5G时代,智能工厂迎来4大改变!

640?wx_fmt=jpeg来源:亿欧网

作为新一代移动通信技术,5G技术切合了传统制造企业智能制造转型对无线网络的应用需求,能满足工业环境下设备互联和远程交互应用需求。在物联网、工业自动化控制、物流追踪、工业AR、云化机器人等工业应用领域,5G技术起着支撑作用。

5G时代的智能工厂将大幅改善劳动条件,减少生产线人工干预,提高生产过程可控性,最重要的是借助于信息化技术打通企业的各个流程,实现从设计、生产到销售各个环节的互联互通,并在此基础上实现资源的整合优化。


1

5G技术场景支撑智能制造



作为新一代移动通信技术,5G技术切合了传统制造企业智能制造转型对无线网络的应用需求,能满足工业环境下设备互联和远程交互应用需求。在物联网、工业自动化控制、物流追踪、工业AR、云化机器人等工业应用领域,5G技术起着支撑作用。

物联网:随着工厂智能化转型的推进,物联网作为连接人、机器和设备的关键支撑技术正受到企业的高度关注。这种需求在推动物联网应用落地的同时,也极大的刺激了5G技术的发展。

工业自动化控制:这是制造工厂中最基础的应用,核心是闭环控制系统。5G可提供极低时延长、高可靠,海量连接的网络,使得闭环控制应用通过无线网络连接成为可能。

物流追踪:从仓库管理到物流配送均需要广覆盖、深覆盖、低功耗、大连接、低成本的连接技术。此外,虚拟工厂的端到端整合跨越产品的整个生命周期,要连接分布广泛的已售出的商品,也需要低功耗、低成本和广覆盖的网络,企业内部或企业之间的横向集成也需要无所不在的网络,5G网络能很好的满足这类需求。

工业AR:在智能工厂生产过程中,人发挥更重要的作用。由于未来工厂具有高度的灵活性和多功能性,这对工厂车间工作人员有更高的要求。为快速满足新任务和生产活动的需求,增强现实AR将发挥很关键作用,在智能制造过程中可用于如下场景:如:监控流程和生产流程。生产任务分步指引,例如手动装配过程指导;远程专家业务支撑,例如远程维护。在这些应用中,辅助AR设施需要最大程度具备灵活性和轻便性,以便维护工作高效开展。

云化机器人:在智能制造生产场景中,需要机器人有自组织和协同的能力来满足柔性生产,这就带来了机器人对云化的需求。5G网络是云化机器人理想的通信网络,是使能云化机器人的关键。

5G技术已经成为支撑智能制造转型的关键使能技术,能将分布广泛、零散的人、机器和设备全部连接起来,构建统一的互联网络。5G技术的发展可以帮助制造企业摆脱以往无线网络技术较为混乱的应用状态,这对于推动工业互联网的实施以及智能制造的深化转型有着积极的意义。


2

智能制造的核心是智能工厂



信息化革命愈演愈烈,机器设备、人和产品等制造元素不再是独立的个体,它们通过工业物联网紧密联系在一起,实现更协调和高效的制造系统。

当前制造业的转型可以看作是自动化升级和信息技术的融合提升,这不仅仅是自动化和机器换人,而且工厂能实现自主化决策,灵活生产出多样化的产品,并能快速应对更多的市场变化。

人工智能和制造系统的结合将是必然的,利用机器学习、模式识别、认知分析等算法模型,可以提升工厂控制管理系统的能力,实现所谓的智能制造,才能使企业在今天竞争激烈的环境获得更好的优势。

智能制造过程主要围绕着智能工厂展开,而人工智能在智能工厂中发挥着重要的作用。物联网将所有的机器设备连接在一起,例如控制器、传感器、执行器的联网,然后,AI就可以分析传感器上传的数据,这就是智能制造的核心。

随着工业物联网的应用发展,网络和实体系统将紧密联系在一起,也就是物联网将生产现场的处理器、传感器连接起来,使得机器人之间可以进行通信,可以互相沟通,而机器和人的工作将不再会严格分工,未来制造系统把人和机器融合在一起。

