边缘计算社区

俞一帆:5G边缘计算助力工业现场智能

内容来源:2021年5月15日,由边缘计算社区主办的全球边缘计算大会·深圳站圆满落幕。会上,艾灵网络首席科学家俞一帆受邀发表了主题为《5G边缘计算助力工业现场智能》的演讲。

分享嘉宾:艾灵网络首席科学家 俞一帆

整理编辑:大连理工大学 杨丽

出品:边缘计算社区

俞一帆:5G边缘计算助力工业现场智能

俞一帆:各位嘉宾下午好。很荣幸和大家分享艾灵网络在工业现场的场景下怎么将边缘计算用于该业务场景的一些思考。

俞一帆:5G边缘计算助力工业现场智能

1.

无线链接在工业网络中占比较少


大家现在可能已经对工业互联网、5G+智慧制造很熟悉了。从艾灵网络角度,我们发现目前在制造业很发达的德国、日本,他们的自动化程度很高的工厂仍然通过工业以太网连接机器设备,无线技术在工业现场用得很少,如图1所示,2020年Wireless占比只有6%。

随着工业互联网的概念提出,我们了解到,西门子已经开始研发5G网络专门用于智能制造。这意味着在下一代工业4.0的工业制造现场,将会看到无线会大量替代掉有线形态的以太网,这会使现在的工厂形态发生很大的变化。现在去工厂里面看会看到怎样的景象呢?基本是15-20年前网吧的形态,所有设备都是通过以太网连接,中控室部署了大量的工业计算机。但随着无线技术发展,车间的线缆数量会大大减少,进入中控室也不会看到一排排电脑,所有工业软件都部署在机柜里,部署在统一的云平台上。

工业4.0的制造现场有两个基础特征,一个是无线网络会成为智慧工厂智能设备连接的主要基础之一。另一个是在工业制造现场,自动化控制软件会依托虚拟化平台构建。所以总结起来就是网络是基础,平台是核心。

俞一帆:5G边缘计算助力工业现场智能

虽然很多工厂用户并不关心无线技术具体怎么用,但把整个无线产业梳理一遍,就会发现目前工厂里使用的WIFI、ZigBee、蓝牙只适合于基本的或要求很低的控制,并没有真正用于关键的产线、工位,这表明目前的技术存在局限性。在智能制造领域设想的很多柔性制造等非常有增长前景的应用场景并没有真正被普及起来。翻阅3GPP标准发现,相对于WIFI、ZigBee等技术,5G无线技术代表着业界最先进的技术。

虽然WIFI速度很高,但WIFI本质上是异步通信系统,不适合大规模组网。从日后的发展来看,5G的无线技术会在智能制造现场被大量使用,主要是因为一方面5G技术优势体现在这里,另一方面无线行业经过几十年博弈,目前居于头部的两大技术只有WIFI和5G。在工业4.0时代,5G由于产业链优势,最终相比于WiFi会占据一定优势,至少会成为工业现场主流的无线连接技术。

可得出结论:无线技术尤其5G无线技术会在工业现场领域得到非常大的发展。

2.

5G+边缘计算的重要性


前面提到网络是基础,平台是核心。那么平台是什么?从艾灵网络的角度来看,在工业现场的场景下,这个平台指的就是边缘计算平台。而且这个边缘计算平台很大程度上不同于现在从互联网业务角度给大家呈现的边缘计算平台,它会有非常强的工业属性。这与To C领域的5G与边缘计算的结合有很大的不同。

凯捷管理顾问公司调研全球800多家工业制造企业,列出了在工业4.0时代会有很大价值的技术,前两项技术就是边缘计算和5G,如图2所示。据Frost&Sullivan公司预测,到2022年,大约90%的工业企业将开始使用边缘计算,而且只是开始。可以想象,当工业4.0达到巅峰状态时,边缘计算会在工业领域普及到什么程度。

俞一帆:5G边缘计算助力工业现场智能

图2: 5G in industrial operations

3.

