感測器負責蒐集環境資訊，也是建構產線智慧化的基礎，藉以實現預兆分析、製程優化，動態監控並提升效能，達成減少資源浪費，強化生產線韌性。
在製造領域，產線自動化與智慧化已進行多年，有鑑於製造業要求穩定的特性，工業4.0過去比較像是一場長期的寧靜革命，產線升級呈現緩慢漸進式發展，然而COVID-19疫情徹底改變世界運作的方式，也加速了產線智慧化的推動進程。感測器(Sensor)負責蒐集環境資訊，也是建構產線智慧化的基礎，便成為近期發展的重點。
智慧感測器為智慧製造的關鍵核心，提供系統間「溝通」、「決策」、「合作」所需訊息來源，感測器可以監控機台、產線的運作狀況，同時感知工作環境的變化，維持生產運作的正常，包括：溫/濕度、震動、空氣、水質、光線、影像、聲音等，而應用在產線上則更須加強環境耐受度。隨著產線智慧化程度提升，預計還有更多感測器會導入到智慧製造產線，並持續發展更多新興應用。
環境訊息耳目為產線升級基礎
產線智慧化隨著工業4.0的風潮，已經發展多年，從物聯網(IoT)與人工智慧(AI)概念興起以來，為了更深入了解產線的狀況，就必須蒐集更多環境資訊，感測器就是這類訊息的耳目，而感測器本身也須要在質與量上提升，質的部分包括提升感測精度與增加感測的種類，以便蒐集到更多訊息；量的部分則是要布建更多感測器，取得更多數據以進行完整的監控分析。
智慧製造的發展屬於長期進化過程，工研院智慧感測與科技中心(原工研院智慧微系統科技中心)執行長朱俊勳表示，智慧感測的目標就是預兆分析、製程優化，動態監控並提升效能，過去的智慧感測先從單機開始，再延伸到整個產線。ADI台灣區業務總監徐士杰(圖1)說明，新興商業模式正運用先進感測來部署即時監控機制，掌握資產的健康狀況，以減少資產非預期性的故障停機。
圖1 ADI台灣區業務總監徐士杰認為運用先進感測來布署即時監控機制，掌握資產的健康狀況，以提升資產正常運行時間的效益。
一般在智慧工廠裡面的感測器，就是屬於工控感測器，工研院機械所工業物聯網技術組經理仲維德(圖2)指出，包括光學式的接近感測器，或者是一般機台設備有迴轉機械或是電機設備必須感測電壓、電流；另外，機械手臂與自動化機台設備則會內建3D光學感測器，不過設備與在廠區裡的人員資料收集完以後，要轉換成有用的資訊，甚至搭配如Google Glass或是虛實整合的裝置才可以發揮出它的效益，因此感測器在智慧工廠或工業物聯網(IIoT)的重要性日漸提升，因為它是資訊收集不可缺少的基本元件。
圖2 工研院機械所工業物聯網技術組經理仲維德提出在大型、高價的核心設備機台中，常會在刀具或主軸上嵌入工業等級感測器。
預兆診斷強化產線韌性
透過在生產層面建構感測器驅動的無線通訊網路，徐士杰談到，ADI積極協助製造商採用狀態監控(CbM)相關技術，讓工廠可以透過感測器監控特定設備或零件的健康狀況，主動識別、診斷和解決異常，以免造成問題甚至導致全面故障。這種即時監控可以協助延長設備壽命並提高產能。有鑑於計畫外停機的成本可能占總製造成本的近四分之一，因此採用預測性維護有望節省成本並提高生產力。
提升產線韌性是當前智慧感測升級的主要目標，先進感測解決方案獲取的資訊可用以優化製造流程及偵測失效的早期跡象。徐士杰說，感測的模態包括位置、電流、電壓、磁場、溫度、振動以及衝擊等，先進感測要求包括在惡劣工業環境(像是充滿大量灰塵)中維持強固性、精準的位置感測、無接觸高電流感測、高頻寬電流與振動感測、精準校正以確保解決方案的精度、以及小型化解決方案尺寸支援各種類型編碼器應用。
