Collo实时测量液体过程的质量

Collo的技术基于射频信号，可以穿透任何液体、机器学习和复杂的边缘计算分析。这是一种简单易用的解决方案，可自动适应任何液体工艺，并产生八维多参数实时分析，当出现质量问题时，可以立即调整工艺。

ColloidTek公司CEO兼创始人Matti Järveläinen说:“该技术可以实时检测出液体性质中几乎任何可以想象的变化。”“结果是一种持续的质量控制，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，以确保液体工艺从批次到批次的一致性。例如，它可以监测广泛应用于食品、化妆品、制药工业和许多其他生物过程的发酵过程，以确保微妙的微生物过程按计划进行。

销售主管Mikko Tielinen说:“如果在生产过程的早期发现质量偏差，报废的最终产品数量可以最小化。”“如果仅仅通过改善过程质量的衡量方式就能从根本上提高现有工厂的产量，那为什么还要投资新工厂呢?”

这就是为什么科洛目前正在全球范围内建立工业合作伙伴关系，从亚洲到欧洲和美国。

Matti Järveläinen说:“由于Collo可以适应几乎任何流体，这意味着制造业可以将其质量保证集中在实时的实际问题上，而不是依赖于只提供过程追溯快照的盲样品。”“我们的客户遍布世界各地，目前我们正在与多家《财富》500强企业谈判，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很关键。Collo最近进行了一项研究，以找出如何使用无监督机器学习来检测污水垃圾中的异常质量。这项研究是与芬兰北部的奥卢市自来水厂一起进行的。

Matti Järveläinen说:“水处理在全世界都很重要，有了我们的技术，就有可能实时监督自来水和污水的质量。”“污水的问题在于，如果有害化学物质通过而未被检测到，它可能对水处理过程和环境构成威胁。”

在这项研究中，科洛从污水井中收集了几周的数据，然后把这些信息压缩到几个模型中，展示了在工作良好时这个过程应该是什么样子的。然后，该分析仪根据这些模型对污水质量进行监测。

Matti Järveläinen说:“在机器学习的帮助下，我们的系统能够精确地确定过程中的液体质量偏差。”“研究表明，我们的分析仪可以大规模地用于监测工业废水流，以便及早发现异常情况，如化学物质泄漏、产品损失或其他异常行为。”