数字双胞胎是重要的角色,智能制造的整个流程都有一个数字孪生模型,系统里包括了现实世界的任何东西,可以是应用或者操作指南手册等。

此外,智能制造系统里还有人机交互,即人和机器人之间的互动。还有用人工智能驱动、优化产品和流程等。工厂需要做一些预测性维护或者是预测机器的能耗等等,越来越多的这些功能都可以在智能工厂里实现。


3

5G时代智能工厂前景展望



从2016年到2018年,我国的5G基础研发测试分为三个阶段。第一阶段是5G关联技术试验,第二阶段是5G技术方案验证,第三阶段是5G的系统验证。

我国于2016年1月启动了5G技术试验,为保证实验工作的顺利开展,IMT-2020(5G)推进组在北京怀柔规划建设了30个站的5G外场。在5G第二阶段试验完成之后,第三阶段试验将于2017年年底或2018年年初启动;预计5G第一个标准版本将于2018年6月完成,完整版本或将于2019年9月完成,并有望在2020年实现大规模商用。

面对第三阶段试验,为了做好配合,进一步丰富场景,我国未来计划在6个城市开展更多的试验,包括5G技术与智慧城市的核心规划结合,助力智慧城市的建设;借助5G的试验推动双创,以及在工业互联网、智能制造方面充分利用5G技术。

智能工厂是5G技术的重要应用场景之一。利用5G网络将生产设备无缝连接,并进一步打通设计、采购、仓储、物流等环节,使生产更加扁平化、定制化、智能化,从而构造一个面向未来的智能制造网络。在此,编者整理了业界对5G时代智能工厂的前景展望,让我们一同期待新时代的到来。

助推柔性制造 实现个性化生产

全球人口正在接近80亿,中产阶层消费群不断扩大,有望形成巨大市场,进而对消费布局产生影响。带有客户需求和产品“信息”功能的系统成为硬件产品销售新的核心,个性化定制成为潮流。为了满足全球各地不同市场对产品的多样化、个性化需求,生产企业内部需要更新现有的生产模式,基于柔性技术的生产模式成为趋势。国际生产工厂研究协会的定义为:柔性制造系统是一个自动化的生产制造系统,在最少人的干预下,能够生产任何范围的产品族,系统的柔性通常受到系统设计时所考虑的产品族的限制。柔性生产的到来,催生了对新技术的需求。

一方面,在企业工厂内,柔性生产对工业机器人的灵活移动性和差异化业务处理能力有很高要求。5G利用其自身无可比拟的独特优势,助力柔性化生产的大规模普及。5G网络进入工厂,在减少机器与机器之间线缆成本的同时,利用高可靠性网络的连续覆盖,使机器人在移动过程中活动区域不受限,按需到达各个地点,在各种场景中进行不间断工作以及工作内容的平滑切换。

5G网络也可使能各种具有差异化特征的业务需求。大型工厂中,不同生产场景对网络的服务质量要求不同。精度要求高的工序环节关键在于时延,关键性任务需要保证网络可靠性、大流量数据即时分析和处理的高速率。5G网络以其端到端的切片技术,同一个核心网中具有不同的服务质量,按需灵活调整。如设备状态信息的上报被设为最高的业务等级等。

另一方面,5G可构建连接工厂内外的人和机器为中心的全方位信息生态系统,最终使任何人和物在任何时间、任何地点都能实现彼此信息共享。消费者在要求个性化商品和服务的同时,企业和消费者的关系发生变化,消费者将参与到企业的生产过程中,消费者可以跨地域通过5G网络,参与产品的设计,并实时查询产品状态信息。

工厂维护模式全面升级

大型企业的生产场景中,经常涉及到跨工厂、跨地域设备维护,远程问题定位等场景。5G技术在这些方面的应用,可以提升运行、维护效率,降低成本。5G带来的不仅是万物互联,还有万物信息交互,使得未来智能工厂的维护工作突破工厂边界。

工厂维护工作按照复杂程度,可根据实际情况由工业机器人或者人与工业机器人协作完成。在未来,工厂中每个物体都是一个有唯一IP的终端,使生产环节的原材料都具有“信息”属性。原材料会根据“信息”自动生产和维护。人也变成了具有自己IP的终端,人和工业机器人进入整个生产环节中,和带有唯一IP的原料、设备、产品进行信息交互。工业机器人在管理工厂的同时,人在千里之外也可以第一时间接收到实时信息跟进,并进行交互操作。