對於正在為新興物聯網應用領域開發智慧感測器的業者而言，徐士杰強調，其中最難以取捨的決定，就是效能與電力消耗。在更廣泛的效能範疇中，雜訊經常是一項重要的考量屬性，因為它會限制智慧感測器中關鍵功能模組的零件選擇，進而提高功耗的負擔。此外，不同雜訊行為會催生出不同的濾波需求，這些需求除了會影響感測器對於快速變化狀況的反應能力外，還會延長發展量測品質方法的時間。在許多支援持續觀察(取樣、處理、通訊)的應用之中，系統架構通常必須因應包括雜訊與電力兩難的取捨。
感測器精度/功能要求日益嚴格
在大型、高價的核心設備機台中，主軸或刀具的運作情況與產線直接相關，因此常會在刀具或主軸上嵌入工業等級的感測器。仲維德說，以五軸加工機或是高階機種為例，因為量測頻譜的範圍不同，或是量測的效率、精準度更高，這類專用的工控感測器模組，可能要價5,000~10,000美元，這類感測器加入設備已經行之有年，也不太可能在設備出廠後另外加裝；而除了感測之外，可能還包含放大器，或者要把多重訊號收集起來的DAQ，加上資料收集之後，需要進行物理或是頻譜分析，所以後端必須要有高度專業的加值化軟體進行資料判讀與分析。
另外一類較接近消費性產品的應用感測器，在這波產線升級的過程中成長較明顯，艾邁斯歐司朗ROA(Rest of Asia)技術總監李定翰(圖3)表示，未來工業應用感測器因應智慧化的需求將持續升級，過去物件偵測多為2D，未來具備深度資訊的3D感測器將逐漸成為主流，同時可以進行多物件偵測，儘管這類感測器與高階設備上的感測器不同，但對於高精度、高解析度、低雜訊與堆疊精準、聯網等功能面的提升，都是要求重點。
圖3 艾邁斯歐司朗ROA技術總監李定翰認為工業應用感測器因應智慧化需求持續升級，具備深度資訊的3D感測器將逐漸成為主流。
隨著工業流程越來越複雜，李定翰進一步說明，近年流行的關燈工廠，就是在沒有作業人員的情況下，讓產業自動運作，這在流程設計上一定要非常精準，感測器的角色不僅不可或缺甚至更為吃重。而感測器能力的提升，在資料判讀與處理上也會出現許多挑戰，軟體設計與運算能力也須要相對應的搭配，對於感測系統供應商就是很大的商機。
產線優化加速仍有瓶頸待突破
時序進入2022年，COVID-19的疫情完全沒有退燒的跡象，產業鏈的混亂、地緣政治的衝突、氣候變遷的挑戰、少子化缺工的問題等，依然持續影響所有經濟活動，徐士杰分享，工業物聯網已經逐漸從概念普及走向深耕實踐，其發展更已經邁入了高速發展期。總結推動其發展的五大驅動力為：產能利用率及加速產品上市、供應鏈優化、自動化與機器人、因應客製化應用的靈活性與模組化，以及綠色能源。這些趨勢的核心理念都是要幫助用戶實現生產效率和競爭力的提升，而在這個過程中的即時工業數據蒐集便是關鍵。數據量的增加可深化數據分析，發現優化生產的創新點，改良生產流程，減少資源浪費，進而提升生產效率。
展望未來，在新一代工業連接的加持下，資產和技術將透過網路形成一個高效、有彈性且靈活的生態系統，可以適應獨特的製造需求並兼顧未來趨勢。另一方面，企業如果要想真正實現IIoT，則必須滿足三個條件：第一，更高水準的資訊技術或企業基礎設施必須與廠區的控制網路融合；第二，廠區中現有的各種網路或生產單位必須協同共存，支援交互操作；第三，需要在整個工業環境中實現無縫、安全的連接，從製程終端一直到企業雲端。