諦聲科技獲天使輪融資，用聲學監測為機器設備把脈看病

隨著大數據、人工智能技術的發展，預測性維護已經在全球試點和推廣，是工業4.0和中國制造2025的重要組成部分。傳統的監測方案方案包括了紅外監測，超聲波監測，震動監測與熱敏監測等，近年來以聲學監測為核心方案的出現，為行業提供了一種非接觸式的技術路徑。

36氪近期獲悉，專注于工業領域的聲學監測方案提供商「諦聲科技」完成近千萬人民幣的天使輪融資，由英諾天使與臻云創投領投，創勢資本、AC資本與燕清資本跟投。

據社科院數據顯示，國內2016年因大型設備故障導致的案件共163起，造成人員傷亡472人。因設備故障導致的停工，整修，共造成經濟損失41.24億元人民幣。本文開頭提到的紅外、超聲波、熱敏、振動等傳統解決方案有個明顯的弊端，即需要在設備出廠前預裝，或者在后期對設備進行改造，部署成本、時間成本和決策成本都比較高。

聲學監測的技術原理是通過一個或多個麥克風陣列反復不斷收集聲音信號，與正常工作狀態下的背景噪聲做對比，再通過精密算法和數據庫篩選，對大型器械進行實時監控檢測，實現在故障發生之前，發現難以被發現的疑似故障并提出智能預警。

諦聲科技的產品包括了一套振動聲學聯動診斷軟件系統、振動分析儀、數據模塊以及麥克風陣列。

診斷系統負責將機械運動運動中的噪聲特性作提取，完成對工業設備工作狀態的實時監測；配套的振動分析儀對聲學探測定位的故障源進行進一步分析，做出精準的診斷結果；數據模塊對故障數據進行記憶存儲，建立診斷數據庫，綜合人工智能深度學習的方法，使現有系統應用于未知的工作環境中的診斷；而麥克風陣列在處理信號時能夠有效消除噪聲干擾并對聲源做定位。

聯合創始人常煒熙告訴36氪，除了采集聲學傳感信息外，諦聲科技還將視覺等信息融合，實現對設備的3D-CT掃描，精確定位噪聲源輻射并建立設備“體檢”特征數據庫，運用深度學習等手段，實現早期預警及運維決策評估。

在商業層面，諦聲科技目標客戶中，超過50%為國企、央企，軍工等涉密單位，這些組織結構從2016年其就被禁止采購國外的機械監測類設備，而聲學監測在國內才剛起步，是一個藍海市場。

對于諦聲科技而言，目前除了做技術研發外，獲得先發優勢，搶占市場份額是重中之重。因此，實現產品模塊化、提高項目部署速度、降低麥克風陣列成本會是接下來的核心工作。

諦聲科技 CEO 丁東亮為中科院碩士，中科澤潤總裁，曾負責并參與超過15個中科院技術的產學研轉化；COO 常煒熙為地質大學碩士，連續創業者，曾創辦分針科技;技術團隊大部分來自中國科學院，有著雄厚的聲學科研實力和豐富的案例實操經驗。。

與諦聲科技類似，36氪曾報道的碩橙科技也在利用聲學監測的原理為大型機器做預測性防護，碩橙科技采用了單通道的麥克風方案，主要依賴機器學習算法實現故障預測的高精準度。

除此之外，如3DSignals、OtoSense、Augury等國外初創公司也利用聲學信號進行相關監測。其中，以色列公司3DSignals 成立于2015年，利用超聲波傳感器對機器的運行情況進行監聽，已經在2016年獲得330萬美元天使輪融資；美國公司OtoSense與法國PSA集團合作研發軟件，通過聲音檢測汽車發動機的雜音，判斷汽車運行狀態及故障；美國公司Augury，主要針對空調，于2015年完成700萬美元融資。