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
今日主題 工業 4.0 \智慧車載交通\公共工程\經營管理
|
智慧經營管理與市場商機論壇
2023年10月11日 星期三
★ 減少交通堵塞的 7 個智慧城市解決方案
大多數城市尚未嘗試過的交通解決方案
 |
| 不只是縮時，還有粉塵、噪音、位移偵測 |
智慧汽車、無人機和汽車共享，是智慧城市減少交通堵塞的一些方式。閱讀有關城市的 7 個創新解決方案。
隨著每天上下班的通勤人數減少，世界各地的城市堵塞的暫時有所減少。因此，空氣品質得到了顯著改善，向我們展示了交通減少帶來的積極環境影響。
然而，隨著事情開始正常化，通勤者重新上車，城市將不可避免地看到交通擁堵的復甦。這意味著，花時間實施減少交通的關鍵解決方案，比以往任何時候都更加重要。
在交通高峰期，儘管有公共交通和併車共乘等替代交通選擇，但許多高速公路和內城道路更像停車場。在加州，司機與全美國一些最擁擠的高速公路打交道，好消息是，你經常在塞車時遇到好天氣。壞消息？你塞車了。據灣區大都會交通委員會稱，自 2010 年以來，舊金山地區主要高速公路的交通量增加了 80%。加州只是一個例子。
大型科技公司正在將總部從郊區帶到城市，為員工提供城市生活方式。然而，這些城市的突然成長，將「交通頭痛」變成了「交通偏頭痛」。
雖然這似乎是不可能的，但技術可以提供幫助。我們談論的是網路系統的未來，共享有關我們的道路和行人的豐富資料，讓位於智慧城市。而且現在已經發生了。
例如，城市可以使用連線車輛的彙總資料，來自動便士坑洞和其他惡劣的道路狀況。資料可以與政府管理整合，以便公共工程或維修人員可以自動執行派遣和工作訂單。
城市轉向物聯網來幫助解決首要挑戰
預計 2023 年全球智慧城市倡議支出，將達到驚人的 1895 億美元。開發智慧城市的最重要因素之一是確保物聯網（IoT）系統，以整合的方式實施。每一項技術都必須一起工作和溝通，以便城市主管人有效地使用物聯網資料來改善公民的生活。
智慧城市委員會表示：「智慧城市使用資訊和通訊技術（ICT）來提高其宜居性、可操作性和永續性。」城市可以從感測器、物聯網裝置和其他連線系統中獲取智慧，然後進行分析，以幫助更好地瞭解事件並預測新興趨勢。
IDC 智慧城市支出指南顯示，2020 年全球物聯網和智慧城市技術支出，將達到 1240 億美元。與 2019 年相比，這相當於同比成長 18.9%。該研究指出，資料驅動的智慧交通解決方案佔全球總支出的 14%。被確定為物聯網投資最緊迫的三個領域是能源管理、公共安全和交通。
讓我們變得極客吧
那麼什麼是「智慧城市」技術？嗯，這就是物聯網最酷的部分。例如，城市可以大規模地將智慧技術注入其電網或市政車隊，以提高效率並促進綠色能源倡議。或者可以佈署物聯網來測量空氣品質、水/廢水管理、垃圾桶的填充水準、街道照明的必要照明、公共區域的 Wi-Fi 等。是的，存在一些挑戰，比如資金和擁有能夠計劃、實施、維護和分析智慧城市網路的合適、熟練的勞動力。但我們會把它留到另一個帖子裡。
現在，讓我們看看城市裡發生的一些巧妙的事情，這些事情正在解決你閱讀這個部落格的真正原因：處理所有這些停車場，也稱為道路。需要瞭解的一些重要術語：
- 汽車物聯網是指收集即時資料的車載技術解決方案，以幫助降低成本，提高安全措施，提高車輛效率等。
- 物聯網模組 嵌入在機器或物體中的電子裝置，可以連線到無線網路來傳送和接收資料，以便進行分析。
- 資料驅動決策（DDDM）是一種業務和政府營運形式，依靠可驗證的準確資料來提出建議和提供解決方案。
