物聯卡等待半個小時開機

物聯卡等待半個小時開機簡單來說，每一個馬達都有自己的「身份證」，即「二維碼」。裝了「跟蹤器」，隨時可以控制，且被追蹤到的產品信息能保存15年以上。這種高智能化的產品可以增加數位化可處理的數據和信息，從而減少庫存、降低成本、提高效率。

12個工人正忙碌不停;一邊是全新工業4.0自動生產線，僅用了5臺機器人、2個工人，便完成了原料自動餵補到成品集成各個工序。「人是工業4.0的核心，在安全監測方面我們也正在不斷研究、創新。」對於確保工人安全方面，技術總監張畢生如是說。

據了解，在此智能車間，操作員只要穿上特製的穿戴設備，一靠近機械手臂，機器便自動降低生產節拍直至完全停止，保障操作員安全。只要在電腦上發號施令，智能化流水線就能心領神會，按部就班地生產出所需產品。更神奇的是，一條流水線可以生產出幾百種不同產品。博世長沙在設計生產線時達成共識：基於博世的物聯網，讓人、機、物所有的信息得到連通。

截至6月18日8時整，共記錄到2.0級及以上62次，其中5.0-5.9級2次，4.0-4.9級3次，3.0-3.9級10次，2.0-2.9級47次，大5.3級。截至11時，已造成12人死亡，125人受傷。

從汶川到雅安、再到這次的宜賓，對於許多四川人民來說，已經深刻感受到了帶來的災害，但這次不一樣，宜賓來臨之前，成都、德陽、樂山、廣元、涼山……等震中周圍地區都通過電視、手機簡訊、現實「大喇叭」等形式收到了提醒，成都甚至提前61秒就收到了預警。

據了解，預警系統是一個全自動的物聯網，可實現全自動的秒級響應。主要是利用電波比波傳播速度快的原理，在造成前幾秒到幾十秒，發出預警警報，提醒民眾及時避險，讓重要工程緊急處置以減少經濟損失和次生災害。

在這項AI研究之前，科學家大多用對附近巖石中的應力的改變，來預測某個地點的，這叫「應力斷裂法 (Stress-Faile Method)」。它已經能解釋許多的規律，但還有更多無法預測的情況。

於是，哈佛和谷歌的研究人員便借用了機器學習的力量：用13. 1 萬次主震和數據訓練了一個神經網絡。這個算法，模擬了一個網格，每一格包含了一次主震震中周圍 5 公裡的範圍。告訴神經網絡，這裡發生了一次主震，並把震中附近應力改變的數據也餵給網絡。

就這樣，訓練AI預測每一格發生一次或多次的概率。AI把每一格當成一個獨立的小任務去做，而不是計算應力在巖石中不停波動的序列。訓練完成，團隊用 3 萬次主震加的事件，考驗了AI的預測能力。他們發現AI對地點的預測，比傳統方法更準確。