设想在未来有5G网络覆盖的一家智能工厂里,当某一物体故障发生时,故障被以最高优先级“零”时延上报到工业机器人。一般情况下,工业机器人可以根据自主学习的经验数据库在不经过人的干涉下完成修复工作。另一种情况,由工业机器人判断该故障必须由人来进行操作修复。

此时,人即使远在地球的另一端,也可通过一台简单的VR和远程触觉感知技术的设备,远程控制工厂内的工业机器人到达故障现场进行修复,工业机器人在万里之外实时同步模拟人的动作,人在此时如同亲临现场进行施工。

5G技术使得人和工业机器人在处理更复杂场景时也能游刃有余。如在需要多人协作修复的情况下,即使相隔了几大洲的不同专家也可以各自通过VR和远程触觉感知设备,第一时间“聚集”在故障现场。5G网络的大流量能够满足VR中高清图像的海量数据交互要求,极低时延使得触觉感知网络中,人在地球另一端也能把自己的动作无误差地传递给工厂机器人,多人控制工厂中不同机器人进行下一步修复动作。同时,借助万物互联,人和工业机器人、产品和原料全都被直接连接到各类相关的知识和经验数据库,在故障诊断时,人和工业机器人可参考海量的经验和专业知识,提高问题定位精准度。

工业机器人加入“管理层”

在未来智能工厂生产的环节中涉及到物流、上料、仓储等方案判断和决策,5G技术能够为智能工厂提供全云化网络平台。精密传感技术作用于不计其数的传感器,在极短时间内进行信息状态上报,大量工业级数据通过5G网络收集起来,庞大的数据库开始形成,工业机器人结合云计算的超级计算能力进行自主学习和精确判断,给出最佳解决方案。在一些特定场景下,借助5G下的D2D(Device-to-Device,意为:设备到设备)技术,物体与物体之间直接通信,进一步降低了业务端到端的时延,在网络负荷实现分流的同时,反应更为敏捷。生产制造各环节的时间变得更短,解决方案更快更优,生产制造效率得以大幅度提高。

我们可以想象未来10年内,5G网络覆盖到工厂各个角落。5G技术控制的工业机器人,已经从玻璃柜里走到了玻璃柜外,不分日夜地在车间中自由穿梭,进行设备的巡检和修理,送料、质检或者高难度的生产动作。机器人成为中、基层管理人员,通过信息计算和精确判断,进行生产协调和生产决策。这里只需要少数人承担工厂的运行监测和高级管理工作。机器人成为人的高级助手,替代人完成人难以完成的工作,人和机器人在工厂中得以共生。

按需分配资源

5G网络通过网络切片提供适用于各种制造场景的解决方案,实现实时高效和低能耗,并简化部署,为智能工厂的未来发展奠定坚实基础。

首先,利用网络切片技术保证按需分配网络资源,以满足不同制造场景下对网络的要求。不同应用对时延、移动性、网络覆盖、连接密度和连接成本有不同需求,对5G网络的灵活配置尤其是对网络资源的合理快速分配及再分配提出了更严苛的要求。

作为5G网络最重要的特性,基于多种新技术组合的端到端的网络切片能力,可以将所需的网络资源灵活动态地在全网中面向不同的需求进行分配及能力释放;根据服务管理提供的蓝图和输入参数,创建网络切片,使其提供特定的网络特性。比如极低的时延、极高的可靠性、极大的带宽等,以满足不同应用场景对网络的要求。例如在智能工厂原型中,为满足工厂内的关键事务处理要求,创建了关键事务切片,以提供低时延,高可靠的网络。

在创建网络切片的过程中,需要调度基础设施中的资源。包括接入资源、传输资源和云资源等。而各个基础设施资源也都有各自的管理功能。通过网络切片管理,根据客户不同的需求,为客户提供共享的或者隔离的基础设施资源。由于各种资源的相互独立性,网络切片管理也在不同资源之间进行协同管理。在智能工厂原型中,展示了采用多层级的、模块化的管理模式,使整个网络切片的管理和协同更加通用、更加灵活并且易于扩展。