- 車輛對車輛（V2V）技術是指一輛車能夠與附近的另一輛車通訊。這是自動駕駛技術的核心，感測器可以檢測車輛周圍發生的事情，其他技術可以與道路上的其他車輛共享該資料。
- 車輛到基礎設施（V2I）技術是相似的，因為車輛能夠傳送和接收資訊。在 V2I 中，基礎設施可以包括交通訊號誌燈和天氣警報系統等實體內容。車輛可以傳送資料，而基礎設施可以同時傳送重要資料。
智慧城市可以期待在 5G 網路上實現更快、更可靠的網際網路連線。5G 預計平均下載速度為 50 Mbps 和 10 毫秒的延遲，而延遲為 15 Mbps，延遲為 50 毫秒。雖然這不會對所有人可用，因為覆蓋範圍因位置、裝置技術和提供商而異。
用智慧城市技術減少交通堵塞的七個創新想法
1. 自適應交通訊號燈透過 V2I 技術，交通號誌燈越來越聰明。例如，俄亥俄州哥倫布市正在使用其政府車隊車輛的資料，作為其他智慧城市試點計劃的一部分，以改善交通訊號的定時，並建立更多基於 DDDM 的解決方案。透過更好地瞭解交通流量和車輛在紅綠燈處怠速的時間，城市可以更好地隨著全天交通的變化，而改變交通訊號計時。
2. V2I 智慧走廊 一些智慧走廊包括自適應交通訊號，其中根據實際交通需求自動更改訊號時序。智慧走廊可以解決交通堵塞的道路以及危險區域，例如懷俄明州的一條主要高速公路除了普通乘用車外，還大量用於貨運。
懷俄明州使用 V2I 技術實施了一個試點專案，向志願參加該計劃的司機傳送與安全相關的天氣和事故警報。為此，高速公路沿線安裝了 75 個短程通訊單元，可以與其他單元和安裝了裝置的車輛通訊。官員們預計會對安全甚至經濟產生重大影響，因為該州可能會在事故清理和關閉高速公路上，花費更少的精力來處理拖拉機 - 拖車翻車。
亞特蘭大市致力於在 V2I 上進行智慧交通投資，採用自適應交通訊號技術、連線攝影機等，該市正在成為智慧交通走廊技術的實際測試場，以減少交通堵塞。亞特蘭大最近批准了在 30 年內為過境大修計劃投資 1730 億美元。
Geotab 還與 Waycare 和南內華達州區域運輸委員會（RTC）合作，建立了一種首創的產品，該產品使用資料驅動的分析和操作，來支援交通訊號操作。
3. 自主車輛技術雖然自動駕駛汽車，不一定會減少道路上的汽車數量，但由於司機錯誤，它們可能會減少堵塞和碰撞。
排化是自動駕駛汽車技術的一個例子。如果車輛上的所有道路都具有自動技術，車輛將能夠加速和減速，並在沒有人工干預的情況下與高速公路合併，從而創造出更平穩的駕駛模式。排是走向自動駕駛汽車的第一步，因為它要求高速公路上的車輛相互溝通速度和條件，使車輛能夠持續行駛。它將消除導致幽靈交通堵塞等問題的人為錯誤，這些問題是由司機在高速公路中間剎車的連帶效應引起的。
透過更多的第一英里和最後一英里解決方案，進一步支援公共交通，也將最終減少道路上的乘用車數量，來幫助解決交通堵塞。例如，像 Lyft 和 Uber 這樣的公司，正在研究自動駕駛汽車，如何使其服務與公共交通，一起更加可行。
4. 即時流量回饋這影響了公共交通的使用，例如堪薩斯城的一個新專案，在一個主要商業區，每天有一輛免費電車，可運送多達 6200 名乘客。該計劃的成功在很大程度上歸功於所有即時交通回饋 —— 不僅歸功於有軌電車在任何時候的確切位置，還包括市中心周圍的交通，Kiosk 中的物聯網模組允許他們顯示可用的停車位等。（有軌電車有免費的 Wi-Fi 也有助於乘客。）這個 2.2 英里的「智慧區」走廊甚至有路燈，當沒有行人走在下面時，路燈會變暗。
