介绍可穿戴设备市场有几种类型的个人设备，所有这些设备都佩戴或附着在身体上。这些类别包括智能手表，健身追踪器，智能眼镜，身体传感器，可穿戴式相机，位置追踪器，手势设备和智能服装。这些设备具有广泛的用途，从医疗保健到生命健康，再到安全通知。智能衣服或者织物具有附着或编织到衣服材料中的导电纤维或传感器。与其他可穿戴设备一样，智能服装将数据发送到辅助设备，用户可以在辅助设备上评估信息。 尽管可穿戴技术在健身追踪器和智能手表类别中快速增长，但其他类别缺乏显着增长。特别是，智能服装占全球可穿戴设备市场的比例不到1％。可能以下是主要原因：
这项研究探讨了可穿戴技术的发展，可穿戴技术和智能服装的当前市场规模，以及智能服装采用的障碍。本研究探讨了三个细分市场中的智能服装用例：专业运动，医疗保健和军事工业。 可穿戴设备历史如果您以两个标准来定义可穿戴设备，您可以看到可穿戴设备市场的历史可以追溯到20世纪70年代： ● 长时间舒适地穿在身上 ● 独立供电并使用传感器或微型计算机处理信息，除了可穿戴设备的尺寸随着时间的推移显着减小，从索尼随身听的0.5磅到0.3盎司的Fitbit Zip，可穿戴设备的“智能”组件也大幅增加。 在过去的10年中，“智能”可穿戴设备在两个主要领域取得了进展： ● 收集个人数据的能力（Nike iPod，GoPro） ● 能够为用户提供实时数据洞察（Fitbit，Jawbone，Pebble） 可穿戴技术市场规模2015年可穿戴设备的前五大制造商证明，目前的市场主要是健身追踪器和智能手表 2015年销售额显着增长和快速增长： ● 2015年圣诞节期间iTunes应用程序商店的＃1应用程序是Fitbit，表明该礼品的受欢迎程度。 ● 2014年第4季度没有销售健身追踪器的Xiaomi在2015年第4季度销售了270万台设备。 ● 尽管单位销量低于预期，但Apple Watch的收入为55亿美元。 可穿戴设备市场2015年的增长高于预期，自2014年以来单位销售量翻了一番。早在2014年，可穿戴设备市场预计将有稳定的增长轨迹，从2013年的1,700万台设备出货量到2020年的18712万台（复合年增长率, 34％）。 随着最近健身追踪器的成功以及Apple Watch推出智能手表销售的出现，市场分析师已经调整了可穿戴设备的销售额，以预测更大的设备出货量和收入。 智能服装市场规模 2015年全球智能手机市场令人印象深刻，达到3990亿美元，但比服装销售额达1.2万亿美元相形见绌。 预计到2019年，这一差距将扩大到智能手机销售额达到5200亿美元，服装销售额高达2.2万亿美元 鉴于服装市场的普遍性和持续增长，您会认为可穿戴技术与服装的合并将是市场扩张的一个明显领域。 然而，预计这一领域的增长将放缓，智能服装占市场的比例不到1％。 根据最近对发达市场和新兴市场中可消费技术的2,407名消费者的调查显示，公众意识最差的就是服装和纺织品 供应商景观考虑到可穿戴技术是一个相对较新的行业，潜力巨大，市场上有许多供应商进入，基本可分四个主要市场： ● 娱乐 ● 健身和健康监测 ● 军事或工业环境中 ● 医疗保健和监测生命体征 在目前市场上的423种可穿戴设备产品中，大多数与健身和生活方式有关。 下表显示了四个主要市场类别中提供的产品： 智能服装生态系统价值链价值链是由哈佛商学院教授迈克尔·尤金·波特（Michael Eugene Porter）创造的一个术语，用于表示企业在将原材料转化为销售给客户的成品的过程中所开展的相互关联的，通常是连续的经营活动。 随着产品通过公司的价值链，每个环节提供了另一个增加价值的机会。 