5G+边缘计算场景


从艾灵网络的角度来看,工业4.0时代的工业现场是具有高度跨界融合特性的5G边缘计算场景。可能很多人了解ICT跨界,但ICT跨界不足以应对工业现场,ICT前面要再加一个O,叫OICT技术。由于O的加入,导致场景认知会有很大的不同。这个不同可以分为三个层次来看,如图3所示。

第一,边缘计算要用于工业现场首先要对工业现场有极其深刻的理解,每家工厂、每个产段、每个工位都会有不一样的地方,在工业现场这样的领域,几乎可以称为百业千态的形态。比如,同样是制造水泥的工厂,在北方的工厂和南方工的厂制造流程完全不一样,每个企业的流程都根据自己企业内部的人员状况、工艺流程调整,然而这个时候就会面临一个问题,因为ICT已经习惯标准大一统的框架。作为ICT从业者必须对工业场景保持足够的敬畏心。

第二,以后的工业现场网络相对于现在的工业现场网络得到大大的简化,工业现场通常分为五层网络,但工业4.0时代五层会直接缩减为三层。最底层是工业机器设备,中间层是网络,而这个网络就是5G网络,5G网络在很大程度上会把工业以太网替代掉。这种替换不是简单地把网线拔掉,基站布起来。


在工业现场使用5G网络有两个非常重要的特性,第一个叫内网切片,深入来说目前3GPP定义的网络切片是不足以应对工业场景,存在很多问题。另外一个是网络的自适应,要灵活满足产线需要,也就是柔性制造。自适应不仅仅是配置参数这么简单,在工业现场已经使用大量具备联网能力的设备,比如PLC,构建的网络必须针对这些特定的工业场景能够对它进行充分适配。

总结起来,应该是一种基于应用需求提取,具备对于工业场景深刻理解基础上的网络能力开放。对于以后的工厂来说,无线技术中5G占主流,但5G不是全部,还会有其他的无线技术存在,比如LTU、WiFi等的存在,但它们的存在形式、存在比重是多少还是基于对工业场景的深刻理解。

第三,工业边缘云平台的设计。这个平台首先必须支持增量应用,所谓增量应用就是目前的工厂里面除了传统工业控制软件之外,还有大量地来自IT领域的AI及大数据技术。这个时候边缘云平台必须能够给这些新型的工业控制技术提供支撑环境。支撑这种增量应用难度并不大,目前来自互联网的领域的计算技术足以支撑。而难点在于存量应用支撑,所谓存量应用就是指工厂已有的工业控制软件,比如MES系统、PLC上位机软件,这些软件非常古老,在有些工厂有十几年历史。而且工厂对这些软件的认知远远不同于IT工程师,IT工程师认为软件用这么长时间应该被淘汰,工厂却认为正因为用了十年不应该被淘汰,因为它是稳定的。

我在工厂部署边缘云平台,工厂用户第一关心的是怎么更好地支撑存量软件,在存量软件基础上怎么样把5G网络能力发挥出来。而且这个发挥不是需要把非常专业的工程师派过去。因为在工厂里,系统调试工程师具有一定的IT能力,但是无法与互联网领域的工程师相比,工厂里习惯的模式是windows这类傻瓜式的图形化配置。从这个情况来看,直接把数据中心用的专业平台拿到工业现场,大概率用不起来,因为现场工程师不会用,最终会成为摆设。

俞一帆:5G边缘计算助力工业现场智能

图3: 工业现场中的5G边缘计算场景

可以发现,这样的边缘云平台是一种混搭的形式,一方面这个平台有很古老的软件,另一方面跑了大量的AI及大数据的新形态软件,怎么把这两种能力结合起来,同时很好地组合,让现场工程师很好上手,便于产线利用,并且把5G的能力发挥出来。这是一个大的框架,对于5G边缘计算用于工业现场至少需要从以上三方面进行深入考虑。

4.

艾灵5G+场景中的产品及解决方案


基于这样的考虑,艾灵将会在今年下半年发布一款产品。工业场景下的5G计算不是简单云计算系统和网络系统简单1+1的组合,应该是云+网综合化的一体系统,就是现在经常听到的云网一体系统,这个云网一体系统和大家听到的来自ICT领域其他产品还会有很多不一样的地方。

艾灵网络提出的平台和大部分云平台一样,是基于X86基础设施搭建的。在此基础上会提供算力资源平台,这个平台有一点比较颠覆大家认知的是提供虚拟机+容器两种形态。虚拟机形态会在工业现场扮演非常重要的角色。大家一直认为无服务器是未来发展方向,但在工业现场恰恰相反,如果没有虚拟机是失败的。因为工业存在大量十年前开发的传统的、基于windows操作系统的工业控制软件,软件厂商对它有很强的控制和授权方式,为了便于这些系统的移植,虚拟机是工厂现在非常核心的虚拟化算力。