即時交通反饋也使「堵塞定價」等概念更容易銷售，給習慣於免費使用道路的消費者。這將改變基於高峰交通時間和高佔用率，或豁免車輛的定價結構，而不是快速車道的典型通行費，目的是阻止單人司機在高峰旅行時間上路。
5. 追蹤行人交通解決交通堵塞，也是為了瞭解行人交通。在一些城市，行人交通已被證明是過度擁擠地區交通堵塞的主要原因之一。例如，拉斯維加斯市正在使用 V2I 技術，不僅可以追蹤有多少車輛在不同時間，透過給定的十字路口，還可以追蹤有多少行人過馬路 —— 甚至亂穿馬路 —— 這樣他們就可以在行人交通擁擠時，改變車輛交通的路線。當行人在道路上時，當燈光即將改變時，城市也可以收到警報，因此如果需要，他們可以延遲燈光，從而提高街道的安全性。
在洛杉磯，他們正在更進一步地檢查行人交通。他們正在獲取車輛和行人交通資料，並將其向公眾開放，這意味著住房當局和住宅開發商可以更好地確定通勤，以及應該在哪裡開發住房，以幫助減少進入已經擁擠的社群的交通。
6. 汽車共享和多模式解決方案關於汽車共享和遊樂應用 app，是否解決堵塞的報告尚未一致。但無論哪種方式，他們都提供了替代選擇。城市規劃師和公共交通行業的人們，將其視為一個連線問題 —— 透過私營公司的應用 app 輕鬆搶到汽車前往公共交通站。
雖然尚未實施，但俄亥俄州哥倫布市交通局，智慧城市挑戰賽的獲勝者計劃投資一個旅行規劃應用 app，該應用 app 將整合其多種交通方式，並將建立一個單一的簡化支付系統。更好地連線替代交通方式，將鼓勵更多城市人完全放棄汽車。閱讀 Jean Pilon-Bignell 關於加拿大智慧城市挑戰的報導。
7. 用無人機取代車輛市政府完成了一些任務，如檢查水錶和公用事業線路，這些任務不一定需要由車輛完成。隨著物聯網無人機技術的出現，公用事業和公共能源當局越來越多地使用無人機來完成這些常規任務，而不是用水桶卡車派遣現場工作人員。洛杉磯甚至正在研究無人機技術來做消防等事情。
當然，公司也在考慮使用無人機技術來完成市中心任務，例如亞馬遜的無人機飛行員短途交付計劃。事實上，唐納德·川普前美國總統簽署了一份行政備忘錄，使這類公司更容易在城市測試無人機。
★ 機器視覺的軍事應用 —— 當前的創新
軍事科技的未來
本報導試圖強調軍隊中機器視覺的廣泛現實世界應用案例。幾名軍隊聲稱利用機器學習，在某些情況下與承包商和公司合作，提供人工智慧解決方案。我們發現，這些解決方案有助於突出機器視覺當前和近期，軍事應用的廣泛性。本報導中討論的公司和組織，至少在以下一項方面幫助了各種軍隊：
商業和政府主管人應該知道什麼
從我們在國防大學的第一手資料，和我們的獨立研究來看，美軍似乎剛剛開始問許多與商業領袖三四年前提出的，和解決相同的問題。Maven 專案的 Cukor上校在國防一號技術峰會上親自說：
我們正在進行人工智慧軍備競賽 ...... 這正在工業中發生，[而且]五大網際網路公司正在大力追求這一點。
上校對商業上可用的機器視覺技術的評論 —— 「坦率地......令人驚歎」 —— 可能會注意到，美國軍事主管人最近在將政府對人工智慧的進化與私人領域的嘗試進行比較時，一直感到不舒服。
正如本報導所指出的，機器視覺的軍事措施，目前在以色列和美國最為突出。中國還承諾了大量預算來實現軍事現代化，隨之而來的是人工智慧倡議。印度最近啟動了自己的大型人工智慧專案，目的在將人工智慧納入其軍事的所有三個分支。
為了加快和簡化美國國防部內部人工智慧措施的研究和開發，國防部於 2018 年 6 月 27 日宣佈，成立 JAIC（聯合人工智慧中心）。該專案由摩根大通前資訊長、五角大樓現任資訊長 Dana Deasy 主管。
