中国制造2025的重要组成部分。此前，预测性维护依赖于机器上的传感器（包括振动、温湿度、压力、转速等）来实现，GE的Predix、知名初创公司Uptake（以20亿美元估值获4000万美元C轮融资）、国内创业公司智擎（获得了九合、青山的天使投资）和应势科技（产品“Dataneuro”目前已落地）都采用了这条路线。但这往往需要在设备出厂前预装，或者在后期对设备进行改造，部署成本、时间成本和决策成本都比较高。

硕橙科技认为，从大量预测性维护系统的部署过程来看，基于传感器大数据的预测性维护方案的关键并非大数据分析算法，而是大数据的获取；从不同厂家不同型号的各种设备收集数据并让设备互联互通是阻碍Predix等预测性维护系统落地的主要障碍之一；利用声音进行非接触式诊断，避免了上述问题，无论是前装还是后装，都很简便，优势很大。

与硕橙科技类似，3DSignals、OtoSense、Augury等国外初创公司也利用声学信号进行相关监测。其中，以色列公司3DSignals 成立于2015年，利用超声波传感器对机器的运行情况进行监听，已经在2016年获得330万美元天使轮融资；美国公司OtoSense与法国PSA集团合作研发软件，通过声音检测汽车发动机的杂音，判断汽车运行状态及故障；美国公司Augury，则主要针对空调，已经于2015年完成700万美元融资。

关于本次融资，可可资本合伙人李笙凯认为：“2008年金融危机后，全球制造业面对着多元化、可持续性等等的挑战。基于此，我国提出中国制造2025，而中国制造2025需要设备互联的基础。过去几年有数百家公司都在做工业互联网，但绝大部分都是建立信息系统而已。硕橙科技基于全球领先的核工业技术，打造的人工智能机器故障检测非接触式传感器，拥有自有的核心技术。并且产品有便利部署的优势，有机会成为真正的工业大数据公司。”

另一家投资机构势安资本投资总监赵辰表示：“硕橙科技研发的声音运维预测方案可用于工厂车间，电梯，大型游乐设施，核电站等众多工业应用场景及潜在军工应用场景，且布局便捷，可复制性很强。其技术创新点在于从混淆了多种噪声的信号中提取、识别声音特征，并对音源进行定位是本项目的关键技术。该技术根据声音结合自适应的声学特征提取与识别方法判断机器的运转状态为工业运维的非接触式方案，相比接触式传感器方案有明显的应用优势。”