像工業4.0時代的其他領域一樣，制造業4.0是關于利用數據和連接性來使流程高效和精益，以及使智能系統做出決策。許多技術實現了這種增長和能力。其中，人工智能、機器學習、大數據、云計算和增強現實往往壟斷了焦點；然而，其他一些輔助技術對完成這些目標至關重要。本文探討了傳感器、可編程邏輯控制器、低功耗組件和系統以及視覺系統的作用，它們是幫助推進制造業4.0的重要技術，盡管未被充分認識到。

傳感器

傳感器在制造4.0中扮演著多種角色。除了捕捉用于洞察和決策的數據外，它們還捕捉產品在制造過程中需要的數據。比如說。

●位置傳感器是最常見的傳感器類型之一。這些傳感器有助于測量機械位置，如氣缸在裝配線上啟動下一個產品之前是否回到原位。

●存在檢測傳感器是類似的；在這里，光學存在檢測傳感器將發出一束光或激光，除非有東西阻擋它，否則總是可見的，表明在它的視野里有東西 "存在 "或 "不存在"。

●尺寸檢測傳感器的數據可用于質量控制，并確定一個組件是否可以安全地在生產線上移動。

●接觸傳感器可用于感知隔間的門是否打開或關閉，或導致硬停止以防止設備損壞--兩者都具有安全意義。

●振動傳感器經常被用來確定設備的健康狀況；也就是說，來自伺服電機的振動表明零件正在磨損。根據這一數據，可以在問題發生之前預測維修需求。

沒有傳感器，制造自動化根本不可能發生。當處理一臺將45,000公斤的壓力壓在另一個表面上的壓力機時，你需要知道該區域是清楚的。傳感器是自動化的數字眼睛、耳朵、鼻子和手指，它消除了任何猜測或假設，這導致了更安全、一致和高效的條件。更重要的是，它們需要堅固的設計，可能需要承受高溫、潮濕、油、灰塵和/或各種其他可能的惡劣條件。

從數據收集的角度來看，傳感器是通向你所尋求的洞察力的大門，因為它們提供原始數據，用來講述生產線上發生的事情。許多制造商仍然在改造他們的傳統設備；在這里，有很多努力在開發數據接入點，可以連接到舊的可編程邏輯控制器而不影響其功能。其他制造商有來自多個來源的數據流，并努力想出如何使用這些數據以產生有用的見解。

傳感器融合也提高了可以收集的數據的質量和類型，以及從數據中得出的洞察力的確定性。在這里，你可能使用激光傳感器來檢測高度，并使用視覺傳感器來確認。在許多情況下，使用兩個或更多不同的傳感器為收集數據提供了冗余；然而，傳感器融合使你能夠根據各種傳感器的優勢結合數據，設計出洞察力。盡管如此，挑戰還是在于理解如何應用當今巨大的傳感器技術來獲得有用的洞察力。

可編程邏輯控制器

當從機器上收集信息時，通信不是從傳感器到傳感器，而是從傳感器到制造網絡中的可編程邏輯控制器（PLC）。PLC是固態工業計算機，已被加固并用于控制制造過程。PLC是制造業的大腦。它是存儲邏輯和過程信息的地方，也是網絡通信的開始。

PLC的主要功能是接收輸入，做出實時的、基于邏輯的決定，并通過輸出發送操作指令，最終決定復雜過程中的操作順序。PLC的輸入可以來自開關、傳感器、視覺系統和其他來源，而輸出目的地可以包括警報器、繼電器、指示燈、氣缸、螺線管、模擬輸出、機器人，甚至是其他可編程邏輯控制器。PLC也會確保接收到正確的輸入。例如，一臺機器可能有一個啟動傳送帶的大紅色按鈕；但是，PLC觀察以確保在傳送帶開啟之前，電源開啟信號和可能安全功能已經啟動。

通過為閉環數字雙胞胎（CLDTs）提供操作數據，PLC也在幫助推動制造效率。CLDTs的理念是使用一個虛擬模型，在理想情況下，該模型將影響生產的所有系統和變量都考慮在內。

低功耗組件和子系統

與被低估的技術相關的還有在每個電子設備、電氣設備和子系統（包括 PLC）中使用低功率組件。低功耗存在于最低級別的設計組件中——晶體管、印刷電路板 (PCB)、電阻器、現場可編程門陣列 (FPGA)……所有這些。就實現制造 4.0 而言，低功耗是一個重要的推動因素，因為它顯著減小了組件的尺寸。如果沒有低功率組件的進步，機電系統可能有一整盒繼電器，可能和你家里的墻一樣大。

隨著組件和子系統變得更小，它們也變得更好，因為它們產生的熱量更少、效率更高且更緊湊。這些方面使設計人員能夠構建復雜的機械和流程，而無需占用整個制造設施。當然，更小的尺寸也意味著更低的成本。我們現在能夠應用過去可用但成本過高的各種技術和方法。埃隆·馬斯克在接受采訪時提到，向火星發送東西每噸需要 140,000 美元。他的觀點是，我們擁有實現這一目標的技術，但沒有人會以這樣的成本資助這樣一個項目。

視覺系統

您可能會將視覺系統視為能夠識別物體、將關鍵信息傳達給其他系統并根據所見采取行動的高級機器人。申請通常屬于以下四類之一：

引導——定位零件的位置和方向

識別——識別零件、識別條形碼、分類庫存等任務

測量——測量和計算兩點之間的距離并確定測量值是否符合規格

檢查——包括檢測缺陷或異常

在制造環境中，可以訓練視覺系統識別可以測量、計數、解碼或定位的物體。與其他機器學習應用程序一樣，訓練需要大型數據集，其中標記了形狀、大小、方向、邊緣、圖案、顏色等特征。例如，在訓練一個系統來識別翅片管中的缺陷時，系統可能會被訓練來識別具有指定長度和周長的帶條翅片（不是金屬絲翅片）的管子，這些翅片是平的（不是鋸齒狀的），焊縫間距為 0.14" . 經過訓練的系統會存儲一張圖像——以不同形式排列的像素集合——用作比較的基礎。

在使用中，視覺系統提供通過/失敗結果。繼續這個例子，當翅片管完成其制造過程時，系統的攝像頭將獲取翅片管的圖像。圖像由具有黑色、白色、灰色和可能的彩色區域的捕獲光組成。這被傳送到圖像傳感器，該圖像傳感器捕獲反射光并將其轉換為不同形式的像素。然后，系統會解釋圖像并確定它是否與經過訓練可以識別的像素的確切結構相匹配。

視覺系統的使用在多個方面推動了制造業的進步，例如提高產品質量、減少浪費（材料和時間）、減少停機時間、創建可追溯性和責任制以及促進合規性。

結論

得益于驚人的技術，制造業 4.0 正在以閃電般的速度前進。雖然人工智能、大數據、云計算和增材制造經常成為頭條新聞，但許多不那么引人注目的技術也發揮了重要作用：

●傳感器捕獲用于洞察和決策的數據，使產品在制造過程中平穩運行。

●PLC 是制造業的大腦：它是存儲程序、信息和備份的地方，也是進行通信的地方。

●低功耗組件和子系統使我們能夠應用以前成本和/或尺寸過高的技術和方法。

●視覺系統使機器人能夠看到物體、將關鍵信息傳達給其他系統以及執行任務。

華而不實的技術可能會搶走聚光燈，但這些不那么迷人的技術對于制造 4.0 及以后的發展至關重要。