iotdb(家用路由器有哪些值得推荐)

1. iotdb，家用路由器有哪些值得推荐？

家里带宽达到了100M、200M甚至千兆，但是很多人反馈说没有感觉到WiFi速度或网速变快，其实这种情况下很可能是因为无线路由器该升级啦！

为什么这么说呢？移动互联网浪潮下，大家都成了“机”不离手，手机更新换代速度更快，每一年一换甚至两年一换，并且主流手机WLAN（WiFi）均支持802.11ac或802.11ac wave2，但是作为光纤与手机之间的转换设备—无线路由器却还不支持802.11ac，甚至好几年没有升级。

无线路由器根据传输速度不同，价格也从三千多元到三百元不等，型号非常多，不少朋友也会感到无从下手，正所谓无线路由器选不好，即使千兆光纤也白搭。

选无线路由器第一要素就是WAN口必须千兆，只有这样才能让百兆带宽充分发挥，第二要素必须是802.11ac双频无线路由器，最后考虑到高性价比，我们推荐下面几款入门级无线路由器：

H3C Magic R300千兆版 1200M 双频无线路由器

首先H3C Magic不是网络产品新兵，H3C在中国企业级无线市场连续9年市场第一，Magic是新华三集团旗下智能家居品牌，技术实力值得信服。

Magic R300端口方面全部都是千兆，满足了百兆光纤传输要求，千兆无线方面，支持802.11ac标准，2.4G 4x4 MIMO、5G 2x2MIMO，有效满足了家庭WiFi使用需求。

▲https://item.jd.com/5563497.html

斐讯K2P AC1200智能双频全千兆无线路由器

斐讯采用了普惠科技商业模式（0元购），用户收到无线路由器之后正确激活K码，将会分三期（每期30天）兑换，首期399元，余期200元兑换，最终0元买到无线路由器。

斐讯K2P端口方面5个千兆端口，充分利用运营商的每一兆带宽，让每一分带宽费用都物有所值。WiFi方面，支持802.11ac标准，2.4G 2x2 MIMO、5G 2x2MIMO，有效满足了家庭WiFi使用需求。

▲https://item.jd.com/4208647.html

华硕RT-AC1200GU 双频千兆智能双频无线1200M路由器

华硕作为主打高端无线路由器，这款RT-AC1200GU作为入门级产品也是非常值得推荐，5个千兆端口+一个USB端口让其脱颖而出。WiFi方面，支持802.11ac标准，2.4G 2x2 MIMO、5G 2x2MIMO，或许有人问为啥华硕这款产品价格这么优惠，主要是因为采用联发科芯片。

华硕每一款无线路由器都通过了国家低辐射安全认证（SRRC认证），可以放心使用，不用担心无线信号超标引起健康方面担忧。

▲https://item.jd.com/5227360.html#crumb-wrap

写在最后

百兆光纤，选无线路由器，千兆端口+802.11ac是基本标准，价格差异主要原因是协议标准和选用的芯片不同导致，WiFi遇到墙等阻隔都会衰减，遵守国家标准情况下，增加PA和优化算法等才是加强穿墙能力正确方向，如果你家里终端数量多，建议选择更高速度产品。

iotdb(家用路由器有哪些值得推荐)

2. iot采用什么技术降低功耗？

具有以下优势：

1.海量连接：每小区可达10万连接；NB- IoT比2G/3G/4G有50-100倍的上行容量提升，这也就意味着，在同一基站的情况下，NB-IoT可以比现有无线技术提供50~100倍的接入数。

2.超低功耗：电池寿命长达十年；

低功耗特性是物联网应用一项重要指标，特别对于一些不能经常更换电池的设备和场合，如安置于高山荒野偏远地区中的各类传感监测设备，它们不可能像智能手机一天一充电，长达几年的电池使用寿命是最本质的需求。在电池技术无法取得突破的前提下，只能通过降低设备功耗以延长电池供电时间。通信设备消耗的能量往往与数据量或速率相关，即单位时间内发出数据包的大小决定了功耗的大小。数据量小，设备的调制解调器和功放就可以调到非常小的水平。NB-IoT聚焦小数据量、小速率应用，因此NB-IoT设备功耗可以做到非常小，可以保障电池5年以上的使用寿命。

