0102030405
Mifare Classic 1K-kort til campuskort
Beskrivelse
MIFARE Classic EV1 RFID-kort anvendes i vid udstrækning til forskellige anvendelser på grund af deres sikre og effektive kontaktløse teknologi. MIFARE Classic EV1 RFID-kort fås i versioner med 1K byte og 4K byte hukommelseskapacitet og er velegnede til forskellige datalagringsbehov. Kortene fungerer ved 13,56 MHz og overholder ISO/IEC 14443 Type A-standarderne, og de er kompatible med forskellige læsere. Valgfrit med 4 byte ikke-entydig identifikator og 7 byte unik identifikator til sikker identifikation, adgangskontrol og kontantløs betaling.
Funktioner
- ● Antikollisionsbeskyttelse, giver mulighed for at betjene mere end ét kort i marken samtidigt
- ● 7-byte UID eller 4-byte NUID
- ● Gensidig eller tre-trins godkendelse
- ● Typisk billettransaktionstid på
Specifikation
| Produkt | Mifare Classic 1K-kort til loyalitetsprogrammer |
| Materiale | PVC, PET, ABS |
| Dimension | 85,6 x 54 x 0,84 mm |
| Arbejdsfrekvens | 13,56 kHz |
| Hukommelsesstørrelse | 1k eller 4K bytes |
| Protokol | ISO/IEC 14443A |
| Personalisering | CMYK 4/4-tryk, UV-spot med logonummer, chipinitialisering, variabel QR-kodetryk, signaturpanel, magnetstrimmel osv. |
| Læseafstand | 2~10 cm, afhænger af læserens antennegeometri |
| Dataopbevaring | 10 år |
| Skrivecyklus | 200.000 cyklusser |
| Arbejdstemperatur | -20°C～50°C |
| Pakning | 100 stk./pakke, 200 stk./æske, 3000 stk./karton |
Anvendelse
MIFARE Classic EV1-kort kan tjene flere funktioner i et campusmiljø, herunder adgangskontrol, studenteridentifikation, bibliotekstjenester og kontantløse betalinger i kantiner. Denne alsidighed gør det muligt for institutioner at konsolidere forskellige tjenester på et enkelt kort. MIFARE Classic EV1-kort, der opererer med en frekvens på 13,56 MHz, muliggør hurtige kontaktløse transaktioner. Studerende og personale kan nemt bruge deres kort for at få adgang til faciliteter eller foretage køb uden forsinkelser. Ved at bruge MIFARE Classic EV1-kort kan universiteter indsamle værdifulde data om studerendes adfærd og brugsmønstre. Disse oplysninger kan analyseres for at forbedre tjenester, forbedre ressourceallokering og skræddersy programmer til bedre at imødekomme de studerendes behov.