Arpuro Intelligence·Nå i tidlig tilgang

Spør støvdataene deres med vanlige ord.

Med Arpuro Intelligence kan Claude, ChatGPT, Cursor eller en annen MCP-klient søke i over fire milliarder støvmålinger. Skiftledere, HMS-ingeniører og operatører spør med vanlige ord og får svar fra live data. Ingen trenger å skrive SQL.

4B+
målinger indeksert
20
industrianlegg i drift
3
land · NO · IS · ES
15%
av europeisk Si-smelting
Skiftet

Samme spørsmål.
Fire måter å svare på.

Tre av dem krever en ingeniør og litt kode. Den fjerde krever én setning.

Spørsmålet

«Vis hvert sted ved Isfjorden Silicon med forrige måneds støvforhold, sortert med høyeste eksponering først.»

Tilnærming 01SQL
SELECT l.name,
       AVG(m.resp_mg) AS avg_dust
FROM measurements m
JOIN locations l ON m.loc_id = l.id
JOIN sites s     ON l.site_id = s.id
WHERE s.name = 'Isfjorden Silicon'
  AND m.time >= NOW() - INTERVAL '1 month'
GROUP BY l.name
ORDER BY avg_dust DESC;
Trenger: skjema, tilgang, SQL-ferdigheter
Tilnærming 02REST
GET /api/sites
  ?name=Isfjorden+Silicon

GET /api/locations
  ?site_id=42

GET /api/measurements
  ?locations=101,102,103,104
  &start=2026-01-01T00:00:00Z
  &end=2026-02-01T00:00:00Z
  &types=resp_mg_per_m3
Trenger: API-nøkler, limkode, sortering på klientsiden
Tilnærming 03Python
sites = api.get_sites(
    name="Isfjorden")
locs = api.get_locations(
    site_id=sites[0].id)
data = api.get_measurements(
    locations=[l.id for l in locs],
    start="2026-01-01",
    end="2026-02-01",
    types=["resp_mg_per_m3"])
sorted(data,
    key=lambda x: x.avg,
    reverse=True)
Trenger: SDK, Python-miljø, utrulling
Tilnærming 04MCP

«Vis hvert sted ved Isfjorden Silicon med forrige måneds støvforhold, sortert med høyeste eksponering først.»

En setning. Modellen gjør resten.Arpuro
Hva du kan spørre om

Fra skiftovertakelse til styrerapportering.

Trykk på en hvilken som helst prompt for å se hvordan svaret ser ut.

Drift

Vis meg de høyeste støvavlesningene fra Furnace 4 forrige skift.

Furnace 4 — siste 8 timer (06:00–14:00 UTC)

Tre topper i respirabelt støv overskred 15-min OEL på 5,0 mg/m³. Den høyeste, kl. 11:42, traff 7,8 mg/m³ under en avstikk. Gjennomsnittet over skiftet lå på 1,4 mg/m³ — godt under 8-timersgrensen på 2,5.

Respirabelt støv · mg/m³ · 15-min bøtter06:00 → 14:00
15-min OEL · 5.08t OEL · 2.5842006:0008:0010:0012:0014:00
TidTopp (resp)% av15-min OELSannsynlig årsak
07:305.3 mg/m³106%Lading
11:427.8 mg/m³156%Avstikk
13:006.5 mg/m³130%Slagghåndtering

Vil du at jeg deler dette opp per 15-min vindu, eller sammenligner med samme skift forrige uke?

Analyse

Samsvar

Rapportering

Slik fungerer det

Bygget på en åpen standard.

Arpuro Intelligence bruker Model Context Protocol — en åpen standard for å koble AI-modeller til live data. Én kobling fungerer med de fleste AI-klienter i dag.

97M+
SDK-nedlastinger
per måned
13k+
MCP-servere
på GitHub
Støttet av
Anthropic · OpenAI · Google · Microsoft
  1. 01

    Legg til konnektoren

    I MCP-bevisst klient (Claude, ChatGPT, Cursor, Copilot) limer du inn én enkelt URL:

    https://mcp.arpuro.io
  2. 02

    Logg inn én gang

    En standard OAuth-flyt mot Arpuro-kontoen din. Samme innlogging som plattformen — samme rolle, samme tillatelser, ingen parallell tilgangshåndtering.

  3. 03

    Still et spørsmål

    Modellen får skrivebeskyttet tilgang til dashbordene og historikken du allerede har tilgang til. Diagrammer, oppsummeringer, eksporter — alt generert fra live data.

Integrasjoner

Fungerer med verktøyene teamene dine allerede bruker.

AI-klienter
  • ClaudeAnthropic
  • ChatGPTOpenAI
  • CursorIDE
  • CopilotMicrosoft
Arbeidsflyt & automatisering
  • n8nVarsler & rapporter
  • OpenClawAgent-orkestrering
  • Zapier / MakeUtløsere
  • Tilpassede MCP-klienterÅpen standard
Enterprise
  • Power BIRapportering
  • Microsoft TeamsVarsler
  • SAPDirekte API
  • Word & ExcelKlar til innsending
Konkret avkastning

Hvor tallene lander.

En uavhengig vurdering fra Crisp Ideas i april 2026 modellerte effekten per anlegg av å kombinere Arpuro-sensorer med generativ KI.

Les hele vurderingen
Direkte besparelser
0.7–3.4M
NOK per anlegg per år. Rengjøringssykluser, kampanjeerstatninger, unngåelse av regulatorisk risiko.
Samfunnsverdi
10.8M
NOK per typisk tilfelle, DALY-justert (Disability-Adjusted Life Years).
CAPEX omdefinert
Titalls millioner
NOK per ventilasjonsinstallasjon. Sensordata forteller om du trenger den — før du spesifiserer den.
Driftsgevinster
Rengjør mindre, sviktet sjeldnere.
Periodisk rengjøring til 100 000 NOK per syklus, utført når det trengs — ikke etter kalender.
Sikkerhet og tilgang

Skrivebeskyttet som standard. Avgrenset til det hver bruker allerede har.

  • Tokens er kortlivede og kan trekkes tilbake fra Arpuro-dashbordet.

  • Modellen ser aldri data uten en eksplisitt brukerprompt.

  • Bygget på eksisterende plattform-RBAC (Role-Based Access Control) — ikke et parallelt tilgangssystem.

Se det på deres egne data.

Tretti minutters gjennomgang på dine data, med en av ingeniørene som bygde plattformen.