还要保证提供低代码能力和高可用能力。低代码就是让OT工程师用这个系统感觉非常好用。一般情况下,工业现场高度碎片化,尤其工业4.0时代,很可能面临工业工程师在设计某一个生产过程的时候,一部分用到工业软件,一部分把AI及大数据能力组合进来,让他从底层代码开始设计是不现实的。

另外就是高可用技术,在目前工业现场,大量采用所谓的软件硬件一体技术,就是说某个厂家开发专用软件跑在专用的工控机上,工控机上配置大量硬件使其具有工业级的状态。当把它迁移到云上之后,尤其是私有云,但对于工厂用户来说,首先并不会认为迁移到云就很高大上,第一个要求就是可靠性必须和工控机是一样的,在云计算领域的高可用技术如何支撑达到工控机级别的可靠性,这也是非常大的一个挑战。这是底层计算需求的一个分享。

工业现场还会发现,工业现场有大量专用计算的节点,这个节点形态是PLC、工业网关,尤其是PLC,它是非常传统的工控领域的硬件设备。国际上,罗克韦尔(音)等主流厂家开始对其植入win10系统,使其提供有限算力,这使得很多PLC也会成为边缘基础设施一部分,可以在上面运行一些AI应用。这是对底层基础设施的描述。

再往上,提供了三大类比较核心的组件,一大类是5G专网或者5G本地网络,这个网络有控制面、数据面,但针对工业现场,艾灵网络做了极度轻量化,只是覆盖了一部分车间和一小部分厂区。另外开发了5G能力开放平台,这个平台作用就是把大量的5G能力比如切片能力、PLC无线连接能力进行高度封装,提供给第三方工业应用。

对于OT工程师来说,对于自动化产线最头疼的不是安装工业软件,最头疼的是配置现场工业网络。尤其自动化生产系统出现问题的时候,一旦发现软件没有问题,对于OT工程师来说是很崩溃的,意味着要排除现场工业以太网的故障,这是一个非常难的事情。而把5G技术用于工业,挑战会更大。5G标准只有CT工程师是理解的,很多互联网领域的工程师都很难理解。当把这样的高门槛技术用于工业现场,OT工程师几乎不可用。这就需要提供一个能力开放平台,把复杂的5G能力、5G配置变成简单的图形化操作或Restful的接口的调用,方便OT工程师调用。

俞一帆:5G边缘计算助力工业现场智能

图4: 艾灵公司关于工业软件系统的构建

艾灵网络是这样构建工业软件系统的,大致框架如图4。首先要把第三方工业SaaS系统支撑起来,另一方面对于AI及大数据等新型的能力或者软件,把它aPaaS化,变成可调用的组件,通过低代码或零代码的方式,灵活组合变成工业SaaS软件。

现在是第一波智能制造浪潮中,可能会在工业现场大量使用的比如AI检测,使用最多的是视觉检测,还有预测性维护。对于工业现场来说,机器生产设备的预测性维护是很重要的需求。

下面和大家从网和云角度做进一步细分。

第一个特点就是主要对工业场景有深刻理解,意味着这张无线网络必须最懂工业语言,能够对工业现场各种设备、各种传感器都能进行灵活适配。在工业现场对工业终端或者工业网关,他们会有强绑定要求,在这个车间要求必须使用这个厂家的设备,意味着无线网络必须按照工业产线构造、自动控制的需求适配林林总总的设备。


第二个特点就是工业无线网络必须在一定程度上具备能够替代工业光纤的能力。首先要能够支持高可靠性,工业领域5个9很常见,有时候会达到6个9、7个9。其次是必须具备高带宽,对于未来的工厂来说这是一个非常典型的超级上行的场景,有时会达到1G-10Gbps的样子。艾灵网络猜测,以后智能工厂的智慧化程度有一个指标是工厂里面摄像头数量,大量机器视觉检测需求对上行带宽有非常强的需求。另外时延性要求很高,在工业领域,对数据采集要求实时性不是很高,但一旦对工业设备进行控制,不仅是强实时性的要求,还是确定性网络的要求。这个时候对这样的无线网络来说必须具备高带宽、高可靠、强实时的支撑。

第三个特点部署的时候,这张无线网络会具备多用途的特性,现在进入一个工厂,至少会有两张网络,一张是生产网,支持连接它的工业设备,还有一张是办公网,用于企业内部OA、办公自动化。当工业4.0到来之后,至少从艾灵网络接触的工业客户来说,他们希望厂区只有一张物理网络,既可以支撑机器联网也可以支持办公自动化。这个时候使用的技术不仅仅是5G,还有WiFi、LTE-U。工业客户对价格很敏感。在某些时候,5G可以做到很好的替代作用,但成本太高,而客户要求一个更便宜的技术。这个时候发现LTE-U恰恰是介于5G与WiFi之间,在现阶段适合在特定厂家下提供高性价比网络覆盖的技术。最终,对于未来在工业领域实施云网一体系统的厂商来说,必须对不同网络都有深刻的理解,还要结合工业场景进行定制化的部署和设计。