3．深度覆盖：能实现比 GSM 高20db的覆盖增益；

NB-IoT比LTE提升20dB增益，相当于发射功率提升了 100倍，即覆盖能力提升了100倍，就算在地下车库、地下室、地下管道等信号难以到达的地方也能覆盖到。

4．安全性：继承4G网络安全能力，支持双向鉴权以及空口严格加密，确保用户数据的安全性;

5．稳定可靠：能提供电信级的可靠性接入，有效支撑 IoT 应用和智慧城市解决方案;

NB- IoT直接部署于GSM网络、UMTS网络或LTE网络，即可与现有网络基站复用以降低部署成本、实现平滑升级，但是使用单独的180KHz频段，不占用现有网络的语音和数据带宽，保证传统业务和未来物联网业务可同时稳定、可靠的进行。以智能抄表应用为例，与采用有线PLC抄表数据回收成功率在60%左右相比，NB-IoT可以保证数据成功回收率达99%，可靠性大大提高。

6. 低成本

低速率低功耗低带宽带来的是低成本优势。速率低就不需要大缓存，所以可以缓存小、DSP配置低;低功耗，意味着RF设计要求低，小PA就能实现;因为低带宽，就不要复杂的均衡算法。这些因素使得NB-IoT芯片可以做得很小。芯片成本往往和芯片尺寸相关，尺寸越小，成本越低，模块的成本也随之变低。

3. 如何学习数据分析？

想要成为数据分析师，给大家分享一份初级的入门指南！

它包含Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。

这七part 的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。

第一part：Excel

每一位数据分析师都脱离不开Excel。

它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。

Excel的学习分为两个部分。

掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。

在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。

在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。

清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text

关联匹配类：lookup、vlookup、index、match、row、column、offset

逻辑运算类：if、and、or、is系列

计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round

时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif

搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。

第二部分是Excel中的工具。

在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。

在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。

Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结各类函数的使用。

除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。

了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。

了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。

了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。

了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。

第二part：数据可视化

数据分析界有一句经典名言，字不如表，表不如图。

数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：

Excel的图表可以100%绘制上面的图形，但这只是基础。

在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。

数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。

Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。

Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。

图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。

上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。

BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。

另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。

在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。

BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。

后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。

第三part：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。

在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。

分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。

既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。

麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。

这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。

除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。

现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。

下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。

不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。

数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。

数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。

这家商场的人流量是多少？怎么预估？

上海地区的共享单车投放量是多少？怎么预估？

街边口的水果店，每天的销量和利润是多少？怎么预估？

这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。

优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。

第四part：数据库

Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。

即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。

很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。

教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。

新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。

SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。

数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。

想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。

join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。

如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。

第五part：统计学

很多数据分析师并不注重统计学基础。

比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？

比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。

不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。

统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。

在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。

箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。

第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。

直方图和箱线图一样，将会是长久伴随分析师的利器。

统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。

包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。

其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。

何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。

产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。

「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。

统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。

第六part：业务

对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。

一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。

而在「最用心的运营数据指标解读」中，我尝试总结了几个泛互联网领域的指标和业务模型，它们都是通用的框架。

产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。

市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。

流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。

电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。

用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。

除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。

在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。

业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。

在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。

第七part：Python/R

第七周是最后的学习环节。

是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。

Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。

这里的教程以Python为主。

「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。

Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。

「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。

「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。

能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。

包、模块和类的概念属于进阶知识，不学也不要紧。

「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。

array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。

「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。

最后一篇教程，将结合以往的知识点，包括业务指标，可视化，描述统计学等内容。「用Python分析用户消费行为」，完成它，不说登堂入室，但也是一位合格的数据分析师了。

它使用某网站的用户消费数据，计算各类常见指标：用户的客单价、人均购买量、回购率、复购率、留存率、平均生命周期等，真正做到融会贯通。用一份数据报告作为毕业作品，也是七周系列最好的结业证书了。

