วิธีใช้ Sensor Fusion เพื่อปรับปรุงกระบวนการผลิตและการขนส่งของอุตสาหกรรม 4.0

การรวมเซ็นเซอร์จะรวมข้อมูลจากเซ็นเซอร์หลายตัวเข้าด้วยกันเพื่อให้เข้าใจการทำงานของระบบหรือสภาพแวดล้อมได้ละเอียดและมีมิติมากขึ้น ในหลายกรณี จุดอ่อนของเทคโนโลยีเซ็นเซอร์ตัวหนึ่งสามารถเอาชนะได้โดยการเพิ่ม (การรวม) ข้อมูลจากเทคโนโลยีเซ็นเซอร์ตัวที่สอง การเพิ่มปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) สามารถเพิ่มพลังการรวมเซ็นเซอร์ได้

มีปัญหาท้าทายหลายประการที่ต้องแก้ไขเมื่อนำการรวมเซ็นเซอร์ไปใช้ ตัวอย่างเช่น อาจเป็นเรื่องยากที่จะพัฒนาโซลูชันที่สมดุลและไม่ "สนับสนุน" เทคโนโลยีหนึ่งเหนือเทคโนโลยีอื่นๆ ซึ่งอาจส่งผลให้ขาดความสามารถในการปรับขนาดและประสิทธิภาพลดลง วิธีหนึ่งในการรับมือกับความท้าทายดังกล่าวคือการรวมเทคโนโลยีเซ็นเซอร์หลายๆ ตัวไว้ในแพ็คเกจเดียว การรวมเซ็นเซอร์ไม่ได้จำกัดอยู่เพียงการใช้เซ็นเซอร์แยกหลายตัวเท่านั้น

ไม่ว่าการรวมเซ็นเซอร์จะมีระดับใดก็ตาม การเพิ่ม AI หรือ ML เข้าไปก็สามารถปรับปรุงประสิทธิภาพได้ แต่การฝึกอบรมอาจมีความซับซ้อนและใช้เวลานาน ในทางกลับกัน นักออกแบบสามารถหันมาใช้เซ็นเซอร์ฝึกตัวเองที่มีคุณสมบัติ AI และ ML ที่ฝังไว้

บทความนี้เริ่มต้นด้วยการทบทวนการใช้งานการรวมเซ็นเซอร์โดยใช้เซ็นเซอร์แยกส่วน MCU 32-bit และซอฟต์แวร์ ML จากนั้นจะนำเสนอโซลูชันการรวมเซ็นเซอร์แบบบูรณาการชุดหนึ่งและตัวอย่างการใช้งานในด้านโลจิสติกส์ ศูนย์ข้อมูล ระบบอัตโนมัติของกระบวนการ การจัดการวัสดุ และอุปกรณ์ทางการเกษตร

ปิดท้ายด้วยการดูที่โซลูชันการรวมเซนเซอร์สิ่งแวดล้อมแบบบูรณาการกับซอฟต์แวร์ AI แบบบูรณาการ ตลอดการอภิปราย จะมีการรวมอุปกรณ์ตัวอย่างจากRenesas Electronics -Sensirion -TE Connectivity -ACEINNA -Bosch Sensortec และTDK InvenSense

นักออกแบบสามารถสำรวจตัวเลือกการรวมเซ็นเซอร์โดยใช้กระดานอ้างอิงการออกแบบ จาก Renesas บอร์ดนี้มีพื้นฐานอยู่บนMCU 32-bit ด้วยความถี่ 120-MHzArm® แกน Cortex®-M4 หน่วยความจำแฟลชโค้ดสูงสุด 2-MB และ SRAM 640-KB พร้อมด้วยตัวเลือกอินเทอร์เฟซและการเชื่อมต่อจำนวนมาก