最后是按需用云。按需用云体现在两方面,一方面是支撑工业控制软件的使用,另一方面支撑5G核心网络运行。在工业现场,工业客户要求云网系统支持极简部署、极简维护。按照传统方式单独部署5G网络设备,硬件成本会上去,系统维护成本也会上去。艾灵网络提供的云网系统支持云原生方式的5G核心网开发、部署及维护,完全基于一个基础云底座实现。通过这种方式,基本就可以把5G的能力面向工业应用实现NaaS化的交付和使用。这是关于我们关于工业现场网络产品的认知。

云产品层面的特点概括为两个。

应用的构建是以aPaaS组件为基本单元的积木式组合架构,能够灵活应对不同场景,就是上面提到的低代码方式。如果看西门子的工业互联网平台,包括GE的工业互联网平台,它们都在着重强调零代码或者低代码能力,这反映了工业现场用户的核心诉求,这个诉求在互联网领域很难看到,因为互联网工程师IT水平很高,可以用脚本实现的绝对不用图形化工具来做,而在工业领域恰恰相反。

核心点是支持工业应用零改动的方式调用5G能力。虽然工业现场使用的工业控制软件年代很老,但因为很稳定不容易被替换,并且很多软件厂商轻易不会做后续的代码改动。这意味着这些软件必须原封不动调用5G能力,而不是按照现有5G标准要求的,通过修改代码,调用API的方式实现,即所谓的零改动的调动,比如网络切片。这是两个大的特点。

细分来看,工业现场边缘云从硬件形态会有三个特点。

首先,必须能够支持超轻量部署,就是用一个节点来做这个事情,这和工业业务场景密切相关。工业客户相对来说比较保守,不会接触把系统一次性全推翻上一个新系统,即使是传统工业控制领域的改造也不会整个工厂全部翻新重做,很可能是一个车间一个车间做,以至于一个车间的某个工位做改造。我们必须通过单节点、超轻量部署,使得系统在投放初期,客户不需要支付高昂的成本。如果用集群方式,客户将面临近90%的算力都被浪费掉了。通过超轻量的方式,可以让数字化改造过程有一个低门槛的起步,让工业客户更容易接受。其次,当系统规模达到一定程度,采用集群式部署可更好地支撑算力在工业现场不同工位之间的灵活调度。最后,是工业云的GPU池化,GPU池化会成为边缘云领域很重要的属性。特别是在支持工业机器视觉方面。

在这个基础之上,还需要一个比较通用的PaaS平台支撑,要能提供强安全防护。对于工业现场,服务器完全没有数据中心那么好的条件,数据中心可以在恒温恒时的环境里把服务器当宝贝供起来。但工业现场的灰尘、高温、服务器还经常面临断电。在工业现场,要求新一代产品即使断电后恢复供电,系统也会快速恢复及完成设备联网,这是强安全防护。另外要能够对接很多第三方云产品。国内做得比较靠前的企业已经开始使用信息化系统,不是运行在服务器,是运行在公有云里。目前很多工厂的MES系统就运行在公有云上。对于以后在工业现场做改造会面临这样一个问题,在工业现场铺设完设备、而它们不能对接已经在公有云上运行的存量系统,相当于整个系统被割裂了。这意味着边缘云系统必须能对接适配工业客户已经在使用的第三方云产品。

再往上是aPaaS组件。区分为两大类,第一大类是通用能力组件。比如工业机器视觉、消息总线、数据库等,它们会被频繁使用,而不是在场景化的条件下。还有一类称之为场景化组件,这些组件很可能只在特定场景下用于一两个工位。通过这样的方式区分,在实现某个SaaS应用的时候可以提取一部分通用组件,再结合一部分场景化组件,快速组装出一个工业SaaS应用。这是艾灵网络做组件分类的想法。除此之外,边缘云在工业现场必须能够达到极简使用,这不是对IT工程师达到极简使用,而是对OT工程师达到极简使用,还要能提供运维管理能力,这种能力不是大型数据中心及云计算平台要求的管理能力,应该比它更加傻瓜、简单易用,这意味着要把大量底层配置全部屏蔽掉,且封装成OT工程师非常容易理解上手的工具,这必须要对工业场景有极其深刻的理解和认识才能做到。