对于没有技术基础的同学，第七part最吃力，但已经完成到这一步，不妨让自己咬咬牙学习下去。

最后

如果能够看完到这里的同学，相信你是对数据分析真正感兴趣的。

4. 什么是窄带物联网？

物联网（IoT）已经开始走入现实，到2020年，预计将有数十亿的服务和设备实现随时随地互联。智能家居、可穿戴设备、智慧城市、智慧医疗、智慧交通、智慧农业和智能仪表等等，各种新应用层出不穷，推动新业务模式飞速发展。为了支持物联网的进一步发展，移动行业开发了新的无线接入技术，其中包括低功耗广域网（LPWAN）。这项技术能够更好地支持这些设备和其应用的特征和要求。 3GPP在2014年开始推动一项标准化任务，窄带物联网（NB-IoT）是这项工作的成果。作为3GPP第13版标准的一个组成部分，窄带物联网技术规范的首个版本在2016年6月冻结并发布，旨在支持具有以下要求的类似应用： –优化在现有LTE空中接口之上的网络体系结构 –更佳的部署灵活性 –扩大的室内覆盖范围（与GSM相比+20dB） –支持数量庞大的双向通信设备（数据传输速率仅为几十kbps） –低成本设备（单价低于5美元） –低功耗（电池使用寿命超过10年）窄带物联网是一种新型无线接入技术，虽然与现有的3GPP设备不兼容，但是其继承了LTE的很多特征，例如频带、物理层基础、参数值定义和高层复用（NAS、RRC、RLC和MAC过程）。但是，必须注意的是，因为其带宽减少到180kHz（加上防护频带为200kHz），所以需要创建与LTE不同的新物理信道和程序。与其他物联网技术一样，此应用的终极目标就是更大的覆盖范围和更低的功耗。为了减少设备复杂性和成本，它不支持很多基础LTE功能，例如空间复用、载波聚合、演进的多媒体广播组播业务（eMBMS）和双连通性。也不支持高层服务，例如IP多媒体子系统（IMS）。在现有LTE空中接口之上优化的网络体系结构虽然窄带物联网与现有3GPP设备不兼容，但它仍然继承了很多LTE特征，例如物理层基础和高层体系结构。唯一实现标准化的双工模式是频分双工（FDD）；因此，上行链路和下行链路使用不同的频率。目前，窄带物联网没有时分双工（TDD）版本，而3GPP在短期内也没有计划定义该版本。为了减少设备复杂性和成本，3GPP制定了三个主要的设计决策。首先，窄带物联网遵照半双工设计，这样就无需使用昂贵的双工器滤波器来分离发射和接收链路；您可以使用开关代替。其次，不支持MIMO，特别是空间多路复用技术，因此用户设备（UE）仅需要实施一个接收机链路。最后，非常重要的一点是，信道带宽仅为180kHz，这减少了整体平台成本。总之，窄带物联网NBIoT是一项新兴的3GPP窄带无线技术，其优点是可以充分利用现有的蜂窝基础设施。这项新技术将促使物联网实现长足增长，在不同领域催生各类物联网应用。窄带物联网设计挑战窄带物联网设备和系统要求经过严格的测试，以确保高度的可靠性，避免意外故障。下列是窄带物联网面对的一些设计挑战：

5. 空调被怎么选择？

答：方法：

一看，用眼睛观察

了解产品的基本信息和直观质量情况。选购产品时除了关注产品的款式、图案、价格外，还应看一看它的外观质量，如被子的花型图案是否歪斜;面料拼接是否存在色差;缝纫轨迹是否匀、直、牢固;绗缝轨迹是否流畅、平服，无折皱夹布;针迹密度是否适中等。同时作为产品组件之一的使用说明也应详细查看，从中了解所选购产品的基本信息，如面料和填充料的成分(填充物为蚕丝，应看清是否标注蚕丝种类)、安全类别、质量等级、规格尺寸(除大小尺寸外还应标明填充物的重量)、洗涤说明(根据面料、填充料的成分和洗涤习惯，判断该产品规定的洗涤方式是否符合自己的要求)、厂商信息等。

二摸，用手去摸一下

学会自己检查空调的质量，将空调被摊开抚平之后，当手背轻轻碰触被面的时候没有刺激的感觉就是质量比较好，反过来用手心抚摸被子的周围，看看填充物是不是均匀，再次手心轻压被子，其被压缩后在较短时间内回弹;最后拿起并轻揉被子，感觉应该柔软舒适。

三闻，用鼻子闻

进一步了解产品是否存在潜在的危害。一般来说纺织产品除具有纤维本身的自然气息外，不会有其他异常气味。但由于产品加工、后整理、储存等环节的偏差，会产生一些异味，通过嗅觉能进行识别，合格的产品不应存在霉味、鱼腥味、汽油(煤油)味和芳香烃气味。