JAIC 似乎象徵著美國國防部，新發現的軍事人工智慧專案的優先次序。國防部副部長 沙納漢 在他的備忘錄中寫道，表示 JAIC 的建立：
這項工作是部門的優先事項。速度和安全非常重要 ...... 我希望所有辦公室和人員，提供一切必要的合理支援，使企業範圍內人工智慧的快速採用成為現實。
監控
Maven 專案
美國國防部於 2017 年，開始了一個名為「Maven 專案」的演算法，戰爭跨功能團隊的機器視覺計劃。該專案的目的是開發一種人工智慧，該人工智慧可以對戰鬥監視裝置，使用機器視覺拍攝的大量監視錄影，進行分類和辨識。在 JAIC 建立後，Maven 專案被轉移到 JAIC 控制之下。
五角大樓研發與其他「私人承包商」合作開發了一個軟體，該軟體與空軍的偵察錄影資料庫整合，並分析從載人和無人偵察車輛中拍攝的錄影。人工智慧標記車輛、人員和汽車，以及追蹤感興趣的物體，以引起人類分析師的注意。
我們從谷歌和美國國防部陳述的材料中推斷出，該軟體背後的機器學習模式，是在數千小時的小型低空無人機攝影機鏡頭上訓練的，這些鏡頭從不同角度和各種照明條件下，描繪了 38 個戰略上相關的物體。鏡頭中的物體會被標記為我們知道的物體，如旅行汽車、武器或人。然後，這個標記的鏡頭，將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0 的序列和模式，在人眼中，這些序列和模式形成了無人機監視錄影中，顯示的戰略相關戰鬥區的影像。五角大樓尚未公開定義軟體標誌的這 38 個物件。
然後，監控團隊可以將未標記的新拍攝的鏡頭，上傳到 Project Maven 的軟體中。然後，軟體背後的演算法將能夠確定鏡頭的內容，並辨識它經過訓練標記的任何異常，或戰略相關物件。然後，該系統以某種未知的方式，提醒人類操作員，並突出顯示影像顯示中標記的物件。
Drew Cukor 上校評論了資料標籤過程，他說：「我們有一大群人 —— 老練的分析師和工程師 —— 正在瀏覽我們的資料並進行清理。我們還與一家重要的資料標籤公司建立了關係，該公司將在我們的三個網路（非機密網路和分類網路）上提供服務，以便我們的員工標記我們的資料，並為機器學習做好準備。」
我們找不到演示該技術的影像，可能是因為伊斯蘭國控制的領土，以及中東和非洲軍事設施的承包商，目前正在使用它。換句話說，關於該軟體的許多細節可能是保密的。2017 年 Maven 專案的已知預算為 1.31 億美元。
在 INSA 和 AFCEA 主辦的情報和國家安全峰會上，援引國防部副部長主管 Kari Bingen 的話說：「[Maven專案]花了六個月的時間，從‘權威開始’到在戰區提供能力。」Bingen 進一步推斷了該專案可能的下一步：開發這種演算法來確定人類的風險。她說：「有很多資料來源可用，利用自動化工具和演算法，可以使國防部能夠辨識內部威脅。」
作為一個推斷的戰略例子，可以監控和標記市場中，某些物體的安全攝影機監控鏡頭。這些物品將與危險或叛亂分子的支援有關，如幫派徽章、幫派紋身或部分隱藏的武器。
截至 2017 年，Drew Cukor 上校，是 Maven 專案的主管者。他是 ISR 演算法戰交叉功能團隊的負責人，美利堅合眾國國防部情報副部長辦公室戰士支援行動局。Cukor 上校在美國海軍陸戰隊的各種事務中，擁有情報和反情報成功的歷史。
自動駕駛汽車