输入 ● 传感器（例如，DataGloveTM，Heddoko，Hexoskin，OMSignal，Athos，..） ● E-Textiles（例如，Fibretronic，ELITEX®，Feratec®，Tyvek®，......） ● 数据收集系统和方法（例如，蓝牙，RFID，AWS，......） ● 数据共享和安全标准（例如，HIMISS，NCHHSTP） ● 个人记录 大数据分析提供的价值 ● 对个人：个性化的情境和预测分析，以改善功能，防止伤害和延长职业寿命 ● 对业务：趋势分析，模式识别和模拟，降低成本和提高生产力 ● 物联网数据平台和分析工具（例如C3 IoT，Meshify，AWS，Oracle，......） 输出 ● 训练时间表和摘要 ● 提醒疲劳，受伤，暴露 ● 工作量最大化 ● 降低风险 ● 成本/效益分析 我们断言智能服装的个人和商业应用的价值链取决于数据分析平台。智能服装的未来不仅仅是追踪个人的生物识别，行为和环境暴露。它更多的是分析和使用数据来提供个人和群体的特征。对于个人而言，它是关于何时何地应该改变行为。例如，通过分析来自个人和团体的数据，我们使用态势感知和预测算法可以创建个性化的训练计划，在即将发生伤害时提醒用户，提供休息和营养指导。对于商业应用程序，大数据分析可帮助组织利用其数据并使用它来识别新机会。 智能服装用例智能服装产品存在于市场中，为消费者提供田径，军事和医疗保健类别的个人数据，然而，超越个人，商业和商业应用的智能服装产品还处于起步阶段。 对于这三个类别中的每一个，本研究都提供了商业应用和市场规模及机会。
对于业余运动员和体育爱好者来说，人身伤害太常见了。 2014年，为年轻人治疗运动损伤花费了惊人的33亿美元。
可穿戴设备是新市场，有少数公司为业余和职业运动员开发智能服装。 Athos成立于2012年，正在进行C轮融资，目前正在与金州勇士队合作，使用智能服装传感器来优化球员的表现并防止受伤。 Athos生产运动智能服装，与可穿戴技术完全集成，可跟踪心率，呼吸水平和监测肌肉活动
勇士队正在使用这项技术来监控运动员训练并使用数据来确定球员身体情况。 随着时间的推移，从运动员那里收集的数据将使勇士队能够使用大数据分析他们团队的关键问题： ● 今天比赛最有效的首发阵容是什么？ ● 哪个球员最有可能在比赛中受伤并且需要坐在板凳上？ ● 在脑震荡方面，碰撞对球员意味着什么？ Athos提供的大部分数据都可以使个人运动员受益，但大数据分析提供的关键见解将使选择合适球员，并让球队获胜。
迈克尔刘易斯2003年在新书<<Moneyball>>详细说明了统计和数据分析如何改变职业运动。 Moneyball讲述了奥克兰田径总经理比利比恩如何依靠统计分析建立一支胜利的球队，而不是聘请昂贵的超级球员。 今天，大多数团队对他们的团队和潜在的新员工进行类似的大数据分析。在练习和游戏过程中，有来自摄像机和传感器的多个数据流，用于监控运动员身体形状的各个方面。这些数据可以直接应用于提高个人运动员的表现，大数据集中的分析也可用于形成预测分析，从而提高整体团队绩效。团队可以利用机器学习和数据挖掘来分析多个运动员数据集，以获得洞察力，帮助他们做出决策。
在未来几年内，运动员和专业运动队的智能服装消费量预计会增加。
2014年，1200万次运动相关伤害的医疗费用达330亿美元。 在前面讨论的NEISS研究中，研究人员发现50％的伤害是可以预防的。 凭借其伤害预防数据洞察力，智能服装应对这些伤害的机会可能是一个150亿美元的市场。
几十年来，医疗成本一直在以惊人的速度上升，其中一个主要成分是医院护理人员受伤。 由于护理人员是提供患者护理的主要劳动力，因此单一伤害会产生连锁反应，从而增加了医院的费用。 除了成本增加之外，医院还有道义和法律义务为其护理人员提供安全的工作场所。 智能服装是识别易受伤害情况和在灾难发生之前预测灾难性情况的技术解决方案，智能服装的个人数据结合预测分析可以创建数据驱动反馈和监控系统，从而大大减少对护理人员的伤害并改善患者护理。