ชุดประเมินผล ที่เกี่ยวข้องได้รับการปรับปรุงให้เหมาะสมสำหรับการออกแบบเซ็นเซอร์หลายตัวและการรวมเซ็นเซอร์ ประกอบไปด้วยเซ็นเซอร์คุณภาพอากาศ เซ็นเซอร์แสง เซ็นเซอร์อุณหภูมิและความชื้น หน่วยวัดแรงเฉื่อย 6 แกน (IMU) ไมโครโฟน และการเชื่อมต่อบลูทูธพลังงานต่ำ (BLE) (รูปที่ 1) การออกแบบอ้างอิงยังรวมถึงแพลตฟอร์ม ML อัตโนมัติสำหรับอุปกรณ์ edge และแอปพลิเคชันการรวมเซ็นเซอร์

รูปที่ 1: บอร์ดประเมินและพัฒนาการรวมเซ็นเซอร์ IoT พร้อมซอฟต์แวร์พัฒนา ML อัตโนมัติและการเชื่อมต่อ BLE (ที่มาของภาพ: Renesas Electronics)

เซ็นเซอร์เอียงเพื่อรักษาเสถียรภาพ

เซ็นเซอร์เอียงเป็น IMU เฉพาะทางที่ใช้ในแอปพลิเคชันต่างๆ รวมไปถึงเครื่องจักรกลทางการเกษตร ยานยนต์ออฟโรด การจัดการวัสดุ และอุปกรณ์ก่อสร้างงานหนัก มาตรฐานความปลอดภัยบางครั้งอาจกำหนดให้มีเซ็นเซอร์เอียงเพื่อให้แน่ใจว่ามีสภาพแวดล้อมการทำงานที่ปลอดภัย เซ็นเซอร์เอียงสามารถประกอบได้โดยใช้อุปกรณ์แยกกันหลายตัว ซึ่งอาจมีความซับซ้อน

แกนหลักของการออกแบบเซ็นเซอร์เอียงส่วนใหญ่คือเซ็นเซอร์ไจโรสโคป (ไจโร) ที่วัดความเร็วเชิงมุมหรืออัตราการหมุนรอบแกน ซึ่งจะดีมากหากแพลตฟอร์มกำลังเคลื่อนที่ แต่หากแพลตฟอร์มหยุดเคลื่อนที่ เช่น เอียงเป็นมุม 20 องศา เอาต์พุตของเซ็นเซอร์จะลดลงเหลือศูนย์ นอกจากนี้ ไจโรอาจเกิดการดริฟท์อย่างมีนัยสำคัญเมื่อเวลาผ่านไป โดยข้อผิดพลาดจะสะสมและส่งผลให้การวัดไม่แม่นยำหรือไม่มีประโยชน์อีกต่อไป

เพื่อแก้ไขข้อจำกัดของไจโร โซลูชันเซ็นเซอร์เอียงแบบไดนามิกจึงเพิ่มเครื่องวัดความเร่งเพื่อวัดการเคลื่อนไหว นั่นสามารถบอกระบบได้ว่าหยุดเคลื่อนไหวเมื่อใด และทำให้สามารถใช้เอาต์พุตล่าสุดจากไจโรเพื่อประมาณมุมเอียงได้ ชิ้นส่วนสุดท้ายของปริศนานี้คือเซ็นเซอร์อุณหภูมิที่ชดเชยผลกระทบของอุณหภูมิที่แตกต่างกันบนไจโรและเครื่องวัดความเร่ง

ตัวกรอง Kalman มักใช้สำหรับการผสานเซ็นเซอร์ในเซ็นเซอร์เอียง สามารถใช้ตัวกรอง Kalman มาตรฐานที่อิงตามการประมาณค่าเชิงเส้นกำลังสองได้ หากเซนเซอร์ทำงานในพื้นที่เชิงเส้นของประสิทธิภาพ ตัวกรอง Kalman สามารถสร้างการประมาณสถานะที่ค่อนข้างแม่นยำได้ แม้ในระบบอย่างเซนเซอร์เอียงซึ่งมีความไม่แน่นอนและข้อผิดพลาดในการสะสมโดยธรรมชาติ

