ColloidTek OY(Collo)的新在线测量技术可以直接实时检测液体特性的任何变化。这项新型技术有可能彻底改变液体质量控制,因为它可以进行连续的过程监测,并且普遍适用于从薄到厚的所有流体。

Collo的技术基于RF信号,该信号可以穿透任何液体,机器学习和复杂的边缘计算分析。这是一种易于使用的解决方案,可自动适应任何液体过程,并导致八维,多参数,实时分析,使得在存在质量问题时可以立即调整该过程。

“该技术几乎可以实时检测液体性能的任何可感知的变化。”MattiJärveläinen,ColloidTek的首席执行官兼创始人。“结果是连续的质量控制,与基于盲样和实验室分析的正常,耗时的质量控制过程相反。”

全球客户

Collo的液体指纹技术为制造业提供了一个机会,可以确保液体过程从批次到批处理持续持续。例如,它可以监测广泛用于食品,化妆品和制药行业以及许多其他生物处理的发酵过程,以确保精致的微生物过程正在按预期进行。

“如果在此过程的早期检测到质量偏差,可以最大程度地减少废弃的最终产品的数量。”Mikko Tielinen, 销售主管。“如果可以通过改善测量过程质量的方式,为什么可以从从当前工厂的生产中根治性地增强生产,为什么要投资新工厂?”

这就是Collo目前在全球从亚洲到欧洲和美国建立工业合作伙伴关系的原因之一。

MattiJärveläinen说:“由于Collo几乎可以适应任何流体,因此制造业可以将其质量保证集中在实时的实际问题上,而不是依靠仅提供该过程追溯快照的盲样品。”“我们在世界各地都有客户,目前我们正在与各种财富500强公司进行谈判,这表明我们的技术是非凡的。”

保护生态系统

对液体质量变化的快速响应在其他应用中也可能至关重要。Collo最近进行了一项研究,以了解如何使用无监督的机器学习来检测污水浪费的异常品质。该研究与芬兰北部的Oulu Waterworks一起进行。

MattiJärveläinen说:“水处理在世界范围内至关重要,借助我们的技术,可以实时监督自来水和污水的质量。”“污水的问题是,如果有害化学物质通过未被发现,这可能对水处理过程和环境构成威胁。”

在这项研究中,Collo从污水中收集了几周的数据,然后将信息压缩为几个模型,以显示该过程在运行良好时的外观。之后,分析仪根据这些模型监视污水质量。

MattiJärveläinen说:“借助机器学习,我们的系统能够确定此过程中的液体质量偏差。”“研究表明,我们的分析仪可大规模使用,以监测工业废水流,以早日检测到化学溢出,产品损失或其他异常行为等异常。”