虽然建筑和制造看起来没有像专业人员那样身体伤害风险高，但BLS（劳工统计局）和OSHA的工作场所安全数据，如上图所示，表明医院工作人员，特别是护士，工伤率最高，每100名员工6.8人。
如下图所示，超过50％的医院工作人员受伤是可以预防的，因为他们是由于过度劳累，滑倒，绊倒和摔倒造成的。 OSHA的研究和分析清楚地表明，通过训练，更好的医院设计以及改进对员工行为和工作场所条件的监控，可以大大减少大部分伤害和相关费用。 来自医院的关于可能发生伤害的潜在情况，以及针对医护人员和医院的定制预测分析的更好数据，将开始改变这种伤害趋势并使医院成为护理人员更安全的工作场所。
为医院工作人员提供智能服装的目标是实现大数据分析，可用于实时预测医院和护士的危险情况。 它可以用来建立一个监测和推荐系统，可以提醒医院采取措施，以更好地训练他们的人员和评估新设施。
Dorsavi创造了可与衣物轻松整合的传感器，并提供识别腰背和肌肉压力的解决方案。 Dorsavi瞄准工作场所安全市场。他们使用人工专业人员查看传感器的输出并提供适当的反馈。生物识别和身体力学的集合显示在计算机上，训练有素的治疗师解释并提供指导。其他伤害预防解决方案，如高级病床，起吊设备和审查医院伤害报告的训练公司，可以帮助减少对护士的伤害。然而，采用的主要障碍是缺乏医院管理部门准确的成本效益分析的数据。下面列出的解决方案可以包括这些产品，并通过将它们整合到解决此问题的综合bigdata分析系统中，使它们更有用。
定制的智能服装构成了使用bigdata分析帮助扭转受伤趋势的解决方案的基础。 智能服装和传感器：护理人员佩戴的服装将采用传感器技术，能够监控身体力学和生物识别技术，并将信息安全地传输到集中系统。支持智能服装的关键传感器技术是测量心率，运动和身体力学的传感器。这些传感器与bigdata分析系统通信。 个性化分析：减少护理人员受伤的关键是在危险情况发生之前对其进行监控，检测和预测。智能服装持续监控人的身体力学和生物识别，后端系统将其与人的历史和当前状况相结合，以创建适当的警报。 它还在操作完成后提供反馈。最有用的方面是它可以向护理人员推荐的潜在训练建议。 定制的医院分析：如所示，伤害是一种主要成本，既包括保险，也在患者护理方面有效和间接损失。来自工作人员的生物识别和身体力学数据使医院能够查明常见伤害的原因以及升级患者升降设备和移动工具的好处。该系统还将能够提供关于训练的关键反馈，这些反馈可以针对个人进行定制。有了这些信息，医院管理部门可以在投资新基础设施（例如房间内的升降设备）和伤害成本之间进行精确的成本效益分析。此外，智能服装的数据可以与病房和医院的传感器相结合，创建一个全面的预警系统，专注于防止医院人员受伤。今天，医院为每位患者提供了“检查清单”，我们可以想象这样一种情况，即连接的智能服装在每次受伤害的程序之前都有一份检查清单。
医院为护理人员的伤害付出了高昂的代价。 伤害的主要成本由医院承担。 下表显示了OSHA报告估计的单个事件的成本。
使用OSHA报告中的数据可以估算出由于这些类型的伤害导致的总财务成本。 下表列出了两种方案的总成本。 据保守估计，伤害总费用为17亿美元。 考虑到工资损失和更换受伤员工，成本增加到35亿美元。 基于智能服装的bigdata分析解决方案可以解决这一问题。