除了关键事务切片,5G智能工厂还将额外创建移动宽带切片和大连接切片。不同切片在网络切片管理系统的调度下,共享同一基础设施,但又互不干扰,保持各自业务的独立性。

其次,5G能够优化网络连接,采取本地流量分流,以满足低延迟的要求。每个切片针对业务需求的优化,不仅体现在网络功能特性的不同,还体现在灵活的部署方案上。切片内部的网络功能模块部署非常灵活,可按照业务需求分别部署在多个分布式数据中心。原型中的关键事务切片为保证事务处理的实时性,对时延要求很高,将用户数据面功能模块部署在靠近终端用户的本地数据中心,尽可能地降低时延,保证对生产的实时控制和响应。

此外,采用分布式云计算技术,以灵活的方式在本地数据中心或集中数据中心部署基于NFV(Network Function Virtualization,意为:网络功能虚拟化)技术的工业应用和关键网络功能。5G网络的高带宽和低时延特性,使智能处理能力通过迁移到云端而大幅提升,为提升智能化水平铺平了道路。

在5G网络的连接下,智能工厂成为了各项智能技术的应用平台。除了上述四类技术的运用,智能工厂有望与未来多项先进科技相结合,实现资源利用、生产效率和经济收益的最大化。例如借助5G高速网络,采集关键装备制造、生产过程、能源供给等环节的能效相关数据,使用能源管理系统对能效相关数据进行管理和分析,及时发现能效的波动和异常,在保证正常生产的前提下,相应地对生产过程、设备、能源供给及人员等进行调整,实现生产过程的能效提高;使用ERP(Enterprise Resource Planning,意为:企业资源计划)进行原材料库存管理,包括各种原材料及供应商信息。当客户订单下达时,ERP自动计算所需的原材料,并且根据供应商信息即时计算原材料的采购时间,确保在满足交货时间的同时做到库存成本最低甚至为零。

因此,5G时代的智能工厂将大幅改善劳动条件,减少生产线人工干预,提高生产过程可控性,最重要的是借助于信息化技术打通企业的各个流程,实现从设计、生产到销售各个环节的互联互通,并在此基础上实现资源的整合优化,从而进一步提高企业的生产效率和产品质量。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491762.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

主成分分析PCA以及特征值和特征向量的意义

定义: 主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。PCA的思想是将n维特征映射到k维上…

吴恩达《机器学习》学习笔记七——逻辑回归(二分类)代码

吴恩达《机器学习》学习笔记七——逻辑回归(二分类)代码一、无正则项的逻辑回归1.问题描述2.导入模块3.准备数据4.假设函数5.代价函数6.梯度下降7.拟合参数8.用训练集预测和验证9.寻找决策边界二、正则化逻辑回归1.准备数据2.特征映射3.正则化代价函数4.…

需要自己调研的框架,以及需要学习的内容

_webView 图文解析需要学习 Core Text 来解决图文混合的xml文件 项目中用到哪些数据持久化,什么场景下使用? http://www.cocoachina.com/ios/20150720/12610.html 解决问题的网站 CSDN.NETCocoaChina51CTO技术论坛特酷吧国外it技术论坛stack overflow 需…

Python获得一篇文档的不重复词列表并创建词向量

获得一篇文档的不重复词列表: def loadDataSet():postingList [[my, dog, has, flea, problems, help, please],[maybe, not, take, him, to, dog, park, stupid],[my, dalmation, is, so, cute, I, love, him],[stop, posting, stupid, worthless, garbage],[mr,…

从认知学到进化论,详述强化学习两大最新突破

来源:大数据文摘深层强化学习(deep RL)近年来在人工智能方面取得了令人瞩目的进步,在Atari游戏、围棋及无限制扑克等领域战胜了人类。通过将表征学习与奖励驱动行为相结合,深层强化学习又引发了心理学和神经科学领域的…

Python实现一个数组除以一个数

如果直接用python的一个list除以一个数,会报错: a [1.0, 1.0, 1.0] c a/3 print(c) TypeError: unsupported operand type(s) for /: list and int 使用Numpy可以轻松做到: import numpy as npa np.array([1,1,1]) c a/3 print(c)

吴恩达《机器学习》学习笔记九——神经网络相关(1)

吴恩达《机器学习》学习笔记九——神经网络相关(1)一、 非线性假设的问题二、 神经网络相关知识1.神经网络的大致历史2.神经网络的表示3.前向传播:向量化表示三、 例子与直觉理解1.问题描述:异或XOR、同或XNOR2.单个神经元如何计算…

刚刚,科学家发现了一大堆解释人类进化的基因...