今天，正在開發用於民用和軍用的自動駕駛汽車。兩個案例對他們想要解決的任務有不同的要求。與美國製造的自動駕駛汽車相比，軍用自動駕駛汽車的安全標準要低得多。目前，自動駕駛汽車的軍事用途，在戰場上拯救生命有明確的應用，因此角落安全考慮因素沒有被考慮在內，因為它們可能用於民用。例如，波音公司為軍隊提供了許多自主船隻，但似乎避免了自主地面運輸的設計。
自動駕駛汽車公司，必須為司機和行人創造一種能夠安全地駕馭擁擠的街道、交通和交通標誌的產品，而軍事戰鬥人員在緊急情況下，很少需要遵守街道標誌。自動駕駛汽車結合了機器視覺和其他技術，以環遊世界，並安全到達其預期目的地。
世界上有許多類型的軍用車輛和許多軍隊，這意味著自動駕駛汽車的可能性空間可能相當大。儘管車輛自動系統工程存在偏差，但閱讀本報導的商業領袖，可以以類似的方式理解嚴重依賴機器視覺的自動駕駛汽車。
首先使用監督學習過程，對自動駕駛汽車的機器視覺方面進行訓練。自動駕駛汽車在周圍以不同的高度和角度，訓練了許多安裝的攝影機，使其能夠從各個角度檢測汽車的移動方式。該軟體在數千小時的人類駕駛鏡頭上進行了培訓，顯示車輛應該從不同角度、在各種照明條件，和不同天氣條件下正常和安全地執行。
這段影片的某些方面，將被標記為駕駛時某些東西的關鍵指標，人工智慧必須認識到這是一個要遵循的重要概念或規則的邊界框；停止標誌表示停止，不應跨越雙黃線，道路上虛線可以交叉等。具有軍事用途的車輛，不必嚴格遵守道路法，但將接受與戰鬥有關的訓練，例如機器視覺如何在以每小時 70 多英里的速度行駛時，檢測可能導致滑行或水上滑水的道路。
然後，這個標記的鏡頭，將透過軟體的機器學習演算法執行。這將訓練該演算法來辨識 1 和 0 的序列和模式，在人眼看來，形成安裝攝影機影像中顯示的汽車安全行駛的影片。
將該機器視覺資料與感測器的資料相結合，例如用於追蹤雷射雷達與周圍物體的當前距離的氣踏板資料，或雷射雷達資料，使自動駕駛汽車能夠進行更全面的訓練，而僅僅使用機器視覺資料。在最近的時間表中，發現有關自動駕駛汽車，及其民用應用的更多資訊。
然後，車輛可以獲得駕駛到軟體中未標記的位置的命令。然後，軟體背後的演算法將能夠將車輛，和陪同乘客安全駕駛到確定的位置。
以色列航空航太工業
Isreal Aerospace Industries 從 Isreali Army 獲得了兩輛獨立的半自動駕駛汽車的合同，即可調節的 Robattle 和自動推土機 Panda。據稱，這些車輛可以在某些任務上自主執行，並且可以遠端控制。Robattle 是一種能夠調整其構造配置的車輛，允許它縮放或爬過某些大型障礙物，以及平整自己在障礙物下行駛。從戰略上講，Robattle 可用於向戰線士兵獲取物資或資訊，或營救處於危險中的士兵，而不會危及軍事人員。
貓熊，一輛自動推土機可以在戰場上用於關鍵的拆除行為，在戰鬥場景中，推土機的人類司機對他們來說太危險了。
IRI 聲稱，重建這臺推土機可能會為軍方開創先例，允許將舊裝置重新用於進一步使用。
以下是一個 4 分鐘的簡短片，演示了自動推土機和 Robattle 的實際操作：
IAI 是以色列的主要國防承包商。他們成立於 1953 年，目前在國防行業僱用了 1004 名員工。Amira Sharon 是 IAI 的首席技術官。她的確切學術證書，以及 IAI 的大部分 C 級主管資訊都不得而知。鑑於這些資訊與以色列軍事行動，和正在進行的衝突有直接聯絡，這大多是隱蔽的資訊。Meir Shabtia 被引述為人工智慧專案，並且是 IAI 公司 G-Nius Unmanned Group Systems 的研發副總裁。她擁有特拉維夫大學的工程碩士學位。
清除地雷
黎巴嫩軍隊
