صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۰۹:۵۷ - ۲۳ آبان ۱۳۹۶
مدیر ارتباط با صنعت واحد رشت به آنا خبر داد:

سامانه‌ای برای کاهش 30 درصدی تصادفات/ اختراع دستگاه کاهنده مصرف برق

مدیر ارتباط با صنعت و کارآفرینی دانشگاه آزاد اسلامی واحد رشت از کاهش 30 درصدی تصادفات جاده‌ای با نصب سامانه مخترعان این واحد دانشگاهی در خودروها خبر داد.
کد خبر : 229004

پیمان بیات با تأکید بر میزان بالای آمار سوانح جاده‌‌ای به خبرنگار خبرگزاری آنا گفت: «سامانه کاهش تصادفات جاده‌‌ای در این واحد دانشگاهی ثبت اختراع و نمونه صنعتی این دستگاه نیز ساخته شده است که در صورت نصب بر روی خودروها تصادفات را تا 30 درصد کاهش می‌‌دهد.»


دبیر ارتباط با صنعت دانشگاه آزاد اسلامی استان گیلان، حفظ جان هزاران هم‌‌وطن، کاهش چشگیر تلفات جاده‌‌ای و کاهش هزینه‌‌های وزارت بهداشت و بیمه‌‌ها را از جمله مزایای این طرح دانست و افزود: «تلاش داریم تا ماه جاری و تا پیش از هفته پژوهش با تأیید فنی سردار مؤمنی وارد فاز اجرایی این طرح شویم.»


وی با توجه به کسب مدال نقره جشنواره بین‌‌المللی اختراعات لهستان در سال گذشته توسط دانشگاه آزاد اسلامی واحد رشت از تلاش این واحد دانشگاهی در تجاری‌‌سازی اختراعات ثبت‌‌شده خبر داد.


بیات خاطرنشان کرد: «در زمینه کوادکوپترها نیز واحد رشت فعالیت‌‌‌هایی داشته است و استقبال خوبی هم از طرح‌‌های ما شده و تلاش داریم تا قبل از هفته پژوهش قراردادهای خود را با برخی سازمان‌‌ها نهایی کنیم.»


مخترع دانشگاه آزاد اسلامی واحد رشت از اختراع دستگاه کاهنده مصرف برق و تأثیر آن در کاهش هزینه‌‌های صنایع و سازمان‌‌های بزرگ و کاهش فشار به نیروگاه‌‌ها سخن گفت و افزود: «با توجه به عدم دقت بالای سی‌‌تی‌‌اسکن در تشخیص سکته‌‌های مغزی، یکی از اختراعات من دستگاهی است که به سی‌‌تی‌‌اسکن اضافه می‌‌شود و به وسیله آن می‌‌توان وضعیت بیمار را تا 24 ساعت آینده پیش‌‌بینی کرد که آیا دچار سکته مغزی یا عوارض دیگری می‌‌شود یا خیر.»


انتهای پیام/

ارسال نظر