3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
Creating a Digital Twin with ANSYS
今日主題 工業 4.0 智慧工廠．智慧經營管理
工業 4.0 智慧工廠
智慧經營管理
|
2019年1月23日 星期三
．「數位雙胞胎」正在成為智慧製造新趨勢
How can Digital Twin technology improve your business? - Digital Twin explained
來源：
「數位雙胞胎」與建模仿真技術，曾被稱作智慧製造業的下一波浪潮，工業4.0也要求，若要虛和實的互動以及相互增強，數位化模型必須先出現。
什麼是數位雙胞胎
「數位化雙胞胎」（Digital Twin）是指以數位化方式拷貝一個物理對象，模擬對象在現實環境中的行為，對產品、製造過程，乃至整個工廠進行虛擬仿真，從而提高製造企業產品研發、製造的生產效率。
所有「產品」最早是人類大腦裡的一個模糊概念，在沒有數位化模型幫助的情況下，要打造出一件產品或一套生產流程，必然會經歷多次迭代設計，有時候僅僅為了驗證產品的某一個尺寸，部件之間的裝配關係，流程的某一環節，就不得不製造出很多個中間產品或重新設計流程（被稱為打樣），耗費大量時間、金錢和人力。
採用數位化模型的設計技術（常指CAD技術，即數位化輔助設計），就可在虛擬的三維數位空間裡從無到有地創造出部件和產品以及工藝流程。在虛擬的三維空間裡，可以輕鬆的修改部件和產品的每一處尺寸和裝配關係，使得產品幾何結構的驗證工作、裝配可行性的驗證工作、流程的可實行性大為簡單，因此可以大幅度減少，迭代過程中的物理樣機的製造次數，時間，成本。
除此之外，專門的電路CAD設計技術，可以根據電路以及器件的原理，在三維數位空間設計出電路，並且也可以進行虛擬的驗證和迭代設計。同樣也可以大幅度減少製造物理樣機的代價。
這就是數位化模型，一定會早於物理實體產品出現的原因。實際上，在最終的產品製造出來之前，有很多個數位化模型，代表著產品迭代的各個階段。這些模型或者其中的一部分，仍然有可能被以後的型號或者產品線所採用，這也是數位化模型的一個附加好處。
建模仿真的「前世今生」
建模仿真最早來源於上世紀，60年代至70年代的電腦語言編寫的數位算法，當時只是簡單的用於計算特定物理現象，解決設計問題；之後的二十年，隨著工作站和微機的普及，以及計算能力的提高，仿真技術的應用逐漸遍及，各個學科和不同層面；而且不會停留在設計階段，正在向產品和系統的全生命週期擴展，構成與實體形影不離的「數位雙胞胎」。
由於仿真能夠在產品生命週期，提供無縫協助和優化，將會成為製造體系的核心功能之一，未來智慧工廠是基於模型的系統工程或基於模型的製造，軟體定義產品、決定企業盛衰，仿真技術製造系統，關鍵組成部分的黃金時代才剛剛開始。
Gartner預測，到2021年，全球50％的大型工業公司將使用數位雙胞胎，從而使這些組織的效率提高10％，尤其是製造業和工程行業的公司，如果想要在競爭中保持領先地位，就需要考慮實施數位雙胞胎。
製造業是目前數位雙胞胎最常用的行業，按時向客戶提供保質保量的產品，對製造企業非常重要，如果機器的運轉不能協同，並以適當的容量工作，就回影響員工、生產、可交付性，以及最終客戶的滿意度；採取即時監控、不中斷生產的情況下進行測試、並且能夠在設施中，收集的數百萬個數位據點，獲得更多資訊，數位雙胞胎使製造企業更加智慧。
在德勤的一份案例研究中，一家工業製造企業決定採用數字雙胞胎方法，來解決其在現場遇到的問題，從而解決維護費用和客戶延遲交付。製造企業收集了設備以及正在生產的產品數據，來研究裝配過程及其與產品質量的關係。因此，該項目能夠識別低效率並優化裝配流程，將返工率降低了15％至20％。
