预测性维护是工业互联网中一个重要的应用场景。在预测性维护出现之前，设备维护的方式主要是被动故障维护以及定期以人工巡检的方式检测，预测性检测的出现可以降低设备的故障率，提高设备利用率，确保设备持续使用，提高企业生产效率，同时也可以减少设备维修费用。

：以Uptake的客户Class 1为例，这个拥有一万四千个火车头的美国公司在使用Uptake的服务之后，每年可以节省约4700万美元，其他应用场景还包括桥梁检测、电梯维保、风机检测、发动机与电厂变压器监测等。

36氪近期接触到的，便是一家以声学技术切入工业设备预测性检测市场的科创公司。

瑶声科技成立于2019年9月，创始人和核心技术主要来自中科院声学所，创始人兼CEO肖瑶拥有中科院声学所博士学位，曾在佐治亚理工学院做访问学者。团队其他成员来自中科院声学所、清华大学、普渡大学、挪威科技大学等，团队十余人中70%拥有博士学位。

瑶声科技的产品目前主要包括五种：声相仪、工业听诊盒子与专家诊断系统、麦克风列阵解决方案、智能吸声设备以及声像一体化解决方案，应用场景包括工业设备健康状态监测和预防、轨道交通等公共场所安防、智能设备交互体验优化、噪音吸声等。其中，工业听诊盒子与专家诊断系统主要应用于工业设备监测以及故障监测领域。

预测性维护能够真正落地并且为客户创造价值，需要具备两大条件，其一是数据基础，第二是算法模型。

在数据方面，目前市面上已经有多种传感器可搜集工业设备的数据。瑶声科技搜集的数据主要是声学数据，通过一个或多个麦克风列阵反复搜集声音信号，比起其他的监测手段，这种非接触式的监测好处在于更加灵活，不需要停机停产、不需要拆卸施工，部署更加方便。

在算法方面，CEO肖瑶介绍，瑶声科技的模型脱胎于中科院声学所。针对机器噪声的物理特征，瑶声科技定义了一套特征集，包括时间、频率、能量等多个物理量以及多个物理量之间线性与非线性的组合，该特征集涵盖磨损、松动、疲劳、裂纹等典型损伤特征的噪声特点，实现识别准确度。在设备部署方面，工业听诊盒子的部署只需放在待测车间的恰当位置，不需要向待测设备上添加机械或电气连接传感器，诊断服务系统可安装在客户私有服务器或云端服务器上。

肖瑶表示，公司的核心竞争力和技术壁垒在于软件端算法对于机械发生原理的理解和特征值的提取，瑶声科技自主研发了从声学传感器设计、阵列信号处理、自适应的噪声识别算法的一整套方案，针对机械设备故障诊断与维护，具备声学与振动全栈式解决方案。此外，瑶声科技的产品也可以和客户现有设备组合使用，集成系统解决方案。例如，将麦克风阵列和公共场所的摄像监控设备集成声像一体化设备，具有公共场所智能安防的功能。一旦打架斗殴、乞讨等违反公序良俗的公共事件发生时，一体化设备可智能识别并向工作人员发出报警信号。

为公司的长期战略发展助力，瑶声科技设立了海外预研团队，团队拥有声学专家、结构健康专家和信号处理专家，以保证技术的领先性，成员主要来自美国普渡大学、佐治亚理工学院和挪威科技大学。此外，公司拥有工程实践行业的工程团队和技术落地队伍。

客单价是瑶声科技的市场竞争优势之一，肖瑶介绍，类似的声相仪，国外厂商的报价在30-100万之间，其中硬件成本相对较低，主要是算法模型等知识产权价格高，瑶声科技可以提供“物美价廉”的国产解决方案。

在市场拓展方面，肖瑶告诉36氪，公司技术团队此前在学术界和工业界均有多年经验，曾于多家科研机构和企业单位开展过项目合作，这也将是瑶声科技启动市场拓展的重要资源。瑶声科技将选择在齿轮、轴承等旋转机械以及铁轨等声学手段应用价值更大的场景切入。目前已有数家国有和民营企业在高铁、铁轨故障监测、地铁、电力、矿业和工控设备领域等与瑶声科技达成初步合作意向。

瑶声科技目前正在进行天使轮融资。

拓展阅读