前面提到的是在网和云领域提供的相对标准化的产品。当把这些产品用于工业场景时,不是把服务器、交换机接上电、接上网线就能解决的,因为工业现场高度碎片化、场景化、定制化,怎么样把碎片化场景部署在现场,让客户系统能够使用起来。这涉及到怎么样做标准化解决方案的问题,如图5所示。总结为两个特点,在工业现场部署系统时,系统是由若干标准组件构成的,组件的构成是选件式的,这意味着客户可以根据现场特点,通过产品列表进行快速选件组合,达到类似于积木式的拼装组合,快速形成定制化方案在现场落地。通过这样的方式也可以最终形成敏捷支撑各种个性化工业场景的服务。艾灵网络给出了一个实施流程,如图5所示。

俞一帆:5G边缘计算助力工业现场智能

图5:艾灵个性化工业场景部署流程

首先,会在工业现场通过场测的方式为工业客户规划工业现场网络,这个网络不只是5G,还包括WiFi、LTE-U,包含多形态的无线接入设备,同时辅以智能网络系统。这个网络系统是基于5G核心网来构建的,5G核心网不仅可以支持5G NR,还可以把LTE-U等异构网络接进来。完成场测及网络规划之后,还需要给客户进行软件预装,其中包括5G网络系统、各类aPaaS组件及第三方应用等。通过这样的方式,从形态上来说还是一体机形态,但里面跑的系统是完全根据具体工业客户场景组合出来的。

这是一个基础系统,在这个基础系统上还会叠加一部分工业AI应用。最终整个形态完成标准化构建,但里面软件的构成是个性化组合的,最终以一体式系统一站式部署的方式拉到工业客户现场进行交付。

5.

艾灵5G+场景设计


下面会给大家具体介绍一下艾灵网络理解的5G+工业制造领域最有可能出现规模化应用的场景。

首先是工业机器视觉,这是5G+边缘计算在智能制造领域的刚需,而且前面提到,智慧化工厂的一个很重要指标可能就是摄像头数量。我们的一个客户在智慧工厂的摄像头数量已经达到500个。为什么5G+机器视觉会成为替代传统AI摄像头的方式?首先,它的好处是普通摄像头部署很简单,工业现场部署从工业机器设备接了一根强电给摄像头供电很简单。

第一,从部署角度来说,用无线的方式可以实现一根线快速部署。部署成本低,也方便产线的调整。

第二,软硬件减量减配。为什么AI摄像头不太适用工业场景,尤其是工业现场。因为工业现场,从机器学习角度来说,是典型的小样本训练场景。现在很多AI摄像头都在做人脸识别,人脸数据库非常多。但工业现场恰恰相反,对某一个工厂来说不可能预先从别的工厂拿来数据在本工厂用。做工业视觉部署的时候要在实施工业现场做样本采集、标注,这个样本采集数量远远没有办法匹配to C数据,所以就是小样本训练。对于传统AI厂商会面临什么问题呢?通常就是厂商在摄像头里内制一个AI芯片,芯片支撑的算法能力非常有限,而且都是临时提取小样本的数据,意味着这些数据要进行重新训,训练完再下载到AI芯片里,而AI芯片算力通常有限,很多复杂的模型往往无法支撑。如果通过普通摄像头+5G+边缘云端用GPU的方式来做会有什么好处呢?首先,基于GPU的工具链极其丰富,通常最新模型都最先支持在GPU平台运行。这就意味着,对于小样本数据集来说,如果是基于GPU的平台,可以灵活适用不同模型,找到最适合的模型使用。其次,GPU提供的算力相对嵌入式AI芯片来说,更为丰富,因此即使模型较复杂,通常也能在GPU平台上运行起来。

第三,从系统升级角度来说,如果使用普通摄像头做系统升级,因为有成熟的工具链、平台支撑,可以在集群上只做一次升级就完成对所有摄像头的升级。但如果做AI摄像头就必须一个个升级,当摄像头数量达到一定程度的时候,升级工作量非常大。

