这些利用大数据做工业设备监测的公司，你都应该关注一下

大数据智能制造工业

sharon | 2018-01-24 08:00

【数据猿导读】本次，小猿君向大家介绍几家工业领域利用大数据做设备监测的公司，通过这冰山一角窥探“大数据”如何在工业领域实现价值落地和大数据如何改变“第四次工业革命”的进程

工业互联网、工业4.0、中国制造2025......各种各样关于“智能制造概念”的相继提出，让世界的目光再次聚焦于工业制造领域。

第一次工业革命的大幕由蒸汽机拉开，让世界进入了"蒸汽时代"，第二次工业革命电力成为了生产力的主角，将人类带入了"电气时代"，第三次科技革命计算机及互联网粉墨登场，让世界迈入了"信息时代"。如今，云计算、物联网、大数据、人工智能等新概念与新技术的提出，将延续科技革命的力量推动人类进入"智能时代"。

本次，小猿君向大家介绍几家工业领域利用大数据做设备监测的公司，通过这冰山一角窥探“大数据”如何在工业领域实现价值落地和大数据如何改变“第四次工业革命”的进程。

树根互联

大数据_智能制造_工业-1

说起工业大数据就不得不提脱胎于三一重工物联网部门的树根互联。树根互联成立于2016年6月，是三一重工内部创业孵化项目，其总经理是三一重工高级副总裁贺东东。依托在三一重工期间积累的力量，树根互联的“根云”平台已经可以和GE的Predix相媲美。目前，树根互联的解决方案覆盖了风电行业、发电机、缝纫设备、工地设备、光伏行业，并在半年时间内拓展了42个细分行业，其工业互联网平台“根云”平台已接入能源设备、纺织设备、专用车辆、港口机械、农业机械及工程机械等各类高价值设备超40万台，包括45个国家和地区，形成了全球化服务能力。

“根云”可进行多个行业和领域的设备监测，例如，在风电机组的故障预警和诊断领域，“根云”基于风机历史和实时运行数据、故障数据、环境数据，通过数据预测增强风电场运行的计划性和效率，整体提高风电场运行效率、效益，在充分利用数据和知识的基础上，实现风电机组的远程故障预警及诊断。在光伏行业，可实现分布式光伏电站的集中化、远程化监控，及时发现并解决故障隐患，实现无人值班或少人值守。

日前，树根互联宣布在2017年已完成数亿元首轮融资，由国投创新、经纬创投联合领投，中移基金、海捷资本跟投，发展势头一路向好。

观为监测

大数据_智能制造_工业-2

观为监测是一家专注于工业运维领域的大数据预知性维护服务机构，为企业提供全生命周期设备健康预警和诊断分析服务，有自己的注册服务品牌“设备健康体检中心（MachineHealthcare Center, 简称MHCC）”。

观为监测的M9000在线状态监测系统可以对在运行状态的设备提供7x24小时的不间断监测和诊断分析服务，通过随时监测评估设备的运行状态，提早发现设备早期故障隐患，并及时发出建立在标准化基础上的分级预警和报警，为进一步的故障分析、设备性能评估提供信息和数据。其位于无锡的MHCC™设备健康体检远程诊断中心（MHRDC）远程接入的关键机组设备近2400台，数据中心容量超过20TB，每年向各行各业出具上万份设备健康诊断分析报告，并提供诊断回溯机制，2017年该平台成功入选工信部全国大数据50家优秀解决方案。

观为监测目前所服务的行业涉及风力发电、水和污水处理、煤炭、石油石化、港口地铁以及军工等，公司服务过的客户有中国华能、通用电气、西门子、中船重工、中航油、中航工业、海军总装备部等央企、外企和军工单位，长期服务于美国雪佛龙、神华、华润、中船重工等世界500强标杆型企业。

观为监测还是国内首家经国际标准化认证组织授权的ISO国际振动分析培训认证基地，是国际标准化认证组织MiBOC 授权的ISO 18436-2 国际振动分析培训和认证基地，已先后为国内一批具有重要影响力的企业集团培训了近两百名取得国际振动分析师认证的高级专业人才，是国内第一个取得培训和认证ISO 18436-2三级（高级）国际振动分析师资质的培训中心。

观为监测于2016年8月登陆新三板。

寄云科技

大数据_智能制造_工业-3

寄云科技是一家年轻的工业互联网平台厂商，其开发的工业互联网平台NeuSeer能够支持海量工业数据存储和查询的时序数据库，包括大量预处理算法、故障诊断、性能评估和故障预测算法和模型的工业大数据建模和分析平台，同时还提供工业应用开发、分析的框架和服务，支持客户或者合作伙伴在应用开发框架上进行深度二次开发。

