来自ColloidTek Oy (Collo)的新型在线测量技术可以实时检测液体性质的几乎任何变化。这项新技术有可能彻底改变液体质量控制，因为它能够实现连续过程监测，并且普遍适用于从稀到稠的所有液体。

Collo的技术基于可以穿透任何液体的射频信号、机器学习和复杂的边缘计算分析。这是一种简单使用的解决方案，自动适应任何液体过程，结果在八维，多参数，实时分析，使有可能调整过程，当有质量问题。

“这项技术可以实时检测到几乎任何可以想象的液体性质变化，”他说马蒂·Jarvelainen他是ColloidTek公司的首席执行官和创始人。“结果是一个持续的质量控制，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，以确保液体过程在批与批之间表现一致。例如，它可以监测广泛应用于食品、化妆品和制药行业的发酵过程和许多其他生物过程，以确保微妙的微生物过程按计划进行。

“如果在生产过程的早期就发现质量偏差，报废的最终产品数量就可以降到最低，”他说Mikko Tielinen销售主管。“如果仅仅通过改进工艺质量的衡量方式就可以从根本上提高现有工厂的产量，为什么还要投资新工厂呢?”

这就是为什么科罗目前正在从亚洲到欧洲和美国的全球范围内建立工业伙伴关系的原因之一。

Matti Järveläinen说:“由于Collo几乎可以适应任何流体，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，而不是依赖只提供追溯快照过程的盲样本。”“我们的客户遍布世界各地，我们目前正在与多家《财富》500强公司进行谈判，这表明我们的技术是不同寻常的。”

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废物中的异常质量。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，就有可能实时监测自来水和污水的质量。”“污水的问题是，如果有害化学物质未被发现，就会对水处理过程和环境构成威胁。”

在这项研究中，Collo收集了污水井数周的数据，然后将这些信息压缩到几个模型中，展示了该过程在正常工作时的样子。然后，分析仪根据这些模型对污水质量进行监测。

“在机器学习的帮助下，我们的系统能够精确定位过程中液体质量的偏差，”马蒂Järveläinen说。“研究表明，我们的分析仪可以大规模用于监测工业废水流，以早期发现异常，如化学品泄漏、产品损失或其他异常行为。”