针对本轮投资，梅花创投创始合伙人吴世春表示，“噪声识别是硕橙的核心竞争力，豪华的团队是我们最终选择投资硕橙科技的一个重要因素。
近日，扎根机械设备状态监测与故障预判的硕橙（厦门）科技有限公司宣布完成PreA轮融资，本轮融资由梅花创投、厦门高新科创联合投资。
与传统工业设施运维方法不一样，硕橙科技将声音识别技术与各工业应用场景相结合，以非接触的方式提供设备实时监测，并实现设备故障预判、零部件生命周期管理和产品质量检验，致力于打造各行业通用的标准化产品。目前，硕橙产品已在数十家不同工业场景的标杆企业上得到精准应用，并大大降低机械设备故障率与运营成本。
成立至今，硕橙科技始终深耕噪声识别工业领域，作为公司创始人及CEO的庄焰表示，“当下中国工业发展势头迅猛，工业场景多变，对于机械设备故障诊断需求愈发强烈，可以说我们正是‘对症下药’。过去一年间，我们的产品大大降低了各大企业设备故障率与经营成本，反馈的数据更证明了通过非接触的噪声识别方式来实现设备故障预判是行之有效、行之高效的。”
目前，硕橙科技已和富士康、宝武集团、宝洁等大规模的公司开展合作，为公司制作带来了颇为可观的经济效益。据了解，通过硕橙的产品，仅国内某一家知名上市公司制作车间，其故障率便从7%降至3%，连续两年分别带来0.128与0.3亿元的产值贡献。
此外，相较于提高设备可靠性，降低人力成本，提高生产效率等基本效益优势，硕橙科技更凭借着噪声识别的技术优势，打通了多个工业场景并成功实现应用，如在烟草行业中对空压机、卷包机实现故障预判；在刀具行业实现对零部件的生命周期管理；在车间生产流水线实现对产品合格率的检测等。
硕橙科技源于清华大学核聚变与等离子体物理实验室的球形托卡马克设备运维方案。该实验室场景复杂、设备精密、需求苛刻，这些造就了硕橙产品的超高起点。
硕橙科技在产品硬件端以非接触的方式实现了对设备噪声的采集和初步分析，在软件端则实现了利用算法对特征值进行识别，判断设备故障类型。产品核心竞争力和技术壁垒在于软件端算法对于特征值的提取。凭借强大的研发实力，硕橙自主开发了一整套通用、自适应的噪声识别算法，通过噪声特征来描述机器设备的运行状态。
对此，硕橙科技首席科学家谭熠博士表示，“我们对声音有一套更优质的描述方法，实现的关键则在于我们自主研发的‘自适应算法’和独有的70多个特征集。该算法为团队多年的技术积累，应用成熟、稳定。而独有的特征集更是保证了故障识别极高的准确率，可直接推断当下常见的机械故障，噪声特征识别准确率高达95%，高于业内水平。”相关市场多个方面数据显示，硕橙科技开发的这一整套噪声识别算法，在准确度和学习成本（所需时间和数据量）之间已取得很好的平衡。
目前，硕橙团队三十余人，以研发、产品人员为主，创始团队主要成员均毕业于清华大学。
据了解，硕橙科技于2018年1月份刚获得由可可资本、势安资本合投的千万级天使轮融资，不到一年，再获梅花创投与厦门高新科创的Pre-A轮融资。在资本寒冬中，硕橙科技一年两获融资，备受资本青睐。本轮融资后，公司将提速产品研制与市场推广，升级核心竞争力。
庄焰表示，“寒冬里锻炼内功，我们擅长信号处理和数据分析，不仅是噪声识别，之后会引进综合分析手段，扎根感知层，提供一站式的服务和数据输出。从长远角度，硕橙科技将会进入更多工业场景，甚至是日常生活，将声音识别与更多场景创新融合，为客户创造更多价值。”
针对本轮投资，梅花创投创始合伙人吴世春表示，“噪声识别是硕橙的核心竞争力，豪华的团队是我们最终选择投资硕橙科技的一个主要的因素。中国预测性维护市场在2020年总体支出将达到110亿美元，具有广阔的发展前途。对于工业互联网感知层，当下正是切入的时间点，硕橙科技的创新技术帮助其在该领域占得先机，并有起量的趋势！”
高新科创投资经理杨育瑜表示，“工业生产中机器设备状态不佳，带病运转，会给企业造成日积月累的损失。传统的预防性维护一般是对设备做定期停机检修，凭老师傅经验未雨绸缪，预测性维护则是基于设备上的各种传感器实时监控设备的运作时的状态，未病先治。在工业互联的大环境下，做好预测性维护即是制造业转型智慧工厂的第一步。硕橙科技独辟蹊径，将工业噪音转换成数据，提供的预测性维护方案有效且易实施。目前市场上的存量设备数目可观，随着行业数据的积累，硕橙科技的优势将愈加凸显，有望在预测性维护这一个市场弯道超车工业巨头们。”
上一篇:金昌让硬币“活”起来
