当你把耳朵贴在隆隆的内燃机、呼呼作响的风扇或砰砰作响的气压机上时，你听到了什么？或许是噪音。但是正如任何一个经验丰富的汽车修理工会告诉你的那样，噪音中嵌入的模式传达了有价值的信息。一些人甚至预言了机械故障。

　　受到这个想法的启发，软件开发人员加尔·绍尔（Gal Shaul）和模拟信号处理工程师萨尔·约斯科维茨（Saar Yoskovitz）在2011年创立了总部位于以色列和纽约的初创公司Augury，两人将其描述为“Shazam for machines”。该公司的无线手持设备奥古斯都（Auguscope）可以记录超声波振动，并将其上传到云端，在那里输入人工智能算法，预测机器的健康状况。

　　Augury的客户包括Johnson Controls、Aramark和Armstrong，以及PSG Dover、Trane、Carrier、Mueller和Aecom。这家初创公司资金充足：今天，它宣布已经从Insight Venture Partners获得2500万美元的融资，获得Eclipse Ventures、Munich Re/HSB Ventures、Pritzker Group VC和Lerer Hippeau等现有投资者的支持。

　　C轮融资将Augury的总额提升至5100万美元，随着该公司完成对Alluvium的收购，Alluvium是一家机器学习初创公司，拥有一个可以从工业数据流中获得洞察力的平台。

　　insight venture partners董事总经理Peter Sobiloff和insight负责人哈雷•米勒（Harley Miller）将加入董事会。

　　Yoskovitz说，新的资本和收购将推动Augury的全球扩张，并使其能够更好地支持现有的合作伙伴。他声称，拥有Alluvium将使Augury成为第一批在一个包中同时提供机械和运营洞察的工业分析公司之一。

　　他说：“在过去一年中，我们在市场上取得了实质性的进展，并期待在未来一年加深我们的合作关系。”“有了这笔资金，我们将继续创新，并在全球范围内支持我们的合作伙伴。”

　　Yoskovitz说，Augury的技术在设计上是可推广的，并随着规模的扩大而改进。这些录音是技术人员在机器的不同位置录制的，用来建立占卜云的基准读数，并与其他客户拥有的类似设备发出的声音进行比较。这样，Augury就不需要为每台新机器重新训练它的模型——随着时间的推移，系统开始识别异常声音和其他故障指标。例如，Augury的服务可能会学习在升降机机器人中发现一个有缺陷的执行器，并将这些知识应用到其他设备中检测有缺陷的执行器。

　　早期，Augury直接与服务公司和设施经理合作诊断关键系统，如商业建筑内的泵、风扇、冷水机和HVAC（供暖、通风和空调）系统。但此后，它将服务扩展到非关键机器，为这些机器提供持续监控，用于通知每台机器的维护计划。

　　Augury声称，通过发现早期的破损迹象，它能够减少75%的故障，增加45%的正常运行时间，降低30%的资产成本。技术人员使用它的智能手机应用程序拯救了3000多台机器，监控了60000多台工商业设备，避免了7000多起故障。在一个案例中，Augury成功地诊断出转子杆上的裂纹，如果不加以检查，就有必要更换整个电机。

　　Yoskovitz说：“随着市场在向数字化转型的过程中继续快速发展，越来越多的企业试图通过基于人工智能的机器健康解决方案来发现运营中的盲点。”

　　需要明确的是，像Augury这样的预测维护解决方案并不新鲜。它们已经在喷气发动机和燃气轮机上使用了几十年，通用电气数字公司（GE Digital）的Predix和初创公司Petasense等竞争对手也提供了类似的wi - fi、云和人工智能驱动的振动传感器。有些公司甚至在内部提供这项服务，比如Gogo，它记录飞机上服务器的风扇速度，温度的一个指标，为地面上的服务器运营商建立决策树，并帮助预测设备故障。

　　这是一个成熟的市场，根据麦肯锡全球研究所（McKinsey Global Institute）分析师最近的一份报告，预计到2025年，工厂维护业务将达到12亿至37亿美元。

　　但是Yoskovitz对Augury的技术有着宏伟的愿景，他希望有一天这项技术能被应用到家用电器中，比如洗衣机和电烤箱。

　　Sobiloff似乎很有信心。他表示：“我们看到整个行业的数字化趋势出现了大幅上升，过去一年里该行业出现了显著增长，这是采用人工智能技术优化供应链运营的转变的例证。”“我们期待着与Saar及其团队合作，在2019年将这项改变行业的技术带给更多的客户和行业。”