毫無疑問，智慧化的基礎是在於數據的運用，也就是透過生產現場的種種數據的收集與分析，進而從中取得能夠改善生產與服務的知識。所以對智慧物聯（AIoT）系統來說，如何有效取得各種多樣化的數據，就是實踐智慧化的第一步。

而要取得現場數據，感測器的布建就是關鍵所在，也因此，感測器的建置，被稱為「IoT的最後一哩」。

抓住第一線數據 感測器市場持續攀升

然而，感測器問世已久，也是產業界熟知的元件，更是被廣泛應用的產品，為什麼在進入AIoT時代後，會變得如此重要？

首先，就是運用數量的不同。在萬物聯網的時代，理論上所有的裝置都要具備偵測與聯網的功能，因此感測器的使用數量將會比過往更多，而且應用的範圍也會更廣。

再者，就是性能與應用思維的提升。以自駕車為例，為了讓汽車具備自動駕駛的功能，就必須使用更高解析的影像感測器，或者更高階的光學雷達，以建構出最接近真實環境的資訊；而感測系統的建置，也要朝向駕駛輔助的方向設計。

受此趨勢的刺激，全球感測器市場也將持續成長。根據半導體市場研究機構 IC Insights的研究，全球感測器與致動器的銷售額2019年將成長5％，儘管2020年會放緩至3％的成長之後，但將在2021年至2023年之間逐漸恢復強勁的動能，在未來四年內達到211億美元（如圖一）。

圖一 : IC Insights的研究，全球感測器與致動器的銷售額2019年將成長5％。

IC Insights更指出，在2018年感測器與致動器的銷售中，約83％是來自微機電系統（MEMS）技術的半導體，例如MEMS麥克風、加速度計和陀螺儀等。該機構也預測，MEMS感測器與致動器將在2019年成長約5％，達到創紀錄的128億美元，並在2020年進一步成長3％。

建構感知層網路 性能與應用也隨之增長

而這些為數眾多的感測器，也將會被配置在物聯網最前端的設備之中，也就是所謂的感知層中。在此感測層中，主要為負責前端資料的蒐集與擷取，包含各種裝置與生產的電壓、電流、溫度等環境資訊，或是RFID的裝置訊號等，藉以建構所謂的無線感測器網路（Wireless Sensor Networks，WSN），以推動自主運算和智慧控制等技術與應用。

而如前述，在半導體與微機電（MEMS）技術的持續進化，感測器的技術也越來越先進，不僅尺寸越來越小，精準度也持續的提高，更重要的，整體的布設成本也有所下降，使之讓布設的區域和位置都獲得改善。

另一方面，隨著智慧化需求的發展，新的感測器技術與應用也不斷的被開發，例如5G與3D感測等，就帶動了飛時測距（ToF）和毫米波雷達的發展。目前ToF就在手機的人臉辨識，以及工廠與汽車的環境感知中被廣泛導入；毫米波雷達則是在汽車輔助駕駛系統不可或缺的感測元件。

至於在工業領域的非常熱門的預測性維護（Predictive Maintenance）更需要結合感測器的應用，透過感測器即時的監控與追蹤，完整的呈現機械設備的狀態，一旦效能出現下滑，維修人員就可提前一步進行處理，避免設備發生故障而造成停機或停產的問題。

提升物聯網商業價值

從半導體、電子系統到工業4.0核心所在的智慧型機台，物聯網裝置與工業物聯網的系統複雜度正與日俱增。物聯網的商業價值，源自連線系統所產生的大量數據資料。這些數據資料通常來自於大量佈建於環境中的感測元件，在收集了現場數據資料之後，通常先透過感測端點的微控制器進行資料的預處理，再將經過第一手處理後的資訊上傳到雲端系統中。

根據國家儀器指出，在物聯網（特別是工業環境）的產品鏈中，關鍵作業往往在於測試，然而複雜的物聯網裝置經常使得測試過程更加複雜。儘管每個感測端點動輒能夠抓取上千筆的數據資料，然而處理這些資料卻十分困難，特別是如果這些資訊是要應用於測試上。因為有許多不同的資料格式與來源，例如包含時間與頻率的原始類比與數位波形，或參數量測結果等。

進行這類資訊收集作業時，取樣速率與資料量通常會遠高於從消費性裝置或工業裝置收集的資料。讓情況更棘手的是，用於測試的資料一般都是獨立儲存，且標準化程度極低。因此對於企業來說，這類資料是看不見的資料，非常容易在產品生命週期的不同階段錯失深入分析的關鍵機會。

持續進行狀態監控

在今天，科技產業的一個重要願景，是透過物聯網來對系統中的物理設備，進行更準確的監視並實施最佳化的運作。物聯網也稱為機器對機器的通信，在企業中，可以對所有部門的所有類型機器資產實施狀態監視，進而創建出一種技術模型，並開拓重要的新商機。在這樣過程中，需要持續監控有價值的資產在環境中遇到的波動，以保護資產免受不利條件的影響，例如改善運營的品質並允許系統進行預測性的維護等。

事實上，狀態監控和預測分析通常會鎖定需要特別關注或持續監控的機器或零件，讓工程師和技術人員可以提早預警並進行調整，如此一來，可以節省更多的時間、金錢和空間成本。當預測性維護策略有效率地運行時，僅在需要時才對機器進行維護，優點在於可減少更換相關零件和人力的成本。隨著越來越多的系統透過網路連線，使得預測性維護的概念很可能在物聯網中加倍擴展。

結語

圖二 : 工業物聯網的商業價值，源自連線系統所產生的大量數據資料。

感測器節點設計的目的，是在一般運作期間可維持低能耗，且在休眠期間可以在超低功耗的情況下保持系統活動狀態。這使得感測器節點的智慧電源管理更為重要。在系統中，感測器節點就是一個神經系統，可以收集連續的數據資料，而其軟體層則是扮演大腦的角色。在感測器節點上進行數據資料的預處理和清理，再透過輕量級的通信協議將處理後的數據傳輸到雲端系統上，就可減少傳輸的成本。而傳輸的數據也必須經過處理，並以有效且可快速分析的方式來儲存。

這樣的過程，通常是透過以雲端平台為基礎的雲運算服務來加以實現的。透過感測器節點，雲端平台可為監控提供洞察的能力，管理者可以直接監測分析結果，並依據權限來對事件採取必要的措施，對於系統整體提供更為事半功倍的管理效益。