рдлрдВрдбрд┐рдВрдЧ

рдПрд╡рд┐рдпрди рдиреЗ рдЙрдЪреНрдЪ рдЬреЛрдЦрд┐рдо рд╡рд╛рд▓реА рдФрджреНрдпреЛрдЧрд┐рдХ рд╕рд╛рдЗрдЯреЛрдВ рдореЗрдВ рдПрдЖрдИ-рд╕рдВрдЪрд╛рд▓рд┐рдд рдерд░реНрдорд▓ рдирд┐рдЧрд░рд╛рдиреА рд▓рд╛рдиреЗ рдХреЗ рд▓рд┐рдП $2.6M рдЬреБрдЯрд╛рдпрд╛

mm

स्विस औद्योगिक एआई स्टार्टअप एवियन ने $2.6 मिलियन का प्री-सीड राउंड जुटाया है, जिसका नेतृत्व फाउंडरफुल ने किया है, क्योंकि निर्माता विभिन्न क्षेत्रों जैसे कि सॉ मिल, रीसाइक्लिंग, तेल और गैस, खनन और समुद्री में आग के जोखिम, उपकरण विफलताओं और बढ़ती बीमा लागतों से बढ़ते दबाव का सामना कर रहे हैं।

ज्यूरिख स्थित कंपनी का कहना है कि नई फंडिंग तैनाती क्षमता का विस्तार करने और अपने प्रारंभिक आधार के बeyond वुड उत्पादों उद्योग में वृद्धि को तेज करने में मदद करेगी। एवियन ने दो साल तक बाहरी पूंजी जुटाने से पहले लाभदायक रूप से संचालित किया और 2026 के दौरान $1 मिलियन की ARR को पार करने की उम्मीद करता है।

औद्योगिक जोखिम बीमा करना मुश्किल हो रहा है

औद्योगिक क्षेत्रों में, पुराने बुनियादी ढांचे, महीन धूल के जमाव, मोटर्स के ओवरहीटिंग, कॉन्वेयर फ्रिक्शन और विद्युत विफलताएं काम करने की स्थितियों को बढ़ाती जा रही हैं। पारंपरिक थर्मल निरीक्षण, जो अक्सर हाथ से पकड़े जाने वाले कैमरों के साथ त्रैमासिक रूप से किए जाते हैं, निरीक्षण के बीच बड़े अंतराल छोड़ देते हैं जहां उपकरण क्षय अनदेखा किया जा सकता है।

एवियन का दृष्टिकोण नियमित निरीक्षण के बजाय निरंतर निगरानी पर आधारित है। कंपनी एआई-संचालित थर्मल कैमरों को तैनात करती है जो घड़ी के चारों ओर महत्वपूर्ण औद्योगिक संपत्तियों को देखते हैं, जिनमें बियरिंग, मोटर, प्रेस, कॉन्वेयर और विद्युत कैबिनेट शामिल हैं।

कंपनी के अनुसार, प्लेटफ़ॉर्म यह सीखता है कि सामान्य ऑपरेटिंग तापमान प्रत्येक सुविधा के अंदर कैसा दिखता है और फिर आगामी विफलता का संकेत देने वाले सूक्ष्म थर्मल ड्रिफ्ट पैटर्न की पहचान करने पर ध्यान केंद्रित करता है। लक्ष्य आग के कारण बनने से पहले ओवरहीटिंग घटकों का पता लगाना है, बंद करना है या विनाशकारी उपकरण क्षति है।

अन्य औद्योगिक निगरानी विक्रेताओं के विपरीत, जो मुख्य रूप से हार्डवेयर बेचते हैं, एवियन खुद को एक अंत-से-अंत ऑपरेशनल प्लेटफ़ॉर्म के रूप में स्थिति देता है। थर्मल कैमरों के अलावा, सिस्टम में पूर्वानुमानिक रखरखाव रिपोर्टिंग, स्वचालित अलर्ट, विचलन पता लगाने वाले मॉडल और 24/7 मानव समर्थन शामिल हैं।