數位雙胞胎的現狀
最早在市場上提出「數位化雙胞胎」模型概念的是西門子，基於模型的虛擬企業和基於自動化技術的現實企業的「數位化雙胞胎」（Digital Twins），包括「產品數位化雙胞胎」、「生產工藝流程數位化雙胞胎」和「設備數位化雙胞胎」，三個層面又高度整合為一個統一的數據模型，並透過數位化助力企業整合橫向和縱向價值鏈，提供工業生態系統重塑，和實現「工業4.0」自下而上的切實之路。
數位雙胞胎的引入僅僅幾年時間，目前處於初步探索與實踐環節，距離廣泛應用還有很長的路要走；目前數位雙胞胎技術還面臨著諸多難題，主要可分為三類：
一是高仿真度，高保真度的仿真建模是建構數位雙胞胎體系的關鍵，數位雙胞胎作為物理實體，在數位空間的超寫實動態模型，產品虛擬模型的高精度性、多物理場建模、高保真度響應模擬等，是首要解決的技術難題。
二是數據收集，由於數位孿生技術的應用，以海量數據為基礎，並且是基於全要素、全生命週期的數據，而有關這些數據所涉及的先進感測器技術、自適應感知、精確控制與執行技術等難題急需攻關。
三是即時監測與健康預測技術也尚待完善，即時和預測是數位孿生的核心要素，一方面物理產品的數據動態，即時反映在數位孿生體系中，另一方面，數位孿生基於感知的大數據，進行分析決策，進而控制物理產品，而其中離不開相應的高即時性數據交互、高置信度仿真預測、超級計算能力等技術能力。
此外，新的設計檢驗方法仍需進一步探索，使物理模式的實驗結果更準確、更接近真實的工況，為數位孿生體的推演提供可靠的數據支撐。
目前全球製造業正處於轉型升級的關鍵時期，透過物聯網、大數據、人工智慧和實體經濟深度融合，使得製造競爭力得到大幅提升。
未來，數位雙胞胎也可結合物聯網的數據採集、大數據處理和人工智慧建模分析，實現對過去發生問題的診斷、當前狀態的評估以及未來趨勢的預測，並給予分析結果，模擬各種可能性，提供更全面的決策支持。
．一文讀懂從車聯網到工業智聯網
BMW V2V Technology
 |
來源：智车科技IV
本文從工業網路的典型應用—車聯網談起，從工業網聯技術發展過程的視角，分析了工業智聯網的構架、關鍵技術和前沿趨勢，對智聯網視域下的未來智聯交通作出了展望。
本文整理自對岸中國工程院院士、北京理工大學校長張軍院士，在對岸2019國家智慧產業峰會所做的報告，隨著智慧技術的發展，從工業互聯網發展到工業智聯網是必然趨勢。
工業智聯網是新一代人工智慧技術、知識工程技術與製造業深度融合的產物，是未來工業的核心基礎設施，和新型經濟形態的支撐科技。
工業智聯網是新一代人工智慧技術、知識工程技術與製造業深度融合的產物，是未來工業的核心基礎設施，和新型經濟形態的支撐科技。
本文從工業網路的典型應用—車聯網談起，從工業網聯技術發展過程的視角，分析了工業智聯網的構架、關鍵技術和前沿趨勢，對智聯網視域下的未來智聯交通作出了展望。
談談車聯網
首先談一下車聯網的概念，簡單來講就是車輛＋無線通信設備之後，可以實現車-X、車-網路的無線通訊和資訊交換，使得資訊網路平台提取車輛即時靜、動態數據，最終可實現車輛智慧化控制。
因此車聯網的發展的最終方向，為智慧網聯汽車和車路協同。
智慧網聯汽車需要有感知、資訊交互和服務的能力。
感知能力，又包含內部感知和外部感知兩方面。內部感知為車輛內部裝有感測器，感知車輛運行狀態參數，駕駛人狀態測量；外部感知為透過雷達、攝影機、GPS等感測器獲取周圍道路環境資訊。
資訊交換的能力，包含與網路相連，實現智慧化車輛控制，與智慧化交通控制的車網互聯能力，和與他車互聯，實現碰撞預警、自動避障、車距保持、路況分享等的車車互聯兩方面的能力。
智慧網聯汽車服務的能力，體現在車路互聯的能力，即可以實現與路側設備相連，實現運輸管理、車速引導、信號控制、施工區提醒等。