เซนเซอร์เอียงที่ทำงานในพื้นที่ที่ไม่เป็นเชิงเส้นสามารถได้รับประโยชน์จากตัวกรอง Kalman ที่ขยายซึ่งทำการประมาณค่าเชิงเส้นโดยใช้ค่าเฉลี่ยและความแปรปรวนร่วมปัจจุบัน

เซ็นเซอร์เอียงเช่นAXISENSE-G-700 จาก TE Connectivity และMTLT305D จาก ACEINNA มีการตรวจจับการเคลื่อนไหว 6 องศาอิสระ (6 DoF) สามองศาจากไจโร และสามองศาจากเครื่องวัดความเร่ง และใช้เทคนิคการกรอง Kalman เพื่อการรวมเซ็นเซอร์ (รูปที่ 2)

รูปที่ 2: เซ็นเซอร์เอียง AXISENSE-G-700 ผสานข้อมูลจากเซ็นเซอร์เร่งความเร็ว เซ็นเซอร์หมุน และเซ็นเซอร์อุณหภูมิ เพื่อให้ข้อมูลการเอียงที่แม่นยำในสภาพแวดล้อมแบบไดนามิก (แหล่งที่มาภาพ: TE Connectivity)

การผสมผสาน 9 ใน 1

แม้ว่า 6 DoF จะเพียงพอในหลายกรณี แต่แอปพลิเคชันการติดตามการเคลื่อนไหวบางประเภท เช่น โดรน ยานพาหนะ และอุปกรณ์เสมือนจริง ก็สามารถได้รับประโยชน์จากข้อมูลเพิ่มเติมที่ได้รับจากการใช้ 9 DoF ได้

การOPENIMU300RI โมดูลจาก ACEINNA ได้รับการออกแบบมาเพื่อใช้กับยานยนต์ 12 V และ 24 V ยานยนต์ก่อสร้าง และยานพาหนะทางการเกษตร นอกจากไจโรและเครื่องวัดความเร่งแล้ว IMU นี้ยังมีเครื่องวัดสนามแม่เหล็กแบบแอนไอโซทรอปิกแมกนีโตรีซิสทีฟ (AMR) 3 DoF อีกด้วย

โปรเซสเซอร์ ARM รวบรวมข้อมูลเซ็นเซอร์และนำ OpenIMU ซึ่งเป็นสแต็กโอเพนซอร์สสำหรับการพัฒนา IMU ระบบกำหนดตำแหน่งทั่วโลก (GPS) และระบบนำทางเฉื่อย (INS) มาใช้ สแต็กนี้ประกอบด้วยตัวกรอง Kalman ที่ปรับแต่งได้สำหรับการรวมเซ็นเซอร์

TDK InvenSense ยังนำเสนออุปกรณ์ติดตามการเคลื่อนไหว 9 แกน - แบบอย่างICM-20948 มีช่วงอุณหภูมิในการทำงานตั้งแต่ -40°C ถึง 85°C เหมาะกับการใช้งานต่างๆ ในสภาพแวดล้อมที่ท้าทาย เช่น ระบบอัตโนมัติในอุตสาหกรรมและระบบอัตโนมัติ ประกอบด้วยไจโรสามแกนที่ใช้ระบบไมโครอิเล็กโตรแมคคานิกส์ (MEMS) เครื่องวัดความเร่งสามแกนที่ใช้ MEMS และมาตรวัดแม่เหล็ก/เข็มทิศสามแกนที่ใช้ MEMS

นอกเหนือจากเซ็นเซอร์ตรวจจับการเคลื่อนไหว 9 DoF แล้ว ICM-20948 ยังมีตัวแปลงแอนะล็อกเป็นดิจิทัล (ADC) อิสระสำหรับเซ็นเซอร์แต่ละตัว วงจรปรับสภาพสัญญาณ และโปรเซสเซอร์ตรวจจับการเคลื่อนไหวดิจิทัล (DMP) (รูปที่ 3)