黎巴嫩貝魯特美國科技大學的 Achkar 和 Owayjan 發表了一篇關於利用機器視覺的當前黎巴嫩軍事應用系統的論文。它聲稱，該軟體平台可以透過使用機器視覺的成像軟體，幫助軍事努力清除活地雷。
Achkar 和 Owayjan 聲稱，黎巴嫩軍隊可以將該軟體，整合到他們在地雷探測機器人上使用的成像軟體中。
論文指出，該軟體背後的機器學習模式，在兩種不同類型的反坦克地雷的數千張影像上進行了培訓，這些影像顯示它們從不同角度，和各種照明條件下覆蓋、部分覆蓋和顛倒。這些影像會被標記為特定型別的地雷。然後，這些標記的影像將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0的序列和模式，在人眼中，形成它可以檢測到的地雷之一的影像，如照片所示。
然後，使用者可以上傳一張未標記的照片到人工智慧中。然後，軟體背後的演算法，將能夠確定照片中存在地雷的位置。然後，該系統透過在照片顯示螢幕上顯示一個紅色框，來提醒人類觀察者注意地雷。
以下是一張照片，演示機器視覺軟體如何顯示其檢測到的地雷：
Achkar 和 Owayjan 聲稱，他們的系統對未掩蔽地雷的辨識率為 99.6%，辨識率降低取決於默默無聞的程度和地雷模式。由於這是由大學資助的人道主義工作，這種透過機器視覺探測地雷的方法，意味著沒有帳篷客戶可以報告。
Roger Achkar 是黎巴嫩貝魯特美國科技大學工程系主任，和本報導的聯合撰稿人。他擁有法國康比涅理工大學的能源系統和資訊博士學位。Michel Owayjan 是美國科技大學的主席。他擁有貝魯特美國大學的工程管理碩士學位。
軍械製造的品質控制
整合技術
Integro Technologies 與美國陸軍製造商簽訂了一份軟體合同，聲稱該軟體可以幫助工業製造商使用機器視覺，進行品質控制測試其武器。Integro Technologies 提供了一種機器視覺裝置，可以對裝置預先訓練的物體進行 360 度驗證。我們將重點關注 Integro 提供的這種機器視覺技術的一個應用案例。他們的一個裝置可以檢測到子彈外殼表面的斷裂和缺陷，或手榴彈低至 .004 毫米，並對清除的物品或未清除的物品進行分類。
我們可以推斷出該軟體背後的機器學習模式，已經並將被訓練成千上萬的 3D 掃描，從不同角度和各種照明條件下，顯示出完美和不完美的子彈。這些影像會被標記為指示有缺陷的子彈，或表示令人滿意的子彈。然後，這些標記的影像，將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0 的序列和模式，在人眼中，這些序列和模式形成了 3D 掃描中顯示的子彈。
機器使用其機械臂抓取正在驗證的子彈，然後拍攝 3D 照片，這些照片被上傳到軟體中。然後，軟體背後的演算法，將能夠確定沒有缺陷的子彈，和具有表面缺陷的子彈之間的區別。然後，系統將清除的子彈與具有缺陷的子彈分開。
下面是一個 1 分鐘的簡短片，演示了該公司的軟體和裝置是如何工作的。請注意，此影片顯示的是寬金屬環的驗證，而不是上面詳述的子彈：
Integro Technologies 聲稱，幫助了負責美國軍隊製造的部分子彈和手榴彈的製造商。當我們試圖為他們的軟體尋找案例研究時，我們的研究沒有結果；然而，他們的網站確實顯示了許多，關於他們積極致力於客戶製造物件驗證的機器視覺技術的影片。另一個帳篷客戶 Integro 網站的推薦信，是 Proctor 和 Gamble。
