私有5G和人工智能技術將加速從自動化向自治的轉變

自物聯網和工業4.0出現以來，機器視覺、人工智能、機器學習、深度學習和無線傳感器技術的進步繼續創造從自動化到獨立的漸進路徑。但直到最近，網絡連接仍以有線工業以太網的形式出現，安裝成本巨大，難以實現靈活制造。增值WiFi、4G等無線解決方案提供了更多的靈活性，但沒有提供更高的速度和更大的帶寬。雖然4GLTE可以滿足這些標准，但它有更多的網絡延遲。

關注私有5G(p5G)及其如何支持包括人工智能相機在內的先進和新興技術，使制造商能夠將更多的功能推向更接近邊緣的地方。私有5G的低延遲改變了遊戲規則，其高帶寬幾乎可以實時洞察制造過程。例如，從自動導引車(AGV)到具有群體智能的獨立移動機器人(AMR)只是一個開始。本文涵蓋了一些使用案例，其中支持人工智能的5g連接設備可以感知其環境並相互操作，從而做出更快的決策。最後，本文展望了近期和中期的未來。

物聯網發展的四個階段。

連接性、存儲和計算能力是實現物聯網的基礎。將傳統操作轉移到智能工廠的第一個障礙是，不同安裝的機器可能使用不同的控制技術(如pLC、pC和MCU)和各種機器協議(如Modbus、Devicenet、CAN總線甚至專有協議)。許多舊機器甚至缺乏通信功能。第二個障礙是機器制造商開發了專有源代碼，這使得工程師難以最大限度地改變或升級以滿足特定要求。最後，一些制造商不願意讓系統集成商添加、刪除或修改當前安裝的機器。

物聯網公司開發了一種有效連接舊機器的解決方案，並進入了第一階段。例如，具有數據提取功能的解決方案可以遠程控制和檢索非連接設備的數據，並將從未輸出的基本數據轉換為網絡。最初的物聯網部署本質上是被動的，計算能力有限，嵌入式控制器用於簡單的任務。數據存儲在傳感器和其他設備的集中位置，如數據湖，並根據大數據架構進行處理和分析。分析中的意見用於可視化現場數據，以了解模式和任何相關性。機器操作人員將許多意見用於預測性維護，以最大限度地延長機器的正常運行時間，從而提高生產力，節約成本。

第二階段，工廠通過邊緣設備和連接進入更活躍的環境，與工業物聯網(物聯網)網絡中的其他邊緣設備共享結果。將人工智能添加到組合中，工業物聯網的實施不僅可以呈現事實，還可以自動采取行動財務管理系統。

引入群體智能可以使用簡單的邊緣設備在當地相互交互，從而進入第三階段。群體智能是昆蟲社區(如螞蟻和蜜蜂)中發現的概念，是實體之間的集體互動。為體自發組織，協調快速移動，以適應制造環境的動態演變。雖然蜂群的能力和規模有限，但這種低級自治是基於人工智能和機器學習技術的認知。

為了真正普及物聯網技術(物聯網的第四階段)，實現實時決策需要降低延遲水平，物聯網部署需要更加獨立運行。私有5g被認為是一種連接解決方案，將更多的智能推向數據網絡邊緣，減少延遲。與此同時，人工智能物聯網(人工智能物聯網)技術正在逐漸降低人類決策在許多物聯網生態系統中的作用。

最近的網絡連接技術。

目前，物聯網的實施大多處於第二階段，以有線工業以太網與WiFi、4G和最近的4GLTE技術相結合為連接到現場設備的骨幹。這些無線連接技術在速度和帶寬上都有局限性。更重要的是，延遲(數據在兩點之間傳輸所需的時間)正成為關鍵點。即使考慮使用超快的4GLT，延遲也是200毫秒，這對一些決策行動來說足夠實時，但關閉機器和設備等關鍵安全決策不夠快，以避免人身傷亡。

5G的承諾

雖然公共5g的推出引起了人們對數據安全的擔憂，可能無法提供一致的延遲，但私人5g(p5g)的推出正在加速。私有5g延遲低，4g延遲200毫秒，p5g延遲1毫秒。p5g的高速和帶寬，以及智能人工智能和機器學習技術，使工廠運營商對制造業運營有著近乎實時的洞察力。

適用於邊緣人工智能應用、機器人、攝像頭、車輛和所有可靠、安全的實時網絡共享信息。獨立移動機器人(AMR)和機器視覺是如何結合這些技術的一個很好的例子，以提高員工的生產力和人身安全。

從AGV到AMR。

例如，從AGV到具有群體智能的獨立移動機器人(AMR)只是一個開始。AGV需要昂貴的基礎設施和額外的個人安全措施。另一方面，許多AMR可以在幾乎沒有人工操作員監督的情況下工作。能感知自己的環境，互相操作，做出分散的決定。

除二代機器人操作系統(ROS2)是群體自治的支撐技術之一。機器人軟件開發的開源框架集成了分布式數據服務(DDS)，提供統一的數據交換環境，集體共享數據如數據河。它允許更多的機器人合作和可靠、容錯的實時通信。AMR利用該軟件在邊緣設備之間實時共享數據，避免將數據發送到雲中的成本和延遲。

SOp合規監控。

人工智能機器視覺的另一個場景是標准操作程序(SOp)監控。SOp的制定是為了優化產品質量和周期，保護員工的人身安全。然而，人為錯誤是主要的故障因素。

傳統上，工業制造商通過人工監控來審查SOp合規性。不同生產部門的人工監測可能會有所不同，通常只能在有限的時間內進行。跟蹤每個操作人員執行的每一步都太耗時，無法在所有生產線上實施。因此，整合和分析工作流數據不完整需要更多的時間。延遲修改不正確程序可能會導致質量問題、生產力下降甚至工作場所事故。

這些技術可以實現一致持續的SOp監控和評估，使生產部門能夠將寶貴的時間轉移到更有效的任務上。實時分析人工智能視覺也使其能夠立即響應錯誤的程序，從而節省返工成本和材料損失。它還可以防止操作人員在使用錯誤程序時發生危險。為了提高操作人員的技能，綜合監控還可以幫助操作人員的技能。

智能制造的未來發展。

制造商渴望轉向能夠處理大規模定制的智能工廠。要實現這一目標，就要徹底改變傳統的生產理念。數字化轉型將使智能工廠在不改變生產線、布局或工人分配的情況下生產各種產品。AMR機器人可以拿起生產所需的零件和工具，並將其交付到工作站。在工作站，自治機器人生產產品通過自治物流渠道直接發送給客戶。因此，制造業的工作方式可能會發生變化。例如，員工將不再需要進入危險的地方，而是使用增強現實(AR)和數字雙胞胎技術在辦公室實現實時可視化和監控操作。

雖然支持p5G的物聯網連接是智能制造的數字骨幹，但人工智能技術是決定控制整個系統的大腦。人工智能與物聯網的結合為人工智能提供了自我糾正甚至自我修複的智能互聯系統。