作者 ｜ 杨逍
(相关资料图)
编辑 ｜ 苏建勋
近日，36氪获悉，工业AI预测性维护公司频率探索智能科技江苏有限公司（以下简称“频率探索”）完成数千万元A轮融资，本轮由涌铧投资领投，常州高新投跟投，融资资金将主要用于产品研发、生产线建设与市场拓展。
频率探索成立于2021年，是一家工业AI预测性维护公司。公司掌握了大量的工业设备机理研究数据及信号分析诊断方法，能够为设备故障提供早期诊断、故障量化、寿命预测及智能运维服务。
预测性维护是工业互联网平台建设中的重要一环，能有效帮助企业更好监控、预测设备健康状况和运行维护。2022年5月1日，全国首项预测性维护国家标准开始实施，为预测性维护概念做了分类和推广。
目前市面上的预测性维护公司主要有两类，一类是通过安装振动监测装置，采集振动信号，再由远程分析团队人工分析得出预测性维护结果；一类是基于工业互联网+大数据+采集盒子的方式，通过人工智能方法，得到预测性维护结果。
频率探索创始人兼董事长孟力对预测性维护市场体量作了分析，他认为国内工业设备投资额每年超过10万亿，5年累计会有50万亿的设备投资。这些设备每年都会产生不同的运维费用，平均下来占比1%，每年约有5000亿的市场空间；预测性维护在其中占20%左右，即每年1000亿的市场。
频率探索解决方案是一套硬件、算法、软件结合的解决方案。
在技术积累上，频率探索团队有着多年的清华动力学和故障诊断相关技术积累，公司基于机械动力学机理、振动信号处理与特征提取、基于小数据训练的故障智能诊断等研究形成了故障诊断算法，能协助替代传统振动分析师的角色，给出分析判断；此外，公司也基于机理和如声音、温度、电压、电流等其他更广泛的数据，生成了不同的故障诊断算法。
在振动研究部分，频率探索核心团队曾有泵、航空装备制造的创业经验，过往的行业经验，让他们对设备的振动信息及分析应用有着较深的研究和积累，从而从中摸索出规律，并最终沉淀成技术与产品。
频率探索会结合产品结构、动力学基础、工艺工况，以及电压、电流等非振动、非声音信息，结合客户设备情况，提取有价值的信息。
频率探索的信息维度
孟力表示：“设备信号图就像心电图一样，每一种曲线特征背后都蕴含着一种信息，我们通过不同的机理模型对数据做了拆解，且过滤掉工况变化与干扰信息，得到了最终与故障相关的信号特征曲线，再分析曲线中的数据变化程度与趋势，定位设备状态、故障模式、故障程度、未来预测等用户关心的结果。”
目前，频率探索可以诊断20多个行业、50多种设备的40多种故障类型。
硬件上，频率探索会通过无线传感器、有线传感器等不同类型的传感器来获取数据，再通过无线网关和数据采集卡等来汇总数据，做好前端的数据收集工作。频率探索也在充分利用微纳米MEMS芯片的特性，希望将传感器做得越来越小巧、低能耗、计算力更强，未来能实现更普遍广泛的边缘计算。
频率探索传感器示意
软件层面，频率探索提供了一个拥有多维判断标准的AI设备卫士，为设备提供多维度故障机理模型的实时跟踪，且提供分钟级故障诊断结果；整个诊断结果由AI引擎自动计算得出。
据孟力介绍，公司的机理研究具有较大通用性和适用性，不同行业都需要用设备，这些设备的个性仅20%、30%左右，集中于工况处理和信号处理技巧上。频率探索帮助客户提供和训练出模型仅需2-4周时间。
由于预测性维护可以帮助企业更好了解设备运行状况，定位故障位置和原因，可以减少生产线的非计划停机，避免设备引发的安全事故风险，降低维护成本；能减少维修时间，也就降低了备件库存数量；此外，可以降低巡检成本、增加设备寿命。
面对大模型的热流，频率探索正将生成式文本与大模型引入产品中，希望通过大模型，帮助公司更好地对客户各类型信息和数据做收集，如内部设备故障、型号、结构等信息，简化有效信息清洗难度。
频率探索有前装和后装两大类客户，前装客户主要提供全厂智能化平台的生产、质检、售后等子模块，后装客户主要提供设备的全生命周期管理。
目前，频率探索将重点放在化工、冶金、制造业、新能源等产业上，已经服务了中化集团、华电、一汽等后装客户；其产品也运用于装备制造、压缩机、钢铁制造设备等前装客户现场，获得头部客户的接受度和认可度。
孟力表示：“部分客户在采用传统大数据AI的预测性维护长达一、两年时间，都未看到效果，但采用我们的产品后，一年内形成了6次有效诊断，实际效益上半年便回本了。”
以化工厂压缩机诊断为例，频率探索可以从AI故障特征中分析出设备问题，给出某部位的产品出现磨损、碰磨、松动等问题，并提示工作人员更换，避免了未来设备运行受严重影响等情况出现。
频率探索团队出自清华大学、美国麻省理工学院、德国亚琛工业大学等著名院校，公司的首席科学家褚福磊教授是中国振动工程学会故障诊断专委会主任。公司创始人兼董事长孟力本科就读于清华大学，博士就读于清华大学和MIT，在智能传感和故障机理上有着丰富的技术积累。
关键词：