6. 智慧电厂能为企业带来哪些利益？

众所周知，能源效率向来都是经济效益与环保的双赢利器。然而克服重重壁垒实现高效的能源管理却不是轻松能够实现的。智慧电厂是新时代能源行业内一直在研究和探索的话题。关于智慧电厂的想法和实践，发电集团究竟该怎样进行能源的智慧管理，朗坤提出了自己的分析和建议。

1电力信息化发展趋势探讨

人工智能、移动应用、大数据这三个高频词，也是智慧电厂建设的关键词。智慧电厂离不开IT的支持，而IT也只是智慧电厂的其中一部分，信息化的发展趋势也在发生变化，变化在体验的方面，新模式的出现，智慧电厂的建设和我们传统的建设方式也在发生变化。

基于工业App的应用，构建智慧电厂，这些变化可以总结成四点：管理方式的转变；业务应用模式的转变；建设模式的转变以及体验的转变。针对这几个转变的趋势，需要从这些方面切入，首先是安全生产，接着是设备的可靠、经济、环保、效率以及工作环境。

（点击放大查看高清图）

马斯洛的人的五个需求层次也适用于智慧电厂的建设，我们所做的事情无非为了人类的幸福生活来展开的。从IT的层面上分析，所做的安全、设备可靠、经济等问题也是围绕人类在电力上的幸福来服务的，需求层次中第一个层次就是基本生理需求，接着是安全的需求，第三是情感的需求，然后到尊重的需求，最后是自我的实现这五个层次，我们所做的每一项工作其实对应的都是为人而服务，把人设为主题，智慧电厂就应该是已人为本的。管理是基础，把管理做好，再融合技术，利用数据和管理创造的价值，才是智慧电厂的根本。

工业互联网平台构筑新模式

智慧电厂的架构分成五个层次，从设备开始，建立一个高效可靠的基础设施平台，这个平台是互联的，是智慧的，在平台上搭建的应用，为我们的决策提供指导，工业互联网平台构筑的新模式也将目前的智慧电厂概括了起来。一些专家会觉得工业互联网离我们还很远，其实工业互联网它并不神秘，也很容易理解，这种模式只是利用了互联网的元素，利用了很多把人和资源整合起来的概念来完成的。整个工业互联网平台可以分三个层面，一个是边缘层，边缘层是在设备端，往上一层是基础设施层，再上面是三个平台（物联网、大数据、开发），最上一层则是工业APP的应用。

在工业互联网概念的新模式下，基于边云协同的朗坤工业物联网平台，解决数据接入问题，朗坤苏畅工业互联网服务平台，能够解决应用持续扩张和创新问题，苏畅工业大数据平台，解决算法、模型等大数据计算问题，同时朗坤实时数据库TrendDB ，又能够解决数据存储问题。

工业APP构建智慧电厂新应用

在工业APP这个平台上，基于工业互联网平台，就可以构建一个电厂专用的APP。可以理解成一个算法，一个程序，或者一个功能。在应用上可以进行建设、管理、设备、算法、安全、供应链等优化，完成构建整个智慧电厂的应用。

朗坤所提供的就是这样一种方式，企业自己研究的的技术，可以直接放进去使用，同时也可以引用别人的技术，自己和引进的技术可以完美架接，这种方式是也为企业搭建了一个生态链。在这个生态上，行业开发者可以由朗坤来提供，电厂只需要使用即可。朗坤从建设、运营、设备、安全、经营、作业等方面也都在不断地进行尝试。

在工业互联网平台上构建电力APP，建设全新智慧电厂

三维可视化，运行可视化，给了我们一种很好的体验。朗坤在国信靖江发电有限公司的项目中，朗坤基于物联网打造的智慧电厂典型应用，通过建模技术建立靖江电厂->设备->参数多层次的数字化统一设备模型。

设备建模技术整合了控制系统和管理系统中海量大数据、设备规范中的规格参数、二次计算的设备性能等各种指标，融合成设备模型的主要参数，通过机器算法，将所有模型采取松散耦合的方式，逐级构成设备、电厂的模型结构，同时还可以扩展到风电、光伏、燃机等各种发电类型设备。

围绕物联网技术集成、智能化设备防护、智能化人员防护、智能化安全环境创建、安全大数据分析，集成两票系统、设备资产管理系统，同时强化对外包商管理，形成发电企业智能化安防系统总体功能架构。

