Enterprise Sensor Integration (ESI): Your Gateway to the Industrial IoT

工業4.0為全球製造業大勢所趨，據研究機構報告指出，2015年全球製造領域內的物聯網市場規模約529億美元，預估2020年將成長至1,332億美元，年複合成長率約20.3%；工業用感測器產值也由2016年的25.4億美元成長至2020年的40.5億美元。

物聯網時代，感測為王，一切資訊都要透過感測器來感知、測量、收集資料。物聯網想要走得遠，要看感測器的發展程度，無論是RFID、電壓、溫溼度、氣體等環境感測器，或是安防領域的各種影像、熱感、紅外線、室內定位、警報等感測器應用，甚至機器間的資訊協作、量測、分析到控制，唯有靠這些感測元件來建構物聯網的眼耳鼻舌與四肢，才能完成大數據雲端資料庫的即時蒐集、擷取、運算、分析與資料智慧化，而這兩者正是建構智慧工廠不可或缺的關鍵基石。

IoT sensor devices

資料蒐集落實廠房監控管理

以科技廠房來說，提升產品良率是其第一要務，即使只是改善1%的製程都願意積極嘗試，畢竟人為錯誤是造成良率下降的最主要原因。

例如，在工具機上內嵌可偵測馬達負載、轉速、聲紋、震動、電流等各式感測器，讓機器裝置具備智慧蒐集資訊的功能：當機器手臂牙叉(Fork)組裝精密元件時，能精準穩定地感測其軸向的微小力道，掌握卡匣取放時的受力變化，提供邏輯判斷、找出瑕疵品。

而當機器裝置老化，導致不預期停機或故障，藉助感測器來擷取各種環境資訊，包括溫溼度、酸鹼值、氣體、粉塵等，分析、判斷其作業環境的耐受度，以達到防患未然的功用，讓生產線得以順暢運作。

另外，工業機器人作為未來重要的生產工具，首當其衝便是人機協作。當人與機器同時合作，更需要加裝許多感測器以具備人機協同感應機制，去確定其運作方式不會對人產生危害或影響，從機器手臂的位置去定位每個位移，透過更智慧的安全設計掌握機器手臂外圍狀態；當人員進入共同作業範圍時，手臂會自動減緩速度，待人員離開後，再恢復原始速度，如此即可在不中斷作業的情況下，強化人機協作的安全性。

而搭配定位追蹤感測器，便能夠確認作業中的人員或其他生產相關裝置都在正確的位置，藉助追蹤這些人員和物件，以及兩者的互動狀況，管理者即可全盤監看生產流程，並依此判斷什麼時候、哪段流程需要調整。

其實，廠房之所以透過各式各樣的感測器來監測資料，無非就是想掌握生產品質，達到某種製程條件。藉助製造過程中的資料採集，將能進一步運用後端平台運算做大數據分析，幫助企業獲利。

Global IoT Sensors Market worth USD 27.38 by 2022

大數據分析提升競爭力

誰能快速反應市場變化、生產多樣化產品，誰就是贏家，而大數據即是能加快決策速度、預測未來的最佳應用。資料採集永遠是廠房智慧化的重點，但若資訊未經過處理，只是浪費儲存空間的無用垃圾，必須透過虛擬資訊與實體系統(Cyber-Physical System)的結合，將資料傳到雲端進行儲存、分析，形成決策，進而再回過頭來指導生產。

依據長期量測、統計與分析生產過程的相關資料，當有製程品質逐漸偏離、裝置精密度變差的情形時，便可提早進行預防性保養、維修，甚至發展成先進裝置控制的預警系統，達到自我監測和預測功能，以維持產品製程穩定性、提升良率。

大數據的實際應用，可以郭臺銘的「關燈工廠」為例：富士康透過物聯網技術，累積多年生產線上的各種機台資料，並利用影像辨識和機器學習等技術，為這些機具裝置連上神經與大腦做大數據分析，得出生產環節中每一個製造流程的結果；加上各種智慧感測與感測網路的匯入，便可做到讓機器獨立自主運作，在黑暗中也能完成生產。

曾替台積電打造智慧生產的清大教授簡禎富亦曾說過，「談工業4.0，關鍵在資料背後的決策優化。」在智慧製造的流程中，機器人並非要完全取代人力，人所扮演的角色不再是勞動工作的「操作者」，而是晉升到經由後端的大數據分析來下策略判斷，成為生產過程的「設計者」、「決策者」以及流程的「管理者」。