車路協同要實現的是車車、車路間智慧協同與配合，充分利用交通系統的時空資源，以降低事故、節約能耗。根據美國Safety Pilot項目研究成果顯示，車路協同可降低事故率44％；《美國NHTSA研究報告》提到車路協同技術可實現節約能耗39％。
車路協同架構
現有交通方式的弊病是人適應系統，現急需「人適應系統」向「系統適應人」轉變。
例如從台北到東京，要坐航班，坐幾點的航班？到這邊來幾點鐘上車？我們都是適應交通系統。我們設想如果什麼時候是交通系統適應人，這才是真正的人工智慧，人工智慧跟交通緊密結合。
人適應系統就會面臨很多問題，這裡舉一個例子，從台北到上海也不容易，現在想想到上海開會需要提前訂票，然後到達地鐵站，在睇呔需要安檢，以後到浦東機場，然後下來以後還要看看有沒有人接，沒有人接，就騎共享單車到會場，整個這個過程需要提前購票、早到等待、晚到改簽、多次安檢、等行李、等出租、塞車等一系列需要人去適應交通系統的過程。
我們設想，什麼時候能夠系統適應人？那什麼叫系統適應人呢？簡單來說就是每個人出行時，都可以得到一份一體化的交通出行客製化方案。
這裡舉個例子，比如從北京到青島會議中心去，我買一張票，打包的交通方案就已經生成，比如方案一是時間最短、方案二為花費最低，選擇一種方案之後可一票出行，在出行過程中，可一站安檢，全程通行，然後有即時的航班或高鐵，到站即可出發，避免等待，行李也由專車運送，到青島當地以後，共享出租就根據系統已經檢測到行李所在車輛以及一起去青島會議中心的朋友，接上後直接送達終點，根據車路協同系統也不會有堵車的情況。
每個人都享受到的是客製化服務，或者多樣化的個性化服務，這才是我們認為的「交通出行系統適應人」，這裡講的人工智慧跟交通車聯網，是這個意義的車聯網，根本不是傳統上的人適應交通系統，是這樣一種顛覆性的我們對交通的認識。
未來交通新技術
上面講的系統適應人能不能做到？目前看有可能，為什麼有可能？因為有N （資訊網Network）、B（大數據Big data）、A（人工智慧AI）。即將新一代 IT 技術與綜合交通的深度融合。
具體來講就是是網聯化、自主化的智慧載運工具，協同化、智慧化的智慧基礎設施，知識化、個性化的智慧運行服務相結合。這樣才能驅動我們進入智聯交通社會
天地空網路
首先第一要採集，所有資訊都得感知，需要實現有天空地網路一體化，為採集所有資訊，奠定很好的網路條件。
網聯化系統結構：數據採集/運行決策更快、更全、更準
大數據
可以利用大數據洞察、理解、預測複雜的交通系統李的演化規律，利用這個演化規律，知道哪裡塞，哪裡不塞，然後實現檢測。
因此要做好大數據基礎設施的全面建設。包括能夠實現計算EB級數據中心、PB級網路應用、百億級記錄超額大規模數據量的伺服器；可實現空管指令、客票資訊、監控影像等功能的，高低並存數據價值的數據分析，及顯示系統；以及能夠實現跨域系統匯聚互聯，包括政府資源開放、網路資源匯聚、系統互聯；
做好了基礎建設，才可以實現包括能源消耗、公共衛生、大氣污染等多維度更全面；數據呈現更直觀；數據更準確；以及細節更深入的智慧交通系統。
客製化服務
「三層四片」架構
實現交通的客製化服務，可採用「三層四片」的理論架構體系。
首先說「三層」。
第一層即上圖中最底下這一層，實際上把泛在網路、各種與交通有關的資訊進行採集，把信號變成資訊。
第二層利用智慧邊緣計算，因為以後的汽車，都可以實現工業化跟資訊化兩化融合，而其中最大的賦能技術是5G，5G＋新能源汽車，就可以質變到工業物聯網，在這樣一個大網路裡面，都可以放一個超級計算，汽車終端的計算就屬於邊緣計算。有了智慧邊緣計算以後，就可以實現由資訊到知識，而且是可信的知識。
到了第三層我們真的能夠實現，智慧的決策和服務，就是完全多樣化。
因此，簡單總結來看，第一層是泛化的感知，第二層是邊緣的網路化計算，第三層是無所不在的智慧服務。
支撐這三大層需要什麼技術呢？這就要講到「四片」。