三维数字化智能管控平台建设旨在基于后台厂级监控或信息管理平台（例如：LiEMS），利用三维建模、三维可视、AR/VR等新兴技术，结合云计算、大数据、物联网等Iot、ICT技术，建设一体化智能管控平台，并在此基础上构建涵盖预警预测、故障诊断、三大风机性能分析和锅炉炉管磨损监测等全厂全寿命周期管理信息系统，建立电厂建设/生产/运维/三维一体化管理体系，实现全厂管控的可视、可知、可控。

朗坤掌上设备云助力设备管理——好用、防爆、互联、智能。智能识别、快速执行巡点检任务，集数据采集、分析于一身。智能机器人+视频识别智能巡检。利用AR技术，实现智能设备维护，基于三维的设备可视化拆解、培训。装备与管理、数据融合，进一步强化对设备管控。建立严谨规范的运行管理体系。建设故障预测系统，聚合专家资源，为电厂提供诊断服务。

（点击放大查看高清图）

基于工业APP应用，构建管控一体化系统，实现业务高度融合

可靠的基础设施和网络平台，需要稳健和高效，以一个小型的云中心，采取更多的是高集成和质量可靠的模块化的机房来进行建设。智慧电厂所用到的大数据和AI，在这样的云中心也是非常有必要的，利用一个物理层面的支撑，同时还需要全厂的互联互通，接着构建专业的管理APP，为生产应用管理提供服务再融合技术，当然管理也是离不开技术的支撑。

传统的模式中，很多数据都是分散的，形成了很多的信息孤岛，我们建设的智慧电厂就是就把这些信息孤岛都打通。在管理上高效协作，达到一个管控一体化的水平。其次对于建设，电厂从建设开始，就使用互联网+BIM的方式，建智能厂区，这点也是不容忽视的，智能厂区的建设在智慧电厂中也是发挥着重要的作用。在管理APP上，也就通常说的OA，集团/电厂领导只要一个APP便可掌握所有生产经营情况。最后在运维APP上，作业人员只需一个APP，即可处理各类业务。

管理+创新，是设备管理发展的方向

朗坤核心的专业，则是安全和设备的可靠。设备管理要创新，把设备管理管好管好的基础上，再来做设备的创新。我们提出来的概念则是把传统的设备管理加上技术创新，然后再加设备智慧维护，这就形成了一个体系，可以实现智能的联动，再把设备全寿命周期的管理好，从设备的探索，建立设备的台账开始，到检修的标准化，到移动设备的接入，在可视化维修的接入，到状态的检测，这整个过程都是一套系统。工业互联网的好处就是可以把电厂外部内部都连接在一起，出于安全的考虑，电厂的专家可以联合外部专家共同为电厂服务，整个建设过程就分了五个步骤，从感知平台建设到数据中心到诊断中心，到决策中心，增值平台。

设备管理中的一个核心就是安全管理，朗坤始终坚持管理+互联网和大数据的新技术的应用相结合，才能达到一个更好的效果。工作环境和工作关联起来，通过监控，承包商的安全隐患，也可以加入监控管理，将被动变为主动保护，提高安全度，也是智慧电厂带来的一种幸福感。

通过竞价上网，成为发电企业电力营销决策支持的有效手段。基于经济发电的时、日成本分析，动态掌握经营情况，实时监控发电成本，优化成本结构。控制燃料成本，降低发电成本，提升盈利能力。大数据在经营优化领域的应用，为了提高经济效益，更经济的原则上，我们分成运营优化、燃料优化、成本优化三类。目前朗坤已经建设了这样的一个平台，也对各大企业和集团也在实践。

移动计算、物联网、人工智能带来全新体验

大数据在经营优化领域应用越来越广泛，新技术的应用，完全打破传统ERP、MIS/SIS的应用体验，从基层员工到高层领导获得更好体验和应用。人工智能很便捷的交互，移动应用，三维可视化，物联网支持各种应用，APP的应用空间是非常值得想象。移动应用使得一个APP即可管理所有业务。三维可视化为管理、作业提供更便捷窗口。人工智能应用，促使安全管理出现新的转变，基于智能视频技术的人员行为管控，进一步实现安全主动防护，更加友好的人机交互。

朗坤关于工业互联网下的智慧电厂创新的探讨，引起了现场多家企业的关注，演讲结束后客户纷纷前来沟通交流。