औद्योगिक एआई अनुकूलन से परे जा रहा है

हाल के दिनों में, औद्योगिक एआई के आसपास का ध्यान दक्षता सुधार, पूर्वानुमानिक रखरखाव और फैक्ट्री स्वचालन पर केंद्रित रहा है। लेकिन अब एक बढ़ती श्रेणी के औद्योगिक एआई स्टार्टअप्स खुद को ऑपरेशनल लचीलापन पर लक्षित कर रहे हैं – वास्तविक समय की निगरानी प्रणालियों का उपयोग करके डाउनटाइम, सुरक्षा घटनाओं और बीमा जोखिम को कम करने के लिए।

यह बदलाव औद्योगिक संचालन में व्यापक रुझानों को दर्शाता है। जैसे ही बीमाकर्ता आग से खतरा वाली सुविधाओं और पुराने औद्योगिक उपकरणों के बारे में अधिक सावधानी बरतने लगते हैं, कंपनियों को निरंतर निगरानी प्रणालियों की ओर धकेला जा रहा है जो वास्तविक समय के ऑपरेशनल डेटा का उत्पादन कर सकती हैं, केवल ऐतिहासिक निरीक्षणों और अधिनियमित मॉडलों पर निर्भर नहीं रह सकती हैं।

एवियन की दीर्घकालिक थीसिस इस संक्रमण पर केंद्रित है। कंपनी का मानना है कि औद्योगिक जोखिम मूल्यांकन स्थिर ऐतिहासिक मॉडलों से दूर हो जाएगा और वास्तविक समय में सुविधाओं से सीधे उत्पन्न होने वाली लाइव ऑपरेशनल टेलीमेट्री की ओर बढ़ेगा।

यह विकास आग से बचाव से परे बहुत बड़े परिणाम हो सकते हैं। वास्तविक समय की औद्योगिक निगरानी प्रणाली अंततः भविष्यसूचक रखरखाव, स्वायत्त संचालन, बीमा अंडरराइटिंग और औद्योगिक एआई को-पायलट के लिए आधारभूत बुनियादी ढांचे की परतें बन सकती हैं जो मानव टीमों के हस्तक्षेप से पहले ऑपरेशनल विचलनों पर प्रतिक्रिया कर सकती हैं।

औद्योगिक निगरानी महत्वपूर्ण बुनियादी ढांचा बन सकती है

एवियन जैसे प्लेटफ़ॉर्म के व्यापक महत्व आग से बचाव से परे हो सकते हैं। औद्योगिक सुविधाएं अब ऐसे वातावरण बन रही हैं जहां उपकरण स्वास्थ्य को निरंतर निगरानी के माध्यम से निगरानी की जा सकती है, न कि नियमित निरीक्षणों के माध्यम से।

थर्मल इमेजिंग विशेष रूप से महत्वपूर्ण है क्योंकि ओवरहीटिंग घटक अक्सर विनाशकारी विफलता से पहले चेतावनी संकेत दिखाते हैं। जैसे-जैसे एआई सिस्टम बेहतर होते जाते हैं, औद्योगिक निगरानी प्लेटफ़ॉर्म व्यापक ऑपरेशनल बुद्धिमत्ता परतों में विकसित हो सकते हैं जो थर्मल इमेजिंग, सीसीटीवी विश्लेषण और पूर्वानुमानिक विश्लेषण को मिलाकर वास्तविक समय में जोखिमों की पहचान कर सकते हैं।

परिणाम बीमा और नियमन में भी हो सकते हैं। बीमाकर्ता ऐतिहासिक दावा डेटा और निर्धारित निरीक्षणों पर प्राथमिक रूप से निर्भर नहीं रहकर वास्तविक समय की ऑपरेशनल टेलीमेट्री का उपयोग औद्योगिक जोखिम का मूल्यांकन करने के लिए कर सकते हैं।

और भी, यह औद्योगिक एआई में एक बढ़ती प्रवृत्ति को दर्शाता है जो शुद्ध उत्पादकता उपकरणों से दूर हो रही है और जो प्रणालियों पर केंद्रित है जो जोखिम, सुरक्षा और संचालन निरंतरता पर ध्यान केंद्रित करती हैं, जहां डाउनटाइम और उपकरण विफलता महत्वपूर्ण वित्तीय परिणाम हो सकते हैं।

