新世代的高效能工業(yè)感測器能夠支援次級(jí)指向精確度與精密的地理位置定位，同時(shí)提供必要的尺寸與成本效率，而且開始致力于推動(dòng)「可移動(dòng)的物聯(lián)網(wǎng)」的發(fā)展。

隨著高品質(zhì)的感測器日益普及，并結(jié)合可靠的連接能力和資料分析，創(chuàng)造了新的工業(yè)效率，同時(shí)也使得這些智慧節(jié)點(diǎn)越來越具有自主性和行動(dòng)化。在許多情況下，感測器節(jié)點(diǎn)進(jìn)行精密的動(dòng)作擷取與定位追蹤，成為應(yīng)用是否成功的主要核心。

智慧農(nóng)場可以利用自動(dòng)化的地面與空中交通工具，依據(jù)豐富的地理位置定位(geolocation)感測器內(nèi)容與分析學(xué)習(xí)，更有效率的指引地面作業(yè)。智慧手術(shù)室將典型的導(dǎo)航技術(shù)帶到手術(shù)臺(tái)上，采用感測器融合的精密導(dǎo)引機(jī)械手臂，確保在所有情況下都能夠精確的指引。在許多領(lǐng)域中，以動(dòng)作為基礎(chǔ)的感測器能讓行動(dòng)應(yīng)用的價(jià)值得到加乘效果。

消費(fèi)型慣性感測器應(yīng)用已廣泛用于智慧型手機(jī)中，但也造成使用者普遍認(rèn)為其準(zhǔn)確度差強(qiáng)人意；因此，迄今為止，在推動(dòng)「可移動(dòng)的物聯(lián)網(wǎng)」(Internet of Moving Things；IoMT)概念上一直成效不彰。然而，新世代的高效能工業(yè)感測器能夠支援分度(sub-gegree)指向精確度與精密的地理位置定位，同時(shí)提供必要的尺寸與成本效率，而且正開始致力于推動(dòng)IoMT的發(fā)展。

工業(yè)系統(tǒng)中的智慧感測驅(qū)動(dòng)力

工業(yè)機(jī)械與制程中最有價(jià)值的進(jìn)展就是專注于有形的系統(tǒng)級(jí)優(yōu)點(diǎn)，而其通常會(huì)帶來設(shè)計(jì)與實(shí)作上的挑戰(zhàn)，另一方面也進(jìn)而轉(zhuǎn)化為新的解決方案與商業(yè)模式。目前有三種這一類型的系統(tǒng)級(jí)驅(qū)動(dòng)力，都是為了追求資源效率、臨界精確度以及提升安全性而設(shè)計(jì)。著眼于這些增強(qiáng)功能的應(yīng)用分布在不同的產(chǎn)業(yè)，橫跨空中/陸地/海洋、室內(nèi)/室外、短期/長期以及人類/機(jī)械等方面，但無論如何，這些應(yīng)用領(lǐng)域都仰賴于共同的屬性；也就是精確度、可靠度、安全性以及智慧處理與分析。

智慧感測

這些智慧且可存取的系統(tǒng)藉由感測器豐富的情境架構(gòu)，徹底改變了原本已經(jīng)成熟的產(chǎn)業(yè)，讓農(nóng)業(yè)轉(zhuǎn)型為智慧農(nóng)業(yè)，基礎(chǔ)設(shè)施升級(jí)為智慧型基礎(chǔ)設(shè)施，城市過渡至智慧城市。當(dāng)為了收集與環(huán)境相關(guān)的情境資訊而部署更多的感測器時(shí)，對(duì)于要求跨平臺(tái)與跨時(shí)間融合(例如，針對(duì)去年作物產(chǎn)量或交通狀況與模式等基礎(chǔ)架構(gòu)，透過云端分析其如何隨時(shí)間進(jìn)展)的資料庫管理與通訊(而非單純感測器對(duì)感測器)也帶來了新的復(fù)雜度。

「動(dòng)作」至關(guān)重要

在大多數(shù)情況下，IoT是處于運(yùn)動(dòng)狀態(tài)的。即使它不在動(dòng)態(tài)時(shí)(例如固定式工業(yè)安全攝影機(jī))，精準(zhǔn)指向仍然至關(guān)重要，或者意識(shí)到出現(xiàn)不想要的動(dòng)作(如竄改)也具有價(jià)值。以采用光學(xué)負(fù)載擷取作物影像的無人機(jī)而言，假如可以在嚴(yán)苛的飛行狀況下維持精確的指向角度，就能更快提供較佳的結(jié)果，而且，如果光學(xué)資料能夠精確地套用地理映射，還能夠進(jìn)行資料與趨勢的歷史比較。