第四,从数据价值角度来说,原始数据可以以池化的方式存储,日后可以做进一步深入挖掘,提炼价值。

俞一帆:5G边缘计算助力工业现场智能

图6: 5G+工业视觉

另外,艾灵网络认为比另一个较大的应用领域就是5G+无线PLC,PLC是在工业控制领域用得比较多的设备,只要是自动化控制的产线必然会用到这个。在很多工厂里面,可以发现某些生产环节还在大量使用人,并没有实现整个生产过程的全自动化。这些使用人的工位非常典型的一个特点,就是PLC难以部署。例如,高密度AGV的使用。这种情况是没有办法接有线的,只能通过无线方式来做。因为密度很高,WiFi通常没有办法很好支撑,所以必须用5G。

另外是生产设备进行远距离移动,比如达到一公里车间级、厂区级。对于大范围移动的设备来说,没有办法通过PLC控制,因为PLC后面接光纤,车间级、厂区级都是不可能。设备工件不停地移动极容易导致连接PLC的线缆断掉,这些大型设备是关键生产环节,一旦断掉对整个产线影响非常大。故5G+无线PLC从目前阶段来看可以大大提升现在很多工厂的全自动化水平。

AGV一般情况下都是高密度部署。对于某一个非常典型的立体仓场景,机器数量达到每平米0.35台,通过WiFi做AGV接入控制,差不多需要60个AP才行。这涉及到非常复杂、繁琐的维护工作,而且都要定期维护才能达到理想的接入效果。通过5G基站来做,单个基站就能实现7200个终端接入。不仅网络部署简单,而且综合成本来看仓储规模变大时,5G的性价比反而会上升。

第二个是功能集成的复合机器人。现在的机器人只是做简单物流运输,新一代AGV不仅仅是做物流运输,还会进入产线作业面参与生产过程,这类AGV已经非常像一个减配版或者瘦身版的自动驾驶汽车了。进入复杂作业环境时,算力消耗很高,高算力消耗意味着高电量消耗。这些AGV因为体型限制,携带的电池容量有限。如果还是基于传统AGV车载智能方式做复杂的操作,会面临一个问题,复杂的场景会导致算力需求增加,加快电力消耗。最后这种复合型的AGV在作业面工作不了多长时间就要充电。当结合5G边缘计算之后,AGV不再做复杂计算,直接把采集到的原始视频及其他感知数据回传到云端,由云端进行识别、控制,非常像全网联化的自动驾驶汽车的做法。再由5G网络实时下发控制指令。通过这样的方式,可大大延长AGV工作时间,而我们也正在与合作伙伴在做这方面的努力。

第三个是调度复杂度提升。现在AGV都是用于标准外观物件的运输。在仓库中,需要多个AGV协调搬运一个不规则的大型物件,通常AGV不是按照固定的路径来走,会按照定制化、实时检测的方式来走,这和功能复合型机器人一样,也需要依赖5G+云端的方式,通过云控的方式完成复杂的操作。

6.

艾灵5G+项目实践


后面给大家介绍两个案例。第一个是艾灵和一家风电企业做的案例,这个案例基本是实现了远程控制天车的方案,一个是5G具备无线化连接PLC的能力,另外是在工厂里面,实现工业现场的联网只是第一步,第二步必须能和工业已有的控制系统打通,比如SCADA系统打通。这需要额外的在平台上部署了的OPC UA组件,实现客户和工厂信息化系统的打通。最后的效果就是车间实现百分之百无线覆盖,还复用了天车上的摄像头,不用额外部署安防摄像头,安防硬件投资降低40%,MES数字化程度提升12%。通过5G的方式来做,覆盖成本也降低了60%。

俞一帆:5G边缘计算助力工业现场智能

图7:5G智能车间

图7是艾灵网络为一家装配式建筑工厂实施的智能车间方案。

第一点是在这个车间里面有大量摄像头、传感器,这些传感器按传统的工业以太网方式接,施工成本和周期很高,但通过无线的方式差不多一周时间就完成了部署。

第二点是在某些生产环节,因为涉及到生产设备远距离大量移动,在没有做5G无线化改造之前,完全通过人工方式来做,生产效率不高。当把PLC通过无线化方式和生产设备连接起来之后,关键工位基本实现无人化。

第三点是板材布料的抹平,改造之前需要人工操作,效率不高,当PLC通过无线化的方式使传统机械臂与控制系统连接起来之后,关键工位也实现了无人化。


第四点是工业相机的使用,是对生产设备是否脱轨进行快速检测,对于进入生产区域的工人进行检测,看着装、劳保措施是否规范。通过这样的实施效果,这个方案基本实现产线的自动化,产量上升,收入上升200多万,人工成本减少36万。整个生产区域人减少了,安全风险降低了40%。

发表评论

邮箱地址不会被公开。 必填项已用*标注

青ICP备20000204号