รูปที่ 3: แพลตฟอร์มเซ็นเซอร์แบบบูรณาการนี้รองรับ 9 DoF โดยใช้ ไจโรสามแกนและเครื่องวัดความเร่งสามแกน (ด้านยก) บวกกับมาตรวัดสนามแม่เหล็ก/เข็มทิศสามแกน (ด้านล่างขวา) (ที่มาของภาพ: TDK InvenSense)

รายละเอียด ICM-20948 บางส่วนได้แก่:

ไจโรอัตราการสั่นสะเทือน MEMS อิสระสามตัว หากไจโรหมุนรอบแกนใดแกนหนึ่งในสามแกน Coriolis Effect จะทำให้เกิดการสั่นสะเทือนที่ตรวจจับได้โดยปิ๊กอัพแบบคาปาซิทีฟ เอาท์พุตจากปิ๊กอัพจะถูกประมวลผลเพื่อสร้างแรงดันไฟฟ้าที่เป็นสัดส่วนกับอัตราเชิงมุม

เครื่องวัดความเร่ง MEMS 3 แกน มีมวลแยกกันสำหรับแต่ละแกน ความเร่งตามแกนจะเคลื่อนมวลที่สอดคล้องกัน ซึ่งปิ๊กอัพคาปาซิทีฟจะตรวจจับได้ เมื่อวาง ICM-20948 บนพื้นผิวเรียบ เครื่องจะวัดได้ 0g บนแกน X และ Y และ +1g บนแกน Z

แมกนีโตมิเตอร์ใช้เทคโนโลยีเซนเซอร์ฮอลล์ ตรวจจับแม่เหล็กภาคพื้นดินในแกน X, Y และ Z เอาต์พุตเซ็นเซอร์ถูกสร้างขึ้นด้วยวงจรไดรเวอร์เซ็นเซอร์ เครื่องขยายสัญญาณ ADC 16-bit และวงจรเลขคณิตสำหรับประมวลผลสัญญาณผลลัพธ์ แต่ละแกนมีช่วงเต็มสเกล ±4900 µT

DMP ใน ICM-20948 เป็นตัวแยกแยะ คุณสมบัติและประโยชน์บางประการได้แก่:

• การถ่ายโอนการคำนวณอัลกอริธึมการประมวลผลการเคลื่อนไหวออกจากโปรเซสเซอร์โฮสต์ช่วยลดการใช้พลังงานและทำให้การกำหนดเวลาและสถาปัตยกรรมซอฟต์แวร์ง่ายขึ้น DMP รับประกันว่าอัลกอริทึมการประมวลผลการเคลื่อนไหวจะทำงานที่อัตราสูง ประมาณ 200 Hz เพื่อให้ได้ผลลัพธ์ที่แม่นยำพร้อมเวลาแฝงที่ต่ำ ขอแนะนำให้ใช้งานที่ความถี่ 200 Hz แม้ว่าแอปพลิเคชันจะอัปเดตช้ากว่ามาก เช่น 5 Hz ก็ตาม การแยกอัตราการประมวลผล DMP ออกจากอัตราการอัปเดตแอปพลิเคชันช่วยให้ประสิทธิภาพของระบบมีความแข็งแกร่งมากยิ่งขึ้น
• DMP ช่วยให้สามารถทำงานโดยใช้พลังงานต่ำเป็นพิเศษและปรับเทียบพื้นหลังของเซ็นเซอร์ได้ จำเป็นต้องมีการสอบเทียบเพื่อรักษาประสิทธิภาพที่ดีที่สุดของเซ็นเซอร์แต่ละตัวและกระบวนการผสานเซ็นเซอร์ตลอดอายุการใช้งานของอุปกรณ์
• DMP ทำให้สถาปัตยกรรมซอฟต์แวร์เรียบง่ายขึ้นและเร่งการพัฒนาซอฟต์แวร์ ส่งผลให้นำผลิตภัณฑ์ออกสู่ตลาดได้รวดเร็วยิ่งขึ้น