智慧交通工具(無論是地面、空中或是海上)越來越依賴GPS導(dǎo)航系統(tǒng)。然而，無論是蓄意或是自然的因素(建筑物、樹木、隧道等等)，GPS所受到的威脅也日益嚴(yán)重。如果選擇精確的感測器，就能在中斷運(yùn)作期間以更多感測器進(jìn)行可靠的航位推算(dead reckon)。表2列出將動(dòng)作(M)加入IoMT中事件范例，顯示動(dòng)作對(duì)于應(yīng)用效用的相關(guān)性。

可靠且安全的IoMT節(jié)點(diǎn)

IoMT節(jié)點(diǎn)輸出的有效性與價(jià)值最為仰賴的就是核心感測器的品質(zhì)，以及其以高傳真度擷取應(yīng)用情境架構(gòu)的能力。其次，對(duì)于持續(xù)的感測器校正/增強(qiáng)以及理想的感測器對(duì)感測器狀態(tài)等動(dòng)態(tài)(例如，在任意特定時(shí)間點(diǎn)，哪一個(gè)感測器最可靠)而言，融合處理是必要的。應(yīng)用級(jí)的處理被分層至解決方案中，并且針對(duì)環(huán)境的細(xì)節(jié)(包括適當(dāng)?shù)南拗茥l件)進(jìn)行最佳化。雖然這些節(jié)點(diǎn)分別具有自主性，但在某些狀況中會(huì)協(xié)同運(yùn)作，例如在地面或空中集結(jié)成群的無人駕駛車輛等。這些情況中都會(huì)部署安全的通訊連結(jié)，并且加強(qiáng)可靠的傳輸以及受到保護(hù)的獨(dú)特身份等。

位于自主核心的感測器

就像人體一樣，自主性IoMT節(jié)點(diǎn)仰賴多重感測輸入，以實(shí)現(xiàn)獨(dú)立行動(dòng)所需要的意識(shí)，并為將其隨機(jī)或什至是混亂的事件進(jìn)行最佳化，最終隨著時(shí)間而予以改善。如表4中所注記的，由基本量測轉(zhuǎn)換成控制或是自主性，都必須在感測器合并層級(jí)與嵌入式智慧方面提高精密度。由于這些節(jié)點(diǎn)具備高層次的互連與自主學(xué)習(xí)能力，它們正朝向人體與機(jī)器聚合的方向發(fā)展。

無需基礎(chǔ)架構(gòu)的定位途徑

GPS無所不在，除非衛(wèi)星訊受阻或是停止運(yùn)作。如果能順利存取的話，可以實(shí)現(xiàn)極其精密的無線測距技術(shù)。如果能不受到干擾的話，磁場讀數(shù)會(huì)一直存在著。慣性也可以獨(dú)立自主作業(yè)。很顯然的，慣性MEMS感測器存在自身的不足(漂移)，但這些問題都是可以管控的，而且新世代的工業(yè)慣性測量單元(IMU)以小巧又具有成本效益的封裝提供了前所未有的穩(wěn)定度。

慣性MEMS元件采用標(biāo)準(zhǔn)的半導(dǎo)體制程、精密的封裝以及整合方案，借以直接感測、測量與解譯其動(dòng)作，它通常是以線性加速度(g)或是角度旋轉(zhuǎn)(°/秒或速率)的形式呈現(xiàn)，如圖3所示。因?yàn)閹缀跛械睦硐霊?yīng)用都具有所謂的多重自由度(事實(shí)上，動(dòng)作能在任何以及所有軸上發(fā)生，而設(shè)備在其動(dòng)作中則相對(duì)不受限制)，所以，g與速率的測量必須分別針對(duì)x、y與z軸進(jìn)行擷取；或是在某些狀況下稱為滾動(dòng)、俯仰與偏航軸。將這些結(jié)合起來，有時(shí)候可被稱為6自由度慣性量測單元。

特點(diǎn)或性能

有些應(yīng)用可能只是意味著增加特點(diǎn)(以裝置的姿勢/方向切換模式)的實(shí)質(zhì)價(jià)值，而這些特點(diǎn)透過簡單的MEMS元件就能輕易地?cái)X取。工業(yè)或是專業(yè)裝置或許更易于測量價(jià)值，因?yàn)榫邆淞硕鄠€(gè)方向精確度與次級(jí)之間的差異，或是更高一個(gè)數(shù)量級(jí)的精確位置辨認(rèn)能力，而且又可以在高振動(dòng)環(huán)境下運(yùn)作。低階與高階感測器之間的性能差異并非十分微小，事實(shí)上其差異大到在挑選元件時(shí)必須確保經(jīng)過謹(jǐn)慎的考慮。