Integro Technologies 是一家私人公司，成立於 2001 年，擁有 48 名員工。他們沒有獲得任何風險融資。Shawn Campion 是 Integro Technologies 的執行長。他（以及他們網站上的所有其他著名工程師）擁有賓夕法尼亞州立大學的機械工程學士學位。此前，Campion 曾在機器視覺公司 Cognex 公司擔任高階工程師。
 |
■ Primo 1D 提升 RFID 紗線產品靈敏度，並縮短了長度
為什麼選擇 Primo1D 進入你的時尚產業？
來源：RFID世界網 作者：林俊奇 編譯
法國科技公司 Primo 1D，正將其針對紡織品製造商，以及工業市場開發的無源超高頻 (UHF)RFID 紗線 E-Thread 推向市場，以將 RFID 標籤直接插入服裝或材料中。該技術不僅適用於服裝和零售行業，而且還在無法使用懸掛標籤的工業場景下進行了試用。
自該技術推出以來，該公司已進一步改進了阻抗匹配技術。這意味著 E-Thread 可以從 7 米到 12 米的距離外進行讀取。該產品還可根據應用場景客製化長度。
(Primo 1D 的 E-Thread 產品)
E-Thread 是一種 RFID 紗線，天線內置於紗線本身。該公司通常使用 445mm*490mm 或更小尺寸的晶片。
該公司於 2013 年在法國格勒諾布爾成立，隨著新生產設備的投入，年產量已達到 500 萬個。Primo1D 的首席銷售和市場官員 Alain Papanti 表示：「這主要是由於過去兩年公司在生產技術改進及相關設備投入達成的。」
該公司是從法國研究所 CEA-Leti CEA-Leti 獨立出去的。該研究所的研究人員開發了 RFID 的紗線產品，以提升紡織品的智慧化，這是歐洲高級智慧紡織應用平台(PASTA)項目的一部分。
該技術目的在消除零售行業 RFID 佈署的幾個障礙。首先，E-Thread 可直接植入到服裝內，可替代傳統的服裝標籤。
Papanti 表示，經過一系列工藝改進，堆疊環境中，E-Thread 的靈敏度比大多數現有的解決方案都要高。這意味著，多件牛仔褲堆疊在架子上時，RFID 詢問器仍然可以快速可靠地進行讀取。除此之外，公司還縮短了標籤的長度，這有助於紗線更好地植入進產品中。基於不同的應用，RFID 紗線的長度有 12cm 或 20cm 兩種選項。早期版本的產品僅有 20cm 一種選擇，晶片的每一邊都配備一根 10cm 長的天線。
Papanti 說，E-Thread 可以實現互聯服裝的概念。他補充說，該產品的加強靈敏度幫助提升了 40% 的打包密度。
E-Thread 也為工業客戶提供瞭解決方案。Papanti 表示：「在工業市場中，追溯和鑒定的需求越來越多，形狀，尺寸，靈活性等的高要求也催生了紗線類標籤的需求。」他說，E-Thread 已經在橡膠墊片，柔性複合材料，光纖保護管，輪胎，紡織織物，玻璃纖維複合材料和醫療產品領域進行了測試。
★ 物聯網如何改善工作場所安全
物聯網解決方案：透過穿戴式感測器提高工作場所安全性
物聯網（IoT）是指世界各地數十億臺裝置，這些裝置現在連線到網際網路，能夠透過無線網路和雲端，上傳感測器資料和其他資訊。除了智慧家居安全系統和洗衣機等住宅應用外，物聯網裝置還進入了工作場所，承諾提高各行業和世界各地的工作場所安全和效率。
在本部落格報導中，我們將分解物聯網對工作場所安全的影響。我們將研究物聯網裝置的當前應用如何確保工人的安全，以及如何使用相同的技術，來提高工人的生產力。最後，我們將探索物聯網技術的潛力，以幫助組織預測危險情況，並在職業傷害發生之前防止其發生。
物聯網裝置如何影響工人安全