寄云NeuSeer工业互联网平台有三大重点服务行业：轨道交通、电力能源、装备制造。

寄云利用历史数据、检测数据建立关键零件和设备的失效模型，准确预测其剩余使用寿命，大大减少了因未预知的零件和设备的失效导致的非计划停机等带来的损失。以电力能源行业为例，寄云通过工业物联网网关，实时采集电厂关键设备的传感器数据，并将这些数据存储于大数据平台之中，帮助电厂实现运行设备的实时监测（实时温度场、应力场的监测）、运行状态统计分析（残余寿命分布）、风险及故障预警（寿命下限报警），并对关键部件的维修、更换及检验提出建议。在某工程公司管控中心项目中，寄云科技以大数据分析平台为基础，建立故障分析模型，对设备运营数据流进行统计分析，找到了在施工过程中重型设备出现故障的根本原因，为该工程公司节省了上千万的故障和维修投入。

2016年5月11日，寄云科技宣布完成Pre-A轮千万级融资，投资方是丰厚资本和爱数。

普奥

大数据_智能制造_工业-4

普奥成立于2015年8月，是一家工业互联网产品和服务提供商，有ProudLink（无线传感网关），ProudThink（工业互联网平台），ProudArk（工业互联网搜索）三款平台级产品。

普奥ProudThink智能管控平台通过传感器，控制系统，原有监测系统，离线监测设备等采集生产设备的状态数据和工艺数据，将数据清洗计算之后存到基于hadoop的大数据平台上。工厂设备检测人员可以通过平台提供检测报告，同时可以在平台构建设备服务平台，将设备管理和维保管理集中在一个平台上管控，然后通过不断的数据积累和数据分析，将专家经验固化成故障预测模型，同时不断地训练模型，让设备故障预测更加准确，减少设备非计划性停机。

普奥是百度开放云、微软云的工业云合作伙伴，与中电数据、昆仑海岸等物联网上下游厂商达成了战略合作。

2015年成立的普奥“年纪轻轻”就已经有30项专利技术“傍身”，还参与制定了《2016年信息物理系统白皮书》、《2016年中国工业互联网标准体系框架》等7项行业标准，也是国际工业互联网联盟、中国工业互联网产业联盟、中国智能制造产业国际合作委员等10个行业联盟的理事、会员，团队的核心成员均来自艾默生、西门子、IBM、HP等知名企业，在工业大数据、工业云、工业物联网等技术领域积累了丰富的经验与能力。

应势科技

大数据_智能制造_工业-5

应势科技运用AI与机器学习的技术，通过自动、持续的数据学习、发现模式，构建可验证的预测模型，从而实现对大型工业设备的故障预警。

应势科技成立于2014年5月，成立至今一直在打磨产品、研发算法和培育种子用户。由应势科技研发、拥有我国自主知识产权的拳头产品Dataneuro目前已正式落地，功能包括数据清洗与预处理、数据参数敏感度评估、数据参数敏感度评估、数据特征挖掘与建模、历史状态评估、实时状态预警监测，对特征数据挖掘中存在的噪音数据进行删除、转换、填充；指导用户去除庞大的传感器数据中不敏感的参数，提高特征挖掘和数据分析的效率；快速从大量数据中提取有价值的状态特征和建立特征模型；通过对数据特征分布等的分析，快速发现设备或过程历史上的不稳定时间区段与特点，定位设备故障或过程不稳定的预警特征；基于已建立的数据特征模型，实现对设备或过程的实时传感器融合数据的预警监测。Dataneuro技术可广泛适用于设备制造和流程生产行业，如电力、石化、航天航空、精密加工、高端设备制造等行业的设备或过程的智能监测。

应势和国内外多家知名企业建立了合作关系，如中石化、Magna、CarnaudMetalbox、宝洁等。

容知日新

大数据_智能制造_工业-6

容知日新成立于2007年, 是一家在工业监测领域拥有完全核心自主知识产权的公司，也是中国设备管理协会下设的装备智能服务中心。成立10年来,一直致力于利用无线传感器网络和大数据技术为工业企业提供装备智能服务解决方案，产品和服务实现了走出去，已服务于美国、法国、俄罗斯、意大利、巴西、智利等35个国家和地区。目前公司产品已获得3项发明专利、2项实用新型专利、3项外观设计专利。

容知日新的智能全无线数据采集产品，借助低频加速度传感器、振动传感器和在线油液监测技术匹配使用的策略,使数据采集能力得到极大提高。

容知日新公司的远程诊断中心可以远程监测8000余台分布全国的大型工业机械设备，为中石油、中石化、中国海油、中国化工等大型化工集团提供关键机泵24小时不间断状态监测。

以容知与天津石化的长期预测性维护服务合作为例。天津石化从2010年12月开始，现场共计105台机泵设备接入容知装备健康智能诊断平台。截至2017年12月，系统为天津石化现场推送月度设备状态报告70多份，成功为现场诊断设备故障案例60多起。容知日新的装备智能诊断运维服务有效减轻了现场设备管理压力，通过对设备状态的实时掌控，避免因某一部件失效导致对设备的严重伤害。

2016年9月20日,容知日新远程诊断中心通过了德国劳氏船级社(GL)认证。这是继2015年6月容知日新CMS系统全国首家通过GL认证后,公司再次获得该认证。目前,容知日新是国内唯一一家产品与服务都获得GL认证的公司。

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。