首页 | 优秀解决方案

切入能源、动力两大基础行业,“极熵”实现快速部署、高可复制的工业互联网解决方案

中国开云官网注册网址是什么
2020-04-09
来源:36氪

  工业互联网近几年的爆发加速了传统工业的转型。技术供应商通过部署传感器,将读取的设备数据经过分析处理后上传至SaaS和云端形成大数据,为企业运营提供运营能力和优化决策支持。随着物联网、云计算、人工智能技术的发展,工业互联网帮助企业从实现最基础的设备资产管理向业务运营优化,甚至是产业生态创新的方向的演进。

  尽管工业互联网有万亿元的市场规模,但是当企业在进入到垂直行业中依然面临接口/协议不统一、不标准,部署周期过长导致客户投资成本过高,系统软件不能与实际业务匹配等问题。这涉及到了从软硬件研发到项目实施一整个流程的操作,既要求团队具备良好的技术水平,又要有一定的行业知识积累。

  上海极熵数据科技有限公司(以下简称“极熵”)是一家从电、气、热三大细分领域切入工业互联网的解决方案供应商。公司成立于2014年,产品的核心优势在于:通过自研的软硬件技术降低产品成本,又利用团队多年的行业积累实现快速的产品部署和专业价值提升,帮助行业用户降低项目成本,提高能源和动力供给的质量和效率。

  首先从行业切入点来看,能源与动力是工业的基础要素,在这两个方向有提升需求的客户群体庞大。但是,国内目前很多企业在能耗优化的标准、技术上并不统一,很难做通用型的产品,因此,极熵CEO孙东来认为,企业要实现降本增效,就要让解决方案下沉到具体的细节,并统一交互标准。就像一群人在聊减肥的时候,只有统一好“卡路里”这个通用单位,才能准确评估出能量的摄入与消耗。

  极熵选择了能源动力大场景下行业需求最广泛的场景——电、气、热,同时这三个方向都是相对封闭的场景,虽然业务方向内依然存在需要深耕的复杂工艺和流程,但客户对三者的产品使用路径类似。此外,电、气、热三个领域的行业标准化程度较高,不像自动化行业有很多非标性设计,因此设备接入相对容易。

  从核心技术来看,极熵的优势主要体现在系统稳定、数据完备、算法高效三方面。公司拥有全部知识产权的支持边缘计算的硬件产品和云端架构,在ST工业规低功耗处理器的辅助下,保证数据稳定可靠。此外,基于分布式系统架构,软件可以支撑百万级别设备连接,以及 ZB 级别数据处理和应用,通过后端的机器学习和人工智能训练、分析历史及实时数据加上多年对行业机理模型的不断深入,形成了行业深度解决方案知识库。

  从项目实施来看,大多数企业还需要数月甚至若干年完成项目,但是极熵能够通过标准化安装实施将部署时间降低 70%,做到几天内完成全套解决方案的部署,同时数据采集的准确性从行业平均的 70% 提高到 99.99%。做到这些,极熵主要有两大优势:

  首先,极熵核心团队在智能制造领域有丰富积累,尤其在能源、动力行业有成熟的业务经验,能够实现技术与产业的快速结合。CEO孙东来博士是工业领域人工智能专家,极熵从创立的2014年就开始将数据挖掘技术成功应用于实体工业设备,并进行大规模数据分析,取得了大量的研究成果。

  其次,成本优势。数据采集装置设计比较轻小,便于部署,并且设备信息全部以二维码形式储存在云端,数据中台保证底层设备与云端数据的实时同步、储存、分析,现场实施只需要少数操作人员即可,高级工程师可远程指导,省去一部分人力成本;并且公司正在努力研发无源的传感器,减少繁琐的布线拉电步骤,进一步节约成本。相当于给每台设备戴上了一个“小米手环”,利用后台和云端处理能力去降低用户在使用智能硬件时的门槛,从而降低用户的硬件成本、部署时间成本、学习成本和后续的维保成本。

  公司产品已落地上千个行业用户,其中以中小企业为主,大客户有包含国家电网、工信部等在内的十几家政企单位,客单价从万级到百万级不等。客户通过支付一定的软硬件部署费用和年度服务费获取解决方案,并且通常能在一年以内收回投资成本。极熵2019年营收超3000万元,2020年预计能够实现30%-50%的增长。

  从整体行业发展情况来看,CEO孙东来认为,数据获取依然是大多数工业互联网企业所要解决的第一环问题,没有实时、稳定、完备的数据支撑就无法产生工业互联网的价值。同时,在接入设备过程中,除了基础的通信协议,还有难度比较大的设备专用协议,有一部分数据甚至需要从用户的ERP/MEMS系统中读取,综合下来大约80%的数据获取都要靠现场开发。

  另外,物联网设备一旦出现中间任一环节的问题,不管是远端服务器、网关设备、底层传感器还是通讯链路,都会导致全流程的崩溃,这也是为什么极熵数据要坚持软硬件自主研发,是为了保证团队具备足够的开发与维护能力。目前业内具备软硬件自研能力,面向业务运营优化的公司还有蘑菇物联、湃方科技、语祯物联、黑湖智造、新核云等。

推荐阅读

评论

用户名: 匿名发表
密 码:
验证码:
最新评论( 0
Baidu
map