終端應(yīng)用將會(huì)決定所需的精確程度，而所挑選的感測器品質(zhì)則將會(huì)決定是否能達(dá)成目標(biāo)。表5比較兩種解決方案，顯示感測器挑選的重要性不僅只針對(duì)設(shè)計(jì)的過程，同時(shí)也影響設(shè)備的精密度。低精密度感測器如果只在有限的情況使用，而且應(yīng)用裝置具有容錯(cuò)能力，那么它或許是適用的；換個(gè)方式說，它適用于無關(guān)乎安全性、無性命攸關(guān)，或是相對(duì)精密度不需要太高即已足夠的情況。雖然大部份的消費(fèi)級(jí)感測器具有低雜訊，而且可在良好條件下充份的運(yùn)作，但并不適用于處在動(dòng)態(tài)動(dòng)作(包括振動(dòng))中的機(jī)械，因?yàn)樵诘托阅軕T性量測單元中無法將其所需要的部份從簡單的線性加速度或是傾斜測量中分離出來。為了在工業(yè)環(huán)境中運(yùn)作時(shí)具有優(yōu)于一度以上的精確度，感測器挑選的重點(diǎn)在于能針對(duì)來自振動(dòng)或溫度影響造成的漂移進(jìn)行拒斥的設(shè)計(jì)。像這樣的高精密度感測器才能支援更大范圍的預(yù)期應(yīng)用狀態(tài)，而且可以經(jīng)歷更長的使用時(shí)間。

測器融合能解決感測器品質(zhì)差的問題嗎？

簡單的說，不能。感測器融合是能夠合并與管理感測器結(jié)合的濾波功能與演算法，與環(huán)境、動(dòng)作動(dòng)力學(xué)以及應(yīng)用狀態(tài)有關(guān)。它可以提供確定性的校正像是溫度補(bǔ)償，而且能依據(jù)系統(tǒng)狀態(tài)知識(shí)，管理從一個(gè)感測器到另一個(gè)感測器的協(xié)調(diào)管制。然而，它無法修正感測器中的原生缺陷。

在感測器融合設(shè)計(jì)中最具關(guān)鍵性的任務(wù)，首要就是開發(fā)應(yīng)用狀態(tài)的深度知識(shí)，借以驅(qū)動(dòng)其它的設(shè)計(jì)程序。接下來是針對(duì)特定應(yīng)用裝置挑選適當(dāng)?shù)母袦y器，這需要透過詳細(xì)的分析以了解它們在總體任務(wù)不同階段中的權(quán)重(相關(guān)性)。在行人定位推算的范例中，解決方案主要受到現(xiàn)有設(shè)備(例如智慧型手機(jī)中的嵌入式感測器)的限制，而非因?yàn)樾阅茉O(shè)計(jì)所導(dǎo)致。因?yàn)檫@個(gè)緣故而會(huì)變得相當(dāng)仰賴GPS與其它現(xiàn)有的嵌入式慣性或磁性之類的感測器，其對(duì)于判定有效位置資訊的任務(wù)只能夠提供很少量的貢獻(xiàn)。這在戶外很自然地可以運(yùn)作，但是在充滿挑戰(zhàn)性的城市環(huán)境或室內(nèi)時(shí)，GPS無法使用，而其它可用感測器的品質(zhì)不佳，于是就會(huì)留下一個(gè)很大的差距，或者換個(gè)方式說，就是位置資訊品質(zhì)的不確定性。雖然先進(jìn)的濾波器以及演算法通常會(huì)被用來合并這些感測器，因而不需要額外的感測器或是更高品質(zhì)的感測器，但是想要實(shí)質(zhì)上的填補(bǔ)不確定性差距，軟體所能做到的其實(shí)也只有微乎其微，最終則會(huì)顯著的降低回報(bào)位置的可信度。

精密的動(dòng)作感測不再孤立于利基應(yīng)用，而只能投資于其他昂貴的追蹤解決方案。憑借采用迷你IMU尺寸的工業(yè)級(jí)精密度，IoT設(shè)計(jì)者現(xiàn)在可以透過整合高品質(zhì)的動(dòng)作感測并結(jié)合嵌入式情境感知以加乘其所提供的價(jià)值，從而驅(qū)動(dòng)IoMT進(jìn)展。