เซ็นเซอร์สิ่งแวดล้อมแบบบูรณาการ

การติดตามสิ่งแวดล้อมมีความจำเป็นในระบบแปรรูปและจัดเก็บอาหาร โรงงานเคมี การดำเนินการด้านโลจิสติกส์ ศูนย์ข้อมูล การผลิตพืชเรือนกระจก ระบบทำความร้อน ระบายอากาศ และปรับอากาศ (HVAC) และด้านอื่นๆ การวัดความชื้นสัมพัทธ์ (RH) และอุณหภูมิสามารถผสานกันเพื่อคำนวณจุดน้ำค้างได้

ซีรีย์ SHTC3ของ Sensirion เป็นเซ็นเซอร์วัดความชื้นและอุณหภูมิแบบดิจิทัลที่ปรับให้เหมาะสมสำหรับการใช้งานที่ใช้แบตเตอรี่ในอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคที่มีปริมาณสูง แพลตฟอร์มเซ็นเซอร์ CMOS ประกอบไปด้วยเซ็นเซอร์ความชื้นแบบเก็บประจุ เซ็นเซอร์อุณหภูมิแบนด์แก็ป การประมวลผลสัญญาณอะนาล็อกและดิจิทัล ตัวแปลง A/D หน่วยความจำข้อมูลการสอบเทียบ และอินเทอร์เฟซการสื่อสารโหมดรวดเร็ว I²C

แพ็คเกจ DFN ขนาดเล็ก 2 x 2 x 0.75 mm รองรับแอปพลิเคชันที่มีพื้นที่จำกัด แรงดันไฟฟ้าที่จ่ายให้กว้างตั้งแต่ 1.62 V ถึง 3.6 V และงบประมาณพลังงานต่ำกว่า 1 μJ ต่อการวัดหนึ่งครั้งทำให้ SHTC3 เหมาะสำหรับอุปกรณ์พกพาหรือไร้สายที่ใช้พลังงานจากแบตเตอรี่ (รูปที่ 4) ตัวอย่างเช่น หมายเลขชิ้นส่วนSHTC3-TR-10KS จัดส่งเป็นจำนวน 10,000 ชิ้นในรูปแบบ Digi-Reel เทปพร้อมรีล หรือเทปตัด นักออกแบบสามารถใช้บอร์ดประเมินผล SHTC3 เพื่อเร่งความเร็วในการพัฒนาระบบ

รูปที่ 4: อุปกรณ์ตรวจสอบสิ่งแวดล้อมนี้ประกอบด้วยเซ็นเซอร์ความชื้นและอุณหภูมิแบบดิจิทัล (ที่มาของภาพ: Sensirion)

การเพิ่มความกดอากาศ

การรับรู้บริบทและสถานที่มีความสำคัญเพิ่มมากขึ้นในระบบควบคุมบ้านอัตโนมัติ ระบบ HVAC อุปกรณ์ออกกำลังกาย และแอปพลิเคชันนำทางในอาคาร การออกแบบระบบเหล่านั้นสามารถได้รับประโยชน์จากการใช้BME280 หน่วยสิ่งแวดล้อมแบบบูรณาการจาก Bosch Sensortec ที่เพิ่มเซ็นเซอร์วัดความดันบรรยากาศร่วมกับเซ็นเซอร์ความชื้นและอุณหภูมิ

เซ็นเซอร์ได้รับการออกแบบให้มีเสียงรบกวนต่ำซึ่งให้ความแม่นยำและความละเอียดสูง เซ็นเซอร์วัดแรงดันจะวัดความกดอากาศสัมบูรณ์ อุณหภูมิแบบบูรณาการได้รับการปรับให้เหมาะสมเพื่อทำงานร่วมกับเซ็นเซอร์ความชื้นเพื่อกำหนด RH และจุดน้ำค้าง นอกจากนี้ยังใช้ในการชดเชยอุณหภูมิให้กับบารอมิเตอร์อีกด้วย บอร์ดพัฒนา มีไว้เพื่อเร่งกระบวนการออกแบบและบูรณาการระบบ

