热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

如何搭建一个物联网商业案例的解读

如何,搭建,一个,物,联网,

我们中的很多人都经历过没有互联网的时代,但是现在正是技术变革的时候,尽管我们还不如这一切是怎么发生的。可以说今天的互联网也刚刚开始,它还将不断的向各方面扩展,成本不断降低的传感器每天会产生大量的数据,这会推动网络的指数级壮大,并且影响我们的日常生活。

网络设备制造商Cisco公司认为物联网(IoT)充分利用了互联网各种通信协议,在家里或者办公室的设备如PC、机顶盒和智能仪表,移动网络中的智能手机和M2M调制解调器会产生数以亿计的数据包,这些形成了一个使用公共基础设施的包括万亿终端设备的网络。但是这些怎么才能让我们的生活更加高效、健康和快乐呢?

想法是这样的:每天设备都会接入到网络中,这样它们就能够发送和接收数据而变得智能化。例如当你外出你的智能手机会震动并通知你带上无线智能雨衣,因为它能够智能查询天气情况,如果是恶劣天气那么你外出时就需要带上防雨的设备。

但是这样的智能雨衣上市之前还有很多重要的技术问题要解决,一些基础设施也需要修建。这些都需要大量的资金支持,起初互联网是作为美国国防项目才被资助的,然后作为学术和科研的工具,最后全面开放形成一个广阔的平台,很多商业公司利用互联网实现盈利。物联网(IoT)不会经历同样的发展道路,现在它需要更多的商业支持才更取得更大的发展。

值得庆幸的是目前已经有很多引人注目的物联网(IoT)商业案例,而不仅仅是以为公司的盛名才被人所信服(今天互联网是Amazon、Facebook、Uber和Airbnb等大型公司成功的基础)。从直觉来看传统的商业领域将会从物联网(IoT)获得更多的益处,因此更有动力在基础设施建设方面贡献资源。

比如以电梯公司为例,其业务是比较稳定的。这些公司也已经开始利用互联网来让他们的业务更加智能化,推出网站甚至借助社交媒体。但是互联网对于它们的核心业务可以说并不是很明显。现在电梯公司盈利的方式设计和制造机器,调试并提供维护服务。相反物联网(IoT)会改变这些公司的业务模式,打破它们仅仅是“垂直交通”服务提供商的魔咒。

电梯是非常复杂的设备,包含很多运动组件。大型电机、变速箱、滑轮、砝码、电气系统和移动门这些都可能出现故障(根据日本制造商富士电梯公司这些会引发90%异常),尤其是电梯在被不断大量使用的情况下。

电梯生产商需要非常严谨的面对这些问题,严格按照日期进行电梯维护,及时替换易损部件防止故障发生。这是非常明智的策略,给用户提供更好的可靠性和安全性,及时预防电梯故障,否则可能面临用户与电梯生厂商解约,那样的话损失就更大了。

但是这个策略对于电梯公司来讲也需要付出很大的成本——需要雇佣更多的维护人员而且被替换的贵重组件通常还剩下几个月的使用寿命——仅仅只有部分费用可以在维护合同里面声明由用户来承担。第二,预防性维护也是存在缺陷的;它是基于历史磨损数据而没有考虑其他因素例如电梯的高频率使用造成的故障等。

未来电梯公司采用垂直运输服务模式,将客人在不同楼层间转移同时照看电梯的全部组件,这样会节省每月的维护费用。如果采用这种新的业务模式,那么电梯公司必须确保其服务符合“六西格玛”可靠性——保证电梯99.99966%的运行时间,这是一个很难的问题,但是利用物联网(IoT)将变得可能。

例如那些有问题的门可以加入智能设备无线接入网络,增加传感器监测一些参数如使用率、震动、电机温度和开环/闭环转动速度。成千上万的电梯门将数据发送到云服务器形成参考标准预防某一现场故障的发生,搭建一个算法来快速准确的预测即将发生的故障也不会很久——在服务故障发生之前快速定位问题原因。

有了这些技术,垂直运输服务提供商不仅能够保证六西格玛的可靠性,而且不用再使用成本高昂的预防性维护计划,只需要通过程序在必要的时候对电梯进行调整即可。当用户遇到有故障发生时也能够快速的做出反应,提高服务质量。一旦收回初始技术投资,那么电梯公司就踏上了高速发展的快车道。

智能雨衣、冰箱或者智能恒问起肯定会非常棒,但是这些物联网(IoT)商业案例将会怎样改变我们的日常生活:六西格玛可靠性的电梯、公共交通、医疗保健、交通控制系统、电力分配、电信系统、披萨快递……

本文转自d1net(转载)


推荐阅读
  • 都说Python处理速度慢,为何月活7亿的 Instagram依然在使用Python?
    点击“Python编程与实战”,选择“置顶公众号”第一时间获取Python技术干货!来自|简书作者|我爱学python链接|https:www.jian ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 图解redis的持久化存储机制RDB和AOF的原理和优缺点
    本文通过图解的方式介绍了redis的持久化存储机制RDB和AOF的原理和优缺点。RDB是将redis内存中的数据保存为快照文件,恢复速度较快但不支持拉链式快照。AOF是将操作日志保存到磁盘,实时存储数据但恢复速度较慢。文章详细分析了两种机制的优缺点,帮助读者更好地理解redis的持久化存储策略。 ... [详细]
  • Tomcat/Jetty为何选择扩展线程池而不是使用JDK原生线程池?
    本文探讨了Tomcat和Jetty选择扩展线程池而不是使用JDK原生线程池的原因。通过比较IO密集型任务和CPU密集型任务的特点,解释了为何Tomcat和Jetty需要扩展线程池来提高并发度和任务处理速度。同时,介绍了JDK原生线程池的工作流程。 ... [详细]
  • Java学习笔记之面向对象编程(OOP)
    本文介绍了Java学习笔记中的面向对象编程(OOP)内容,包括OOP的三大特性(封装、继承、多态)和五大原则(单一职责原则、开放封闭原则、里式替换原则、依赖倒置原则)。通过学习OOP,可以提高代码复用性、拓展性和安全性。 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • OAuth2.0指南
    引言OAuth2.0是一种应用之间彼此访问数据的开源授权协议。比如,一个游戏应用可以访问Facebook的用户数据,或者一个基于地理的应用可以访问Foursquare的用户数据等。 ... [详细]
  • JavaScript和Python是用于构建各种应用程序的两种有影响力的编程语言。尽管JavaScript多年来一直是占主导地位的编程语言,但Python的迅猛发展有 ... [详细]
  • navicat生成er图_实践案例丨ACL2020 KBQA 基于查询图生成回答多跳复杂问题
    摘要:目前复杂问题包括两种:含约束的问题和多跳关系问题。本文对ACL2020KBQA基于查询图生成的方法来回答多跳复杂问题这一论文工作进行了解读 ... [详细]
  • 虚拟化_深度:资源虚拟化
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了深度:资源虚拟化相关的知识,希望对你有一定的参考价值。 ... [详细]
  • OpenStack 的 Nova 和 Glance 组件
    简单回顾一下OpenStack三大组件的用途:OpenStackCompute(Nova),为云组织的控制器,它提供一个工具来部署云&#x ... [详细]
  • VR行业未来走向就看今年十月的这些标志性节点了
    这个10月注定会成为影响VR行业走向的关键一月,在过去的一年里VR行业从无人知晓到资本热捧又回归理性,遇见诸如硬件标准不统一、内容稀缺、厂商产能低下这些会出现在每一个硬 ... [详细]
author-avatar
书友36431060
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有