首先是能夠自組織，這種分布式的階層要要能自己組織起來，另外要可信和安全，還要能夠自然交互，最後能給達到群智和優化。
實現「三層四片」以後，我們交通就會產生革命性的影響，最終實現時間分配準——分鐘級、空間分配精——米級、服務分配優——個人級。
比如我們轉乘交通工具，先我們轉乘的交通工具都是按小時計，以後都是分鐘計；我們的轉乘轉地鐵都是幾百米，坐共享單車、打的也得幾十米，以後到米級；以後我們享受的服務，不再是一個航班幾百人，而是每個人都可以享受客製化的服務。
這裡詳細講解一下定制化服務的這三大特性。
客製化服務特性之——準
柔性計劃、多元融合
怎麼做到「準」呢？如果有了柔性計劃、多元融合，我們採用大區域的氣象、交通狀態資訊，也可以即時獲取以後，透過大數據系統的計算，我們就可以進行多元計劃的融合，我們出行計劃就可以進行動態分級調整。因此就可以實現陸海空天一體的時間的智慧化分配。最終使得我們出行計劃的分辨率。就可以從天計/小時計到分鐘計。這就是從時間上來說比較「準」。
客製化服務特性之——精
按需匹配、跨界使用
第二個客製化服務要實現空間上的「精」，利用智慧技術將鐵路、公路、水運賦能，都讓他們實現智慧化或無人化，如無人汽車、無人貨車、無人飛機等等，這些智慧化或無人化的交通工具，可以進行協同智慧、多式聯運智慧實現全程一體化精準匹配。最終打通最後一公里，從而實現出行行程空間分辨率，由步行距離千米級到米級。
小尺度（氣象、交通狀態）感知 －＞ 知識圖譜構建 －＞ 載運工具索引
客製化服務特性之——優
組合優化、人機交互實現個性化
第三個客製化服務為「優」，這裡把交通對象智慧優化，實現線上線下個性化推薦，以及多樣化交互，我們就有可能實現，個性化訂製的交通系統適應人的目標，在出行選擇服務分辨率上，實現由群體級向個人級的跨越。
從車聯網到智聯網
正如剛才所講，人工智慧跟車聯網結合以後，顛覆了我們對交通的再認識，原來我們是人適應交通系統，現在我們可以交通系統適應人。交通系統適應人以後，我們的轉乘時間到分鐘級，步行距離到米級，我們的出行由群體到個性化，每個人都打得起飛的。這就是人工智慧對車聯網的影響。
能不能做到？能，從車聯網到最後自主交通階段即可實現。這裡有一個影片演示，比較直接的展示了未來交通智聯網系統運行情況。
工業智聯網
下面講一下工業智聯網，工業智聯網不是我的本行，這裡講的快一點。
首先看一下工業網聯技術主要階段，如下圖
技術發展聚焦於工業現場的過程資訊化與自動化
目前工業智聯網的用處還比較遙遠，但是跟交通領域的結合是最快的用途。所以我們就會想智聯網跟車聯網，有什麼樣的最大公約數呢？
我們講的工業網路，都是從消費領域進入到工業領域，原來我們在交通領域叫人車路，到了工業領域叫人、設備、數據，兩者都是以人為中心的三個要素，這個是最大公約數。
這裡我們還得看三個層，即網路、計算、服務。
但不管是感知採集、設備管理、數據服務，但是工業網路確實有問題，不能按需連接、缺乏知識分析、服務能力也不足，這些問題該怎麼辦？深度融合等這裡就不說了。
下圖是我自己原創的，包括網路、計算、服務三個層面，網路採集感知完數據以後，加上智慧計算就得到資訊，這就是智慧化的感知資訊；第二層是計算，計算都應該是自動化的，如果加上感知計算，把感知的資訊事先把有的知識融入，就介意把這種邊緣計算，從資訊變成了知識；
第三層是服務，服務大多數談的都是應用，如果把智慧服務和應用結合，就形成了智慧。所以我們就從網路感知到知識到服務，就變成了資訊、知識、智慧。因此，這裡認為工業網路和工業智聯網，最大的區別四個字，一個是更強調知識，一個更強調智慧，這是兩個最大的區別。
看下面這張圖，這張圖跟車聯網是不是高度相似？這是因為我是研究綜合交通的，所以我覺得車聯網和智聯網如何找到最大公約數，支撐我們的智聯網就可以了。
