在智能工厂中使用传感器融合
什么是传感器融合？
“传感器融合（Sensor Fusion）”是一种将多个传感器收集的数据融合（组合），以获得从单个传感器无法获得的有用信息的处理技术。
传感器融合的一个常见例子是汽车的后部监视器。在这种情况下，传感器是朝汽车后方安装的摄像头和毫米波雷达。摄像头拍摄后方风景，毫米波雷达测量距离，通过将摄像头拍摄的图像数据和毫米波雷达测量的距离数据集成并输出到车内的监视器，就能实现准确停车入库。
那么，它在智能工厂中是如何应用的呢？下面我们就对传感器融合在智能工厂中的必要性和应用事例等进行解说。
什么是智能工厂中的传感器融合？
传感器融合的浪潮现在已经席卷到已引进IIoT（Industrial Internet of Things）的智能工厂。在当今IIoT发达的智能工厂中，拍摄图像的摄像头以及测量温度、湿度、角度、加速度以及电流和电压的各式传感器非常多。每个传感器将收集到的数据分别输出到各自的监视器。然后，根据监视器上显示的值对状态进行判断后采取行动。然而，使用这种方法需要掌握与显示值相关的知识，到采取行动为止需要一定的时间。
传感器融合是一种将多个传感器输出的数据组合起来，作为人类易于判断的信息输出结果的技术。由此能够快速、准确地掌握机器设备的状态。
此外，通过对持续收集并积累的数据进行对比和解析，可以在提高机器设备的稼动率、预计故障、预计次品发生、改进作业环境等方面产生明显的好处。
传感器融合在智能工厂中的应用事例
在此，我们将介绍一个在IIoT发达的智能工厂中的传感器融合引进事例。
通过优化节拍时间*提高生产率
提高生产效率需要对应对多种加工的作业内容和工序进行优化。这需要掌握能够处理多种材质和形状的材料和元件等加工对象——“工件”的机器人和自动机器的稼动状态、作业人员的作业状况以及产品的流向，并进行适当的配置。
在这种情况下，例如，在机器人手臂前端设置摄像头，在手臂上设置加速度传感器。接着，通过摄像头获得表示工件位置和方向的数据，然后将其与从加速度传感器获得的手臂动作速度数据进行对比。由此可以在尽可能短的时间内将机器人的手臂准确地引导到作业要点，从而可以找出理想的节拍时间。
* 节拍时间：制造产品所需的时间。
尽早发现设备异常——实现预见性维护
为了实现预测性维护，重要的是要通过振动传感器、声音传感器、温度传感器等持续收集装置发出的振动、声音、热量等，并进行数据比较和时间序列分析。
就电机而言，使用传感器融合的预测性维护除了振动之外，还要融合来自温度传感器和电流/电压传感器的数据进行解析。由此可以尽早检测到使用单个传感器的数据无法判断的振动和转速异常的原因等，从而可以准确地预计设备的使用寿命并制定维护计划。
传承熟练人员的技术——维持质量
机器人和自动机器加工的工件的尺寸、形状、表面光洁度等的质量要使用图像传感器、尺寸测量仪和图像处理系统等测试装置进行测试。然后通过将测试数据与设定的阈值进行对比来判断质量是否合格。但是，从多种高精度传感器输出的数据来判断质量需要熟练的技术知识和经验。
传感器融合对从传感器和测试设备获得的数据进行组合检查。例如，通过图像传感器来检查形状，通过图像处理系统来检查表面光洁度，然后对质量进行综合判断。这样不仅实现了测试自动化，而且增加了即使由经验较少的作业人员进行检查也能防止次品流出的可能性。
将作业人员的生命体征数据和空间环境数据相融合并维持和改进作业环境
对于智能工厂来说，改进作业环境是与提高生产效率同样重要的重点。这包括需要对作业人员工作现场的温度和湿度、空气中的多种气体（氧气、CO、CO2及其他气体等）和粉尘（加工后的粉末、污垢、灰尘）的浓度进行检测，以及从作业人员的体温和心率等来检测身体状况的异常。
在这种情况下，传感器融合通过将CO2传感器和温度传感器等显示的数据与作业人员的体温和心率等生命体征数据相融合并进行监控，可以定量、清楚地掌握作业环境。通过这种方式获得的信息可以为空调的通风和防尘对策等作业环境改进措施提供支持。
传感器融合的种类
传感器融合是一种将传感器收集的数据相融合并输出人类易于判断的信息的技术，融合方法主要有三种。在此对多种方法的优点和缺点进行说明。
集中型
这是一种将每个传感器取得的数据直接发送到CPU（中央处理单元）的方法。
优点：直接将数据发送到CPU，并由CPU进行数据融合，因此可以获得高精度的分析结果。
缺点：需要高性能CPU来处理传感器发送来的海量数据。如果处理跟不上，响应速度就会降低。因此，一般不用在需要瞬时判断的领域。
分散型
这是一种每个传感器都将取得的数据在传感器内处理一次后再发送给CPU的方法。
优点：数据经过传感器处理后发送到CPU，然后在CPU中进行数据融合，因此能减轻CPU的负担。
缺点：每个传感器的信息都经过处理，因此，有些可用于分析的数据可能不会被发送到CPU。与集中型相比，分析结果的精度往往较低，因此在需要高精度分析结果的领域中不会被使用。
混合型
这是一种组合使用将数据直接发送给CPU的传感器和在将数据发送给CPU之前对数据进行一次处理的传感器的方法。
优点：在传感器之间将数据融合，并将结果发送至CPU，由CPU输出理想的结果，因此具有集中型和分散型所拥有的适应性和稳定性等优点。
缺点：系统结构变得更加复杂，通信和计算处理所需的成本增加。
总结
要实现传感器融合，需要通过多种传感器持续获取稳定的数据。通过IIoT推进智能工厂化的工厂已经拥有了传感器融合的基础设备和技术。
通过将一种称为传感器融合的技术引入这样的智能工厂，可以实现进一步提高生产率、维护设备、维持质量、改进作业环境等，从而可以构建更加先进的智能工厂。
毫无疑问，传感器融合技术将对有望变得更加普及的无线传感器和传感器进行AI推理的边缘AI等新传感技术进行融合，并为智能工厂带来新的创新。