Cuando ejecuta grandes operaciones industriales de la vida real, siempre hay un indicador o lectura en algún lugar profundo de la instalación que sus ingenieros o equipos de campo deben verificar en persona. Lilz es una startup japonesa que construye dispositivos que puede configurar para leer estos medidores de forma remota, y la compañía acaba de recaudar $ 4.1 millones cuando ingresan al mercado norteamericano.
Los dispositivos de Lilz son básicamente cámaras inteligentes que funcionan con baterías que pueden durar años entre cargas, mientras monitorean algo así como un manómetro las 24 horas del día, los 7 días de la semana.
Puede sonar un poco extraño en esta era moderna, ¿por qué no tener un indicador de vapor inteligente en primer lugar? La simple verdad es que gran parte de la infraestructura y la industria pesada no tienen esa opción, o la modernización puede ser prohibitivamente costosa. Sin embargo, por razones de seguridad o eficiencia, es necesario revisar regularmente algunas lecturas simples.
Enviar a un humano hacia abajo es la solución más simple, o lo era hasta que Lilz puso a disposición sus dispositivos hace un par de años. Su pila de visión artificial robusta pero de bajo consumo analiza imágenes del indicador y transmite esa información digitalmente.
Ahora, la empresa con sede en Okinawa tiene unas 3500 cámaras activas en 500 ubicaciones y ha recaudado 590 millones de yenes (aproximadamente 4,1 millones de dólares en la actualidad) para impulsar la siguiente fase de su negocio. Sus inversores incluyen JIC Venture Growth Investments, Mitsubishi UFJ Capital, Tokyo Century, Dimension Fund, Okinawa Development Finance Corporation, Okinawa’s Science and Technology Development Center y Dogan Beta. Esa es una ronda de la Serie B, aproximadamente el doble de su ronda de la Serie A de $ 2.2 millones en 2021.
La compañía recibió la certificación FCC e ISED para sus dispositivos y se está preparando para su lanzamiento en EE. UU. y Canadá. Planean duplicar sus implementaciones de cámaras y luego expandirse rápidamente.
Un dispositivo Lilz en una situación del mundo real y un ejemplo de sus lecturas. (No son los mismos calibres, para ser claros). Créditos de imagen: Lilz
En cuanto al hardware, Lilz también ha estado trabajando para obtener la certificación de “intrínsecamente segura”, lo que significa que las cámaras no presentan ningún riesgo de crear problemas de seguridad, por ejemplo, un cortocircuito y una chispa que podría encender gases inflamables. Con frecuencia, esto implica grandes recintos para dispositivos, pero Lilz lo diseñó desde el principio, y sus cámaras intrínsecamente seguras solo pesarán 550 gramos.
También planean lanzar una cámara térmica con cualidades similares a la RGB; El monitoreo térmico es importante en las centrales eléctricas no tripuladas, donde una persona simplemente tendría que visitar con una cámara térmica de mano para verificar. Naturalmente, es deseable automatizar este proceso. Al igual que con otros negocios ampliamente distribuidos, como el almacenamiento y la entrega de gas, eliminar la necesidad de estos controles no solo es más seguro, sino que también ahorra dinero, tiempo y combustible.
Aunque sería una exageración llamar a Lilz una empresa de IA, ciertamente es lo suficientemente cercana como para reclamar parentesco mientras el mercado de IA continúa expandiéndose. Aunque mejora regularmente sus algoritmos de visión por computadora y los métodos para acceder a los datos, Jakub Kolodziejczyk, el CTO de la compañía, dijo que han visto interés más allá de la lectura de medidores, ya que los dispositivos a menudo se encuentran en ubicaciones clave en las instalaciones.
“Si bien nos enfocamos en indicadores analógicos, con nuestras cámaras, los clientes también pueden capturar otros aspectos de sus procesos que antes no podían rastrear y nos solicitan capacidades para detectar eventos de interés”, dijo a TechCrunch. “Algunos ejemplos que vemos ahora son cambios de temperatura anormales (que se relacionan con nuestra oferta de cámaras de visión térmica) y fugas, tanto para el equipo como para el entorno circundante”.
Los dispositivos de Lilz podrían aprender a detectar valores atípicos con datos muy escasos, dijo, pero advirtió que “este proyecto aún está en fase de exploración”.
Source link