рдПрдВрдЯреЛрдиреА рдПрдХ рджреВрд░рджрд░реНрд╢реА рдиреЗрддрд╛ рдФрд░ Unite.AI рдХреЗ рд╕рдВрд╕реНрдерд╛рдкрдХ рднрд╛рдЧреАрджрд╛рд░ рд╣реИрдВ, рдЬреЛ рдХрд┐ рдПрдЖрдИ рдФрд░ рд░реЛрдмреЛрдЯрд┐рдХреНрд╕ рдХреЗ рднрд╡рд┐рд╖реНрдп рдХреЛ рдЖрдХрд╛рд░ рджреЗрдиреЗ рдФрд░ рдмрдврд╝рд╛рд╡рд╛ рджреЗрдиреЗ рдХреЗ рд▓рд┐рдП рдПрдХ рдЕрдЯреВрдЯ рдЬреБрдиреВрди рд╕реЗ рдкреНрд░реЗрд░рд┐рдд рд╣реИрдВред рдПрдХ рд╢реНрд░реГрдВрдЦрд▓рд╛ рдЙрджреНрдпрдореА, рд╡рд╣ рдорд╛рдирддрд╛ рд╣реИ рдХрд┐ рдПрдЖрдИ рд╕рдорд╛рдЬ рдХреЗ рд▓рд┐рдП рдЙрддрдирд╛ рд╣реА рд╡рд┐рдШрдЯрдирдХрд╛рд░реА рд╣реЛрдЧрд╛ рдЬрд┐рддрдирд╛ рдХрд┐ рдмрд┐рдЬрд▓реА, рдФрд░ рдЕрдХреНрд╕рд░ рд╡рд┐рдШрдЯрдирдХрд╛рд░реА рдкреНрд░реМрджреНрдпреЛрдЧрд┐рдХрд┐рдпреЛрдВ рдФрд░ рдПрдЬреАрдЖрдИ рдХреА рд╕рдВрднрд╛рд╡рдирд╛ рдХреЗ рдмрд╛рд░реЗ рдореЗрдВ рдЙрддреНрд╕рд╛рд╣рд┐рдд рд╣реЛрддрд╛ рд╣реИред

рдПрдХ рдлреНрдпреВрдЪрд░рд┐рд╕реНрдЯ рдХреЗ рд░реВрдк рдореЗрдВ, рд╡рд╣ рдЗрди рдирд╡рд╛рдЪрд╛рд░реЛрдВ рдХреЗ рдорд╛рдзреНрдпрдо рд╕реЗ рд╣рдорд╛рд░реА рджреБрдирд┐рдпрд╛ рдХреЛ рдЖрдХрд╛рд░ рджреЗрдиреЗ рдХреА рдЦреЛрдЬ рдореЗрдВ рд╕рдорд░реНрдкрд┐рдд рд╣реИред рдЗрд╕рдХреЗ рдЕрд▓рд╛рд╡рд╛, рд╡рд╣ рд╕рд┐рдХреНрдпреЛрд░рд┐рдЯреАрдЬрд╝.io рдХреЗ рд╕рдВрд╕реНрдерд╛рдкрдХ рд╣реИрдВ, рдПрдХ рдордВрдЪ рдЬреЛ рднрд╡рд┐рд╖реНрдп рдХреЛ рдлрд┐рд░ рд╕реЗ рдкрд░рд┐рднрд╛рд╖рд┐рдд рдХрд░рдиреЗ рдФрд░ рдкреВрд░реЗ рдХреНрд╖реЗрддреНрд░реЛрдВ рдХреЛ рдлрд┐рд░ рд╕реЗ рдЖрдХрд╛рд░ рджреЗрдиреЗ рд╡рд╛рд▓реА рдЕрддреНрдпрд╛рдзреБрдирд┐рдХ рдкреНрд░реМрджреНрдпреЛрдЧрд┐рдХрд┐рдпреЛрдВ рдореЗрдВ рдирд┐рд╡реЗрд╢ рдкрд░ рдХреЗрдВрджреНрд░рд┐рдд рд╣реИред