因此，我把剛才的三層四片就改成了A1到A3，B1到B4。A1到A3還是網路、計算和服務，但是這時候已經發生了變化，網路變成了智慧感知，計算變成了知識計算，服務變成了智慧服務。
什麼叫做感知？感知就是寬頻泛在的網，和分布式智慧感知；智慧邊緣計算和自主知識獲取是知識計算；多元化與個性化的智慧服務就是智慧服務。
怎麼能夠達到呢？還要解決四個關鍵技術，B1是網路與資訊的自組織，B2是資訊可信，B3是自然交互與虛實交互，現在我們的交互也是一個大問題，B4是群智決策。所以工業智聯網的核心是什麼？是無所不在的智慧與自主。
A1網路為寬頻泛在網與分布式智慧感知，即工業智聯網的基層為寬頻、泛在、自主感知；A2計算為邊緣智慧計算與自主知識獲取，即工業智聯網的計算特徵為數據到知識；A3服務為多元化與個性化的智慧服務，即工業智聯網的目標：提供個性化智慧服務；B1為網路與資訊的自組織，即工業智聯網物理層為資源自組織；B2為資訊可信，即工業智聯網可信環境，可用區塊鏈；B3為自然交互虛實交互，即工業智聯網智慧表現形式：以人為中心的自然交互；B4為群智決策，即智聯網的本質特徵為人機物環融合。
智聯交通網
從車聯網到智聯網，最終實現自主的交通系統，即從網路、計算、服務三個層面的數據交互、資訊疊加和被動服務分別到資訊交互、知識累積和主動服務的過程。
自主交通是什麼樣的交通呢？下面這張圖非常重要。
這張圖裡面首先我們看技術對象，最重要的是從左邊的框框到右邊的框框，左邊的框框是人在環、機在環、智在環，人機環，環環相扣，右邊是人際網、物聯網、人流網、物流網，網網智聯。
其中車路智聯網是基礎，但是我們要跳出地面，還需要有空地智聯網和空天智聯網，這樣全空間既可以充滿網路，立體化的網路保障信號隨時隨地獲取。左邊為智聯網裡面的基礎設施，分為有節點智聯網和樞紐智聯網；因為我們不能一下子過渡到無人網路，它也是一個循序漸進的過程，因此右邊顯示了有人和無人結合的混合智聯網。
車路智聯網
車路智聯網是由智慧車輛和智慧道路的協同運行。
這個影片可以非常直觀的展示智慧車路網能夠達到的效果，即在十字路口的行人、非機動車和機動車都不用等待，即可通行，而且不會發生碰撞，可大大提升交通效率和安全性。
編隊行駛：降低車間距，減阻提效；協同避讓：無須紅綠燈
空地智聯網
下一個是空地智聯網，這是我自己的專業方向，我就弄得比較細。一個是隨時點到點，下一步我們叫隨地門到門，怎麼做到？即通過智慧繁衍，包含智慧嵌入、邊緣計算、知識生成、全網共享四個方面，第二是量身訂製的服務，包含空間優先、時間優先、舒適優先、代價優先，最後建構一個地空協同的管理體系，和空中立體的生態體系。
空天智聯網
另外講一講空天智聯，以後上天跟我們坐交通是一樣的，要軌道，要智能軌道、結伴飛行、安全監控、任務重構＋個性化遨遊，這個可能是2050年以後的事。
物流智聯網
下面簡單講講跨界智聯網，這裡首先講到物流，物流以後就是4個A，你收信，你可以在任何時間、任何路線、任何方式選任何書信，以後我們在走的過程中就收信了，吃飯的時候信就來了，自助餐就來了，是這麼一種，所以以後就是智慧新物流。
 |
| 綜合交通物流新業態 |
樞紐智聯網
交通樞紐通過數據化到資訊化、到知識化、到自動化、到智慧化，再到擁有智慧之後，以後無人汽車、水上停機坪，任何一個地方都可以停，但是都是按照智慧的規則。所以是按需定容，無縫調度，這樣來進行。
混合智聯網
．3D 列印領域，在 2018 年出現的傑出成就和創作
TOP 10: Best 3d Printers 2018
來源：3D先锋
在2018年，3D列印領域出現了一些令人驚艷的進展。製造公司正在使用這種技術，來減輕產品重量和節省成本，比如BMW的3D列印零件、3D列印機首次上太空生產零件，還有寶馬生產了100萬個3D列印零件。