AI สำหรับการตรวจจับสิ่งแวดล้อม

Bosch Sensortec ยังนำเสนอเซ็นเซอร์สิ่งแวดล้อม 4-in-1 โดยมี AI ฝังอยู่ การBME688 ประกอบด้วยเซ็นเซอร์แก๊สและเซ็นเซอร์ความดัน ความชื้น และอุณหภูมิที่มีความเป็นเชิงเส้นสูงและมีความแม่นยำสูง จัดส่งในแพ็คเกจแข็งแรงขนาด 3.0 mm x 3.0 mm x 0.9 mm เหมาะกับการใช้งานแบบเคลื่อนที่และการใช้งานอื่นๆ ที่มีพื้นที่จำกัด (รูปที่ 5)

รูปที่ 5: BME688 ของ Bosch Sensortec ประกอบด้วยเซ็นเซอร์แก๊ส เซ็นเซอร์ความดัน ความชื้น และอุณหภูมิ โดยทั้งหมดรองรับด้วย AI ที่ผสานรวมเข้าด้วยกัน (ที่มาของภาพ: Bosch Sensortec)

เซ็นเซอร์แก๊สสามารถตรวจจับสารประกอบอินทรีย์ระเหยง่าย (VOCs) สารประกอบกำมะถันระเหยง่าย (VSCs) และก๊าซอื่นๆ เช่น คาร์บอนมอนอกไซด์และไฮโดรเจนในช่วงส่วนต่อพันล้าน (ppb) BME688 มาพร้อมกับฟังก์ชันเครื่องสแกนแก๊สที่สามารถปรับแต่งความไว การคัดเลือก อัตราข้อมูล และการใช้พลังงานได้

ซอฟต์แวร์BME AI-Studio ยังเพิ่มประสิทธิภาพเซ็นเซอร์แก๊สสำหรับส่วนผสมแก๊สและการใช้งานอื่นๆ อีกด้วย บอร์ดประเมินผล BME688 สามารถกำหนดค่าด้วยซอฟต์แวร์ BME AI-Studio ได้ BME AI-Studio รองรับการกำหนดค่าเซ็นเซอร์ การวิเคราะห์ข้อมูลและการติดฉลาก การฝึกอบรม และการเพิ่มประสิทธิภาพของโซลูชันแอปพลิเคชันสำหรับโรงงาน สถานที่โลจิสติกส์ บ้านอัจฉริยะ และอุปกรณ์ IoT

การสุ่มตัวอย่างก๊าซและการฝึกอบรมระบบในภาคสนามแทนที่จะเป็นในห้องปฏิบัติการทำให้สามารถออกแบบอัลกอริทึมที่สมจริงมากขึ้นซึ่งทำงานได้ดีขึ้นและให้ระดับความน่าเชื่อถือที่สูงขึ้นภายใต้สภาวะการทำงานจริง การใช้ประโยชน์จากความสามารถของ BME688 ในการวัดความชื้น อุณหภูมิ และความกดอากาศในเวลาเดียวกัน นอกเหนือจากก๊าซ ช่วยให้พัฒนาโมเดล AI ที่ครอบคลุมและแม่นยำยิ่งขึ้นได้

สรุป

สามารถพัฒนาระบบการรวมเซ็นเซอร์สำหรับอุตสาหกรรม 4.0 โลจิสติกส์ และแอปพลิเคชันอื่นๆ ได้โดยใช้เซ็นเซอร์แยกชุดหนึ่ง หรือโซลูชันแบบบูรณาการที่รวมเซ็นเซอร์หลายตัวไว้ในแพ็คเกจเดียว อุปกรณ์รวมสามารถผลิตโซลูชันที่มีขนาดเล็กลงและใช้พลังงานต่ำสำหรับแอปพลิเคชั่นมือถือและขอบ ไม่ว่าจะใช้เซ็นเซอร์แบบแยกหรือชุดเซ็นเซอร์แบบบูรณาการ ประสิทธิภาพสามารถปรับปรุงได้โดยการเพิ่ม AI และ ML