可穿戴标准来了!德国莱茵TUV全球首个可穿戴认证标准

发布时间:2014-07-7 阅读量:787 来源: 发布人:

【导读】目前,炙手可热的可穿戴产品在安全、性能、互通性和耐久性等方面还没有一个统一的标准。对此,德国莱茵TUV推出全球首个可穿戴设备的认证标准,希望能协助制造商在激烈的竞争中脱颖而出,引导消费者选择安全优质的产品,并推动可穿戴设备行业健康可持续发展。

德国莱茵TUV全球首个可穿戴认证标准
 
德国莱茵TUV可穿戴设备的认证标准要求产品必须满足三大方面要求:安全性,智能性,可穿戴性。可穿戴式设备期望无缝地融入消费者的生活,意味着用户需与该设备长时间紧密联系以收集数据。该装置的安全性成为大众最基本的关注点。德国莱茵TUV将依据国际标准对可穿戴设备,电池和电源适配器的安全性进行检测,同时无线连接、电磁兼容、有害物质的使用也在认证评估范围内,最大化地减少给用户可能造成的危害。

可穿戴设备的佩戴和使用感受也直接的影响着用户的使用粘性。通过德国莱茵TUV可穿戴设备认证,该产品及其零部件还要进行耐用性,环境适应性,皮肤接触性,电池特性和电磁干扰评估等项目的评估,确保通过评估的产品佩戴舒适,易于使用。

除了设备的安全性要求和可穿戴要求之外,德国莱茵TUV可穿戴设备认证还将产品智能化纳入评估,包括可穿戴设备与中央数据处理单元(包括智能手机,平板电脑,个人电脑,云处理器等)的互通性和连接性,中央数据处理单元对数据分析的能力,以及设备和中央数据处理单元的信息安全管理等环节。

德国莱茵TUV一直是全球领先的技术服务供应商,可因应市场的变化,发展符合消费者需求、卖家要求和地方法律的安全和质量标准,支持可穿戴设备行业更蓬勃地发展。

关于德国莱茵TUV大中华区:

德国莱茵 TUV 集团作为国际知名的独立第三方检验、检测和认证机构,拥有逾140年的经验,在全球五大洲66个国家设有500家分支机构,全球员工数超过18,000,能提供全球客户所需的专业服务支持。德国莱茵 TUV 大中华区员工约3,000人,服务范围包含工业及能源服务、电子电气产品测试、通讯测试、消费品测试、人体工学评估、交通服务、轨道系统安全、食品安全、管理体系等检验认证服务。德国莱茵 TUV 向来以严谨高质量的测试认证服务著称,并以公正独立的角度提供各项专业评估,为当地企业提供符合安全、质量以及环保的优质服务和解决方案。
相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。