2019年便已是人工智能与实体经济深度融合之年，其中预测性维护为重要领域。日前预测性维护也被cb insight评为2019年人工智能发展趋势之一。“在24小时不停工的工厂中，突发停机事件会为企业带来价格不菲的损失，若大部分故障为可预防性故障，或者利用短期方案可更充分利用工业设备并延长使用寿命，将会为企业有效降低成本”。联智科技创始人刘晓鹏说道，其自身毕业于清华大学电机系，依托于其专业知识以及多年的电机设计、故障分析技术积累，2018年他瞄准市场机会成立联智科技，专注于打造工业设备智能预测性维护平台。
本文文章插图来源于联智科技
谈及创业初衷，刘晓鹏告诉创业邦，早期团队专注于声纹识别技术的开发，但在研发过程中发现声纹识别存在两个瓶颈，一是声纹锁功能不实用，若声音稍有偏差便无法识别，准确性低，误报率高。二是使用场景较窄，使用领域仅为军方与公安机关。怎么用同源的技术去解决更大场景的问题？刘晓鹏结合自身专业知识，将音频事件检测技术融入于工业场景，进行工业设备预测性维护与监控。
工业设备传统的维护方式分为两种，一是采取人工监控；二是传感器监控，但往往集中于设备产生故障时传感器才会报警，归为事后维护监控。而预测性监控归为事前监控，在设备发生故障前期预警，提示进行人工干预，解决将要发生故障，将故障扼杀在摇篮中，避免造成严重故障导致停机维修。据刘晓鹏介绍，设备预测性维护又细分为两个赛道，一个称之为大样本赛道，另一个为小样本赛道，联智科技即为小样本赛道，产品受众为高可靠性设备，其特点是故障次数较少，无法采集过多的故障样本。所以在小样本赛道中分为两大技术流派：
市面上大多为第一流派为机理派也称传统派，特点是根据传统的经验积累、学科知识对特征进行一对一比对，优势是准确率和误报率比较乐观，缺点是无法做预测性的判断，无法自学习；而联智科技归属于第二流派，称作ai派，特点是对于ai运用娴熟，但对于工业机械不够了解，优点是可解决自学习、产品化问题，缺点是因其受众为高可靠性性设备无法采集过多的故障样本，故而误报率较高。
本文文章插图来源于联智科技
而联智科技拥有扎实的ai基础，团队大部分成员毕业于清华大学电机系，对机械工业有足够的了解，据刘晓鹏介绍，基于这样的背景可解决两大问题，一是联智科技会利用规则的故障特征提取，大大削减数据的依赖性；二是清华大学电机系实验室本就是研究故障电机，可通过两种方式补充故障样本，第一种方式利用实验室的电机故障制造台，将电机制作成故障电机并采集样本；第二，联智科技可通过电机学、机械学的仿真软件补充较多故障样本，从而增加故障样本库。所以联智科技可诊断具体故障类型，据了解联智科技可将准确率控制在98%以上，误报率在千分之一左右。
如何将设备预测性维护的价值量化？刘晓鹏介绍到，市场价值集中体现在三点：
1.降低运维成本：预测性维护可有效降低设备真实损坏率从而减少设备维修以及零件采购的费用，有效释放工厂备件压力从而释放工厂在设备备件部分的现金流压力；还可减少运维人员数量，降低人工成本；
2.提高生产效率：大大减少工厂停产时间，以及有效减少设备的带病运行时间长度，提高全厂的生产效率。
3.提高安全系数：避免出现严重事故，有效保护工人安全。
2019年联智科技营收已达1700万元，据了解，其主要以售卖saas系统为主，若客户已安装传感器，单点位收年服务费1500-3000元不等；若客户未装传感器，单一硬件价格为1-3万元，其中包含两年saas平台服务费，硬件毛利均在90%左右。因联智科技致力于以电机为核心的动力能源包，故而用户画像为电机最为集中的四大行业，分别是钢铁、石化、电力及制造业。刘晓鹏透露，2020年联智科技营收将会达到5000万元左右。
对于未来，刘晓鹏有着清晰的计划，联智科技发展规划分为四阶段，现处于第二阶段。第一个阶段是做基于声学人工智能的电机设备预测性维护解决方案提供商；第二是基于解决方案搭建智能运维saas平台；第三是基于saas平台做横向及纵向的延展，最终搭建一套综合性的工业物联网平台，通过最终的工业物联网平台挖掘更多信息数据返销甲方。
联智科技至今成立已有2年，其团队规模已达40余人，其中研发团队占据70%。联智科技创始人兼ceo刘晓鹏毕业于清华大学电机系，曾为北京清显科技有限责任公司创始团队成员；cto王志晟曾就职于北京魔笛手科技有限公司联合创始人；coo吴晋曾就职于清华大学天津电子信息研究院项目总监。
融资层面，联智科技曾于2018年7月获泰有基金数百万元种子轮投资；于2018年11月获马力创投数百万元天使轮融资；于2019年7月获黑马基金与图灵创投数千万元pre-a轮融资。
本文相关的文章列表页头图图片来源于联智科技，经授权使用。本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。
作者：王志臣

---