图片来源:《Nature Genetics》来源:中国生物技术网 5月27日发表在《Nature Genetics》上的一项新研究发现, 以前被认为在不同生物体中具有相似作用的数十种基因,实际上是人类独有的, 这或许有助于解释我们这个物种是如…

Android数据存储——SQLite数据库(模板)

本篇整合Android使用数据库,要保存一个实体类的样本。 首先看一下数据库语句: ORM:关系对象映射 添加数据: ContentValues values new ContentValues();values.put("name", "小丽");values.put("phone", &qu…

Python切分文本(将文本文档切分为词列表)

对于一个句子,一种简单的方法是使用split() a This is an apple. Do you like apple? b a.split() print(b) # [This, is, an, apple., Do, you, like, apple?] 可以看到切分结果不错,但标点符号也当成了词的一部分,可以使用正则表达式…

吴恩达《机器学习》学习笔记八——逻辑回归(多分类)代码

吴恩达《机器学习》笔记八——逻辑回归(多分类)代码导入模块及加载数据sigmoid函数与假设函数代价函数梯度下降一对多分类预测验证课程链接:https://www.bilibili.com/video/BV164411b7dx?fromsearch&seid5329376196520099118 之前笔记…

DeepMind 综述深度强化学习:智能体和人类相似度竟然如此高!

来源:AI科技评论近年来,深度强化学习(Deep reinforcement learning)方法在人工智能方面取得了瞩目的成就,从 Atari 游戏、到围棋、再到无限制扑克等领域,AI 的表现都大大超越了专业选手,这一进展…

Python随机选择一部分训练样本作为测试样本

假设训练样本有30个,从训练样本中随机获得10个作为测试样本,剩下20个继续作为训练样本 import numpy as nptrainingSet list(range(30)) # 训练样本下标 testSet [] for i in range(10):randIndex int(np.random.uniform(0, len(training…

吴恩达《机器学习》学习笔记十——神经网络相关(2)

吴恩达《机器学习》学习笔记十——神经网络相关(2)一、 代价函数二、 反向传播算法三、 理解反向传播算法四、 梯度检测五、 随机初始化1.全部初始化为0的问题2.随机初始化的思想六、 神经网络算法整体流程1.选择网络具体架构2.训练神经网络课程链接&…

Ajax跨域请求解决方案——jsonp

转自:http://www.cnblogs.com/dowinning/archive/2012/04/19/json-jsonp-jquery.html 1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求&#xff0…

MATLAB的Kmeans函数实现聚类

转自https://blog.csdn.net/a493823882/article/details/79282425 使用方法: Idxkmeans(X,K) [Idx,C]kmeans(X,K) [Idx,C,sumD]kmeans(X,K) [Idx,C,sumD,D]kmeans(X,K) […]Kmeans(…,’Param1’,Val1,’Param2’,Val2,…)各输入…

吴恩达《机器学习》学习笔记十一——神经网络代码

吴恩达《机器学习》学习笔记十一——神经网络代码数据准备神经网络结构与代价函数初始化设置反向传播算法训练网络与验证课程链接:https://www.bilibili.com/video/BV164411b7dx?fromsearch&seid5329376196520099118 数据集链接:https://pan.baidu…

中国科研人员发明单晶体管逻辑结构新原理

▲随着晶体管不断缩小特征尺寸,集成电路的性能得以持续提升。然而在超小器件尺寸下,硅材料的物理极限导致了功耗的大幅提升,难以进一步持续减小晶体管的特征尺寸。来源:文汇网通过引入层状半导体,并依据其特性设计新型…

Java 内存模型

1、并发模型编程的分类 在并发模型编程中,我们需要解决两个关键问题:线程之间如何通信以及线程之间如何同步。线程之间的通信包括两种:共享内存和消息传递。 Java并发采用的是共享内存模型。 2、Java内存模型的抽象 Java内存模型的主要目标是…

神经网络中Batch和Epoch之间的区别

来自蜂口知道公众号 随机梯度下降法是一种具有大量超参数的学习算法。通常会使初学者感到困惑的两个超参数: Batch大小和Epoch数量,它们都是整数值,看起来做的事情是一样的。在这篇文章中,您将发现随机梯度下降中Batch和Epoch之间的差异。 阅读这篇文章…