而去年，建築師還進行了許多新嘗試，推動了3D列印的藝術極限，比如去年出現了第一座3D列印鋼橋，還有3D列印住宅。
3D列印鋼橋
世界上第一座3D列印鋼橋，去年在荷蘭設計周上亮相，設計公司MX3D表示，該人行天橋將於今年在阿姆斯特丹安裝。雖然整個項目耗時近四年，但該公司表示，天橋的製作生產過程，現在可以在六個月內完成。
這座長40英尺（12米）的橋梁，最初設計是在現場建造，然後在水面上去印，但之後考慮到後勤和環境問題，而改變了原定計劃。相反，公司想到用機器人手臂和焊接機器，在一個生產線創建了這座橋，之後只要安裝到位就可以使用。
由於施工方法新穎，以前沒有在任何這樣的大型項目，運用3D技術，MX3D公司與阿姆斯特丹官員合作，還制訂了新的安全標準，並與包括英國的阿蘭圖靈研究所（Alan Turing Institute）在內的合作夥伴協調，為天橋配備了一個感測器網路。
MX3D公司表示，一旦到位，這個裝置能夠收集「橋梁交通、結構完整性，以及周圍社區和環境」的數據，其中的資訊將被用作「橋梁的《數位雙胞胎》的輸入」，將進行監控，以檢測任何安全問題。橋梁底部的鋼甲板，還會提供額外的穩定性。這些數據也有助於將來，設計類似的橋梁。
3D列印住宅
去年在3D列印領域，出現了一些令人印象深刻的新應用。新創公司Icon在三月時稱，它可以在12到24小時內，用3D列印技術建造一個650平方英尺（60平方米）的房子。第一間使用Icon技術製造的住宅，位於德克薩斯州奧斯汀。
十月，該新創公司宣佈了其將投入900萬美元的資金，來擴大3D列印項目。明年，該公司面向居民的五個計劃中的第一個，就會在埃因霍溫科技大學展開。
ICON打造的這間3D列印住宅原型，使用該公司移動式3D列印機（Vulcan），製作成本不到4000美元。這間緊湊型房屋，面積為600到800平方英尺，採用尖端材料製造，符合安全和舒適標準，適用於水、電等資源有限的環境。
人們一直在嘗試3D列印住宅技術，但是工程師們不斷遇到障礙，例如設備故障或牆壁乾燥的問題。但是現在，這些障礙開始被一一克服，但是困難應該還有很多。
寶馬生產的3D列印零件已達100萬個
雖然3D列印仍在大生產中，尋求更大的立足點，但一些高端汽車和航空航太公司，已經接受了這項新技術。寶馬今年達成了一個重要的里程碑：自2010年以來，它在量產中生產了第100萬個零件，特別是BMW i8 Roadster的車窗導軌，採用了HP 3D列印機製造。
自1990年以來，該公司一直致力於在原型設計，和開發上使用3D列印技術，但在過去的八年中，寶馬在生產中，已經全面展開應用這項技術。該公司估計今年將會，生產超過20萬個3D列印零件。
3D列印機上太空
一個新的3D列印系統在11月搭乘火箭，發射進入了國際空間站，而這個系統代表著一個特殊的轉折點。3D列印系統Refabricator不需要新材料，而是可以將舊塑料製品變成長絲，這是製造新零件所需的塑料材料。大多數列印機的操作，都將由地面中心進行遠端控制，先會進入測試階段。
該實驗能夠測試列印機，在太空旅行中的作用，展示有價值的用途。如果太空人能夠多次重複使用3D列印材料，這可以減少他們在太空所需的材料數量，從而延長停留時間。
自動跟蹤功能的3D列印塑料輔助物體
華盛頓大學的研究人員，使用3D列印技術，創造了藥瓶或義肢等物品，而這些新品無需電池，就可以發送它們的使用資訊。
當物體以特定方式移動時，例如當打開藥瓶蓋子，或合上蓋子時，嵌入列印物體中的天線會被啟動。而兩個天線信號的傳輸方式發生變化，而不同的變化會對應不同的相關資訊，這樣研究人員就可以知道物體現在的狀態。
研究人員相信他們的系統，可以改進輔助技術，從而可以準確監控人們如何使用這些設備。就算它們被弄濕或沒電池就沒關係，一樣可以使用。
該團隊的下一個挑戰是縮小物品原型，才可以將它們嵌入到有用的日常物品中。