互聯裝置在工人安全方面發揮著越來越重要的作用，特別是在傳統上事故和傷害率較高的行業。透過監測和報告環境條件，以及工人身體健康的裝置，組織能夠更好地防止工人，暴露在危險條件下並避免事故。
建築業多年來一直在努力降低工傷率。在美國十個最危險的工作中，至少有兩個可以被認為是建築工作，包括屋頂工人和建築工人和貿易工人的一線主管。為了降低工傷率，建築公司正在採用帶有嵌入式感測器的安全帽，以監測工人的身體狀況，包括心率、疲勞、溫度和氧氣水準。
這些指標使電腦或人類主管，能夠在不安全的情況導致傷害之前辨識它們。在中暑是真正威脅的炎熱日子，建築工頭可以評估工人是否過熱，是否需要時間降溫。如果心率升高的工人有心臟問題史，可能會被提示他們休息一下。 如果工人意外摔倒或失去知覺，可以生成警報，以確保他們被迅速發現並得到適當的醫療護理。
除了監控使用者實體狀況的連線可穿戴裝置外，物聯網裝置還可以配置為監控環境可能傷害工人的危害。在建築、製造和原材料加工中，公司正在使用帶有感測器的物聯網裝置，來監控空氣品質和裝置溫度，以幫助確保工人在工作現場的安全。帶有消防安全感測器的物聯網裝置可用於檢測溫度升高，這可能顯示發生火災，並觸發預防行動或及時疏散工人。
智慧安全帽可以檢測使用者的環境危害或物理問題，有助於對工作現場的潛在有害情況做出早期反應。物聯網能為提高工作場所生產力做出貢獻嗎？
在確保工人安全方面，建築和製造業面臨著類似的長期挑戰：如何在不犧牲生產力的情況下減少事故和改善安全結果？有了物聯網，這些行業的公司可能終於接近解決這個問題了。
除了工人安全福利外，物聯網還承諾以許多不同的方式提高效率和生產力。首先，追蹤工人身體狀況的連線可穿戴裝置，可以檢測到疲勞、脫水或疲憊的跡象，這將導致生產力下降。工人可以獲得寶貴的回饋，瞭解何時休息以及如何儘量減少過度努力，以便在輪班期間取得最大成就。
在其他行業，物聯網在推動生產力提高方面發揮著更大的作用。最大的汽車製造商和技術公司正在努力開發自動駕駛車車隊，這些自動駕駛汽車車隊將在航運、運輸、冰雹和其他運輸相關市場發揮巨大作用。這些車輛將具有巨大的生產力，因為它們可以整天呆在路上（司機從來不需要休息）。此外，自動避免碰撞將減少交通事故和死亡人數。駕駛可能是工人經常從事的最危險的任務，因此我們可以期待自動駕駛汽車對工人的整體安全產生巨大的積極影響。
物聯網裝置和未來工作場所傷害預防
除了直接提高工人安全和促進工人生產力外，連線的物聯網裝置還將使組織，能夠透過早期發現潛在的安全問題，來預測和預防事故。我們已經看到了嵌入式物聯網裝置和感測器，作為預警系統的幾個令人興奮的新應用，在事故發生之前檢測不安全的情況。
在地下工業採礦作業中，智慧感測器用於測量地震活動，如發生在地球表面以下幾十甚至數百英里的地震。儘管如此，由於坍塌的可能性增加，這種活動可能導致土壤移動，並使隧道對工人不安全。測量地震活動可以預測何時何地挖掘可能不安全，並使公司能夠在工地的安全狀況受到損害，或不確定時適當保護其工人。
預測性維護是減少工作場所傷害的另一個機會領域。維護不善的裝置可能更有可能發生故障，對工人安全產生負面影響。物聯網裝置可用於監測環境狀況，並更好地預測機器或裝置部件何時必須更換，以確保安全執行。
摘要
你是否正在設計一個支援物聯網的裝置，這將對工人安全產生積極影響？
Total Phase 為嵌入式系統設計和製造測試和除錯裝置，包括為物聯網製造的裝置。藉助我們針對最受歡迎的嵌入式協議的協議分析工具，工程師可以加快除錯過程，對其產品功能獲得批判性見解，並縮短整體上市時間。
|