为护士提供智能服装是解决医院护士受伤的一种解决方案。该解决方案的大多数关键技术已经可用，虽然有一些挑战和障碍，但医疗保健中的智能服装解决方案是一个重要的市场规模，很有可能帮助提高护士的生产力并降低医疗成本。有大型医院连锁店将投资这些系统，并可以成为更大的行业的模型。 使用案例：军事智能服装已经成为新军装制服发展的一个组成部分，旨在提高对士兵健康的可见度，并提供整体战场认识度。虽然美国的执法部门，包括警察，联邦调查局和其他安全机构的要求与军方的要求相似，但鉴于其需求，预算和市场规模优越，我们将主要关注美国军方。 目前军用智能服装产品 军方与行业领导者，其他政府机构和学术界合作，支持和推动潜在的智能服装解决方案的发展，这些解决方案通过赋予美国军队技术和战术优势，对美国军队有利。研发工作一般可分为三个不同的领域： ● 防止受伤 ● 伤口检测 ● 健康/压力监测 当然，还有其他领域不属于上述类别，但对于实现竞争优势仍然非常重要。众所周知，战场伤害的范围从子弹，弹片和爆炸的影响到化学，生物，放射性和电磁暴露造成的伤害。 Lawrence Livermore National Laboratory的研究一直致力于开发一种可以防止生物战和化学战的制服面料。这种面料模仿人体皮肤的两个方面，如何导汗，以及它如何检测来自世界各地的药剂。它有很小的孔，足以让汗水流出，但又足够小，可以防止病毒和细菌进入。织物本身的聚合物可以对化学物质产生反应，从而检测战争中使用的潜在化学物质。在检测到它时，要么关闭孔，要么剥掉以保护佩戴它的人。
杜邦创造了一种名为Nomex的阻燃纤维。 由这种纤维制成的制服提供永久性的防火保护，并已在消防界广泛使用。 纤维不会磨损或熔化，即使长时间暴露，也能提供可靠的防火和防热保护。 目前，这项技术已被纳入武装部队内部的专门机构。
开发用于军事人员的服装，收集各种生命体征，并使用与算法相结合的数据来检测压力，健康，伤口/伤害和任务状态。与需要将各种设备绑在不同身体部位上的典型监控系统不同，这些智能服装内置有传感器，但几乎不引人注目，设计考虑到了士兵的舒适度。 由于军服配备了越来越耗电的设备，因此产生和储存能量的需求成为维持技术正常运行的关键部分。因此，现代制服的增加的动力需求推动了一个新兴的研究领域，该领域主要集中于在纺织品内产生和捕获能量。今天，士兵被迫携带重型电池为其电子设备和子系统供电。
智能服装的好处包括个人和团体方面。从个人的角度来看，好处是直接而明显的。它们可以防止可能导致严重伤害的危险化学品，病毒，细菌，火灾和辐射剂。即使是完全，也会得到保护，防止子弹和爆炸。所有这些都可以预防创伤。 集团方面有两个部分，即整个军队和整个国家。通过使用智能服装，可以减少伤害，从而降低治疗成本，特别是对受伤者的终身治疗，这是由全国承担的。 军事人员的伤亡率与美国参与冲突的人数和规模成正比。仅在伊拉克和阿富汗发生的最近战争就造成了超过850,000名士兵的伤亡。
（美国军队人员）
技术障碍采用和整合大数据所面临的技术和文化挑战并非智能服装市场或我们所考虑的行业所独有。一般而言，解决方案也不是唯一的。在经济学人的文章“炒作与希望”中，经济学人描述了成功采用大数据的几个主要障碍： ● 部门或组织之间缺乏沟通 ● 糟糕的大数据技能 ● 软件不足 ● 缺乏分享数据的意愿 ● 报告过于复杂 大数据到底是什么？ McKinsley Global Institure将大数据定义为“数据集，其大小超出了典型数据库软件工具捕获，存储，管理和分析的能力”。 Gaffney和Huckabee还在数量，速度，种类和准确性方面描述了大数据。 ● 数量：随着大规模互联网应用的增加，无处不在的传感技术和物联网（IOT）的爆炸式增长，今天创建的数据量呈指数级增长。整个制造，零售，医疗保健，健身和军事行业的监控设备都说明了这一点。 ● 品种：各种数据也在增加。考虑到健身行业，我们有可穿戴设备跟踪，地理位置，速度，加速度，呼吸率，心率，热量和皮肤化学品。这一数据元素集合需要标准化和规范化，以便进行有意义的比较，整合或学习。汇总和分析这些各种数据的能力对成功至关重要。 ● 速度：需要复杂的分析功能和工具来处理生成此数据的速度，并使分析和操作能够及时或接近实时地进行。 ● 准确性：数据分析与我们收集的数据一样好。因此，确保数据完整性，准确性和可信赖性的方法，过程和系统至关重要。这是我们选择调查的健康和安全环境中的基本要求。要了解实施大数据的技术挑战，解决方案需要解决数据标准，互操作性，隐私和安全性以及大数据分析问题。此外，智能服装领域引入了额外的技术挑战，例如构建适合嵌入衣服的传感器以及如何连接到这些传感器以检索聚合和分析数据。 隐私：保护数据 虽然有很多关于隐私的文化问题（我们将在稍后讨论），但在保护原始数据和个人数据以及所获得的方法方面也存在技术挑战。 除了保护可穿戴传感器产生的数据之外，传感器和设备本身也对工作场所安全构成威胁。据估计，2014年向客户发送了9000万个可穿戴数据的设备（“WDD”）。其中许多客户将把它们带入工作场所，这将挑战雇主为这些新访客调整岗位，内联网安全和IT政策。 分析：挖掘有价值内容的数据 解释可穿戴传感器的数据具有挑战性。如上所述，数据是异构的，来自具有不同模态的各种传感器类型。第二个挑战是数据的非均匀性。它可能偶尔会出现，有时间间隙和过多的噪音。这会增加分析的复杂性，并可能导致错误。目前有大量的努力和研究旨在了解如何解释由健康监测器和可穿戴系统产生的多参数，纵向数据的类型。 连通性和可移植性 如上所述，可穿戴传感器具有生成大数据集的能力。作为一个例子，考虑以下一组可穿戴传感器和惯性传感器到三轴加速度计，陀螺仪和100Hz的磁力测量，以及2Hz的气压，并假设每个信号每个样本两个字节，这将每天产生大约156MB的数据。然后是电池电量，这是限制数据量的因素。因此，我们在传输和保持电池寿命之间进行权衡，一种解决方案是预处理传感器上的数据以仅提取要传输的显着信息，但这必然意味着某些信息可能丢失。一个重要的挑战是设计低功耗电路和传感器设计以及功率清除技术。或者，某些情况可能允许无线检索。 能量，散热行，可清洗性，小型化，舒适性和灵活性都是可移植性的挑战。尽管电源技术已经取得了重大进展，但它仍然是智能服装领域，尤其是纺织品领域的一个关键问题。UNITIKA的Thermotron是一种能够将太阳光转换成热能并储存的特殊织物。热在Thermotron内部有碳化锆微粒，使织物能够吸收和过滤阳光。织物的内层保留了产生的热量并防止其丢失，从而为我们提供了使用我们自己的热量或太阳能的外部电源为传感器供电的方法，虽然远未成熟，却是很好的尝试。 在一般的智能服装和我们讨论过的用例类型中，要求传感器和通常多个传感器以实时的方式与外部设备通信。例如，提醒护士或军事人员即将发生危险或伤害。即使没有实时要求，传感器的数据也需要以时间敏感的方式传送回数据分析平台。因此，无线通信是智能服装行业成功的重要组成部分。目前的选择都有一些缺点： ● 蓝牙：具有相对较高的功耗（50100mW），具有主设备协议，仅支持一个主设备的7个从设备，并且需要手持才能建立连接。 ● 无线电协议（例如IEEE 802.15.4）：在需要超过7个传感器节点或需要极低功率的情况下，adhoc / peertopeer协议可能更有效。允许无线电移入和移出本地传感器网络，而不会破坏通信流。由于这些无线电在30米范围内通信所需的功率小于1 mW，因此它们可能适用于卫生行业和某些运动应用，但不适用于军事或其他更分散的应用。 ● RFID：对于某些需要无源通信的应用，RFID标签可用于识别人员，地点和物品。但是，这并不能解决整个通信挑战。 我们在使用案例中讨论了许多类型的传感器，但仍然存在挑战，以实现低成本，不引人注目且广泛接受的设备，包括更高的用户舒适度，工作场所使用，纺织品和织物创新以及改进的信噪比。 智能服装带来了非常复杂的数据收集挑战。传感器将是异构的，以不同的方式收集不同类型的数据，它们必须是可清洗的，并且需要包括诸如天线的通信机制。 文化
市场成功之路
|
|
|
