感測與設備
選擇感測方式、讀取訊號、控制設備，先把現場變化轉成可處理的資料。
先看一個現場問題
畫面上的溫度不對，
畫面上的溫度不對，
問題不一定在畫面
感測器可能漂移、韌體換算可能寫錯、封包可能漏掉、Server 時間可能不同步，資料庫也可能少了一段歷史。
把資料顯示出來只是第一步；知道它能不能信、出錯能不能找到原因，才是工程交付。
01感測器真的量到正確數值嗎？
02韌體的轉換、單位與時間處理對嗎？
03通訊中斷後，遺漏資料有補回來嗎？
04Server 與資料庫保存的是原始值還是處理值？
05畫面異常時，能追到是哪一層出問題嗎？
01｜實際工作
IoT 工程常見的五個系統層
不同公司、產品與職缺不一定五層都做。重要的是知道自己負責哪一層，以及它會怎麼影響前後系統。
MCU 與韌體
處理驅動、狀態機、資料轉換與設備行為，讓裝置照預期運作。
通訊與 Gateway
讓 BLE、UART、網路或其他協定穩定傳資料，也處理斷線與重連。
Server 與資料
接收、保存、查詢與同步資料，讓後續畫面、報表與系統能使用。
整合與維護
跨層除錯、版本更新、異常追查與交接，讓系統不是只能展示一次。
02｜常見角色
同樣叫 IoT，工作重心可能很不一樣
看職缺時不要只看「IoT」三個字，要看它主要負責資料路徑的哪一段。
韌體／嵌入式工程師
重點常在 MCU、周邊、驅動、控制、即時行為與硬體除錯。
IoT／Edge 整合工程師
重點常在通訊、Gateway、裝置管理、現場整合與跨層問題追查。
平台／應用工程師
重點常在 Server、API、資料庫、告警、畫面與其他系統串接。
03｜真實世界的需求
當程式要碰到真實世界，
當程式要碰到真實世界，
這三類需求經常會接到 IoT
它們不是三種互不相干的流行名詞。共同的起點都是：先取得可靠的現場資料，後面的監控、判斷與管理才有意義。
碳排放／綠能能源管理需要長期、連續的現場資料
太陽能、儲能、用電與設備運轉狀態，都需要持續量測，才有辦法比較能源流向與後續改善。
- 取得用電與設備狀態
- 保存可以前後比較的歷史資料
- 讓監控與控制不只停在單一設備
AI／雲端模型能分析，但仍需要可靠的真實世界輸入
AI 可以判讀設備、能耗或現場狀態，雲端也能集中資料與服務；但前提是資料來源、時間與設備身分先被處理清楚。
- IoT 提供現場資料與設備狀態
- 雲端負責彙整、服務與跨地點使用
- AI 不取代感測、韌體與通訊設計
職業安全衛生高風險場域需要穩定告警，也需要留下紀錄
環境條件、設備異常與人員安全不能只靠事後回想。IoT 能協助持續監測、告警與留下可追查的事件資料。
- 量測環境與設備狀態
- 在條件異常時提供告警
- 保留後續能檢查的歷史紀錄
04｜適合度
你不必第一天就會全部，
你不必第一天就會全部，
但要願意面對真實系統的麻煩
這些特質會讓你比較容易走下去
- 會好奇設備為什麼這樣動、資料從哪裡來
- 願意用量測與測試縮小問題，不只憑感覺改程式
- 能接受除錯有時要來回查好幾層
- 不排斥跨過軟體、硬體、通訊與現場知識
- 喜歡看到程式最後真的控制或理解一個實體東西
入門前先知道
- 不必先把每個系統層都學完
- 科系不是唯一入口
- 程式邏輯與工程基本功仍然要補
- 硬體、網路與現場限制不會因為 AI 消失
還不知道自己偏哪一種工程工作？工程師類型測驗可以當作認識偏好的入口，但不會替你決定職涯。
開始測驗
05｜能力順序
一般會沿著這條路逐步建立能力
這是理解工作用的總覽，不代表每個人都該從第一格重新開始。
01程式邏輯輸入、輸出、判斷、狀態
02MCU／I/O讀值、控制與裝置行為
03通訊協定封包、連線與資料傳遞
04Server／資料接收、儲存、查詢與畫面
05系統除錯跨層定位、維護與交付