5G網絡在智能制造應用中還將會面臨哪些挑戰

5G網絡在智能制造應用中還將會面臨哪些挑戰

高可靠無線通信技術在工廠的應用來看，一方面，生產制造設備無線化使得工廠模塊化生產和柔性制造成為可能。另一方面，因為無線網絡可以使工廠和生產線的建設、改造施工更加便捷，并且通過無線化可減少大量的維護工作降低成本。

此外，工廠中自動化控制系統和傳感系統的工作范圍，可以是或者幾百平方公里到幾萬平方公里，甚至可能是分布式部署。根據生產場景的不同，制造工廠的生產區域內可能有數以萬計傳感器和執行器，需要通信網絡的海量連接能力作為支撐。

5G網絡具備的能力

華為在北京懷柔率先完成了由IMT-2020(5G)推進組組織的中國5G技術研發試驗無線技術第二階段測試。在C-Band的測試環節中，利用200MHz帶寬，通過5G新空口及大規模多入多出等技術進行測試，小區峰值超過20Gbps，空口時延在0.5ms以內，單小區大于1000萬連接。

5G典型制造業應用場景

5G使能工業AR應用。在未來智能工廠生產過程中，人將發揮更重要的作用。然而由于未來工廠具有高度的靈活性和多功能性，這將對工廠車間工作人員有更高的要求。為快速滿足新任務和生產活動的需求，增強現實AR將發揮很關鍵作用，在智能制造過程中可用于如下場景：如：監控流程和生產流程。生產任務分步指引，例如手動裝配過程指導;遠程專家業務支撐，例如遠程維護。

在這些應用中，輔助AR設施需要最大程度具備靈活性和輕便性，以便維護工作高效開展。因此需要將設備信息處理功能上移到云端，AR設備僅僅具備連接和顯示的功能，AR設備和云端通過無線網絡連接。AR設備將通過網絡實時獲取必要的信息(例如，生產環境數據、生產設備數據、以及故障處理指導信息)。在這種場景下AR眼鏡的顯示內容必須與AR設備中攝像頭的運動同步，以避免視覺范圍失步現象。

華為X Labs通過倒立擺驗證5G對極低試驗自動控制的價值，研究表明，當倒立擺運行在4G模式下時，4G的過高時延，使得倒立擺的控制指令不能得到快速執行，倒立擺起擺到穩態的時間過長，達到13.2秒。當運行在5G模式下時，5G的1ms超低時延，使倒立擺的控制指令快速執行，起擺到穩態只用4秒。

通過對比，可以看到5G低時延網絡在自動控制的巨大價值，網絡端到端時延從4G的50ms減低至5G的1ms。自動化控制是制造工廠中最基礎的應用，核心是閉環控制系統。在該系統的控制周期內每個傳感器進行連續測量，測量數據傳輸給控制器以設定執行器。典型的閉環控制過程周期低至ms級別，所以系統通信的時延需要達到ms級別甚至更低才能保證控制系統實現精確控制，同時對可靠性也有極高的要求。

如果在生產過程中由于時延過長，或者控制信息在數據傳送時發生錯誤可能導致生產停機，會造成巨大的財務損失。此外，在規模生產的工廠中，大量生產環節都用到自動控制過程，所以將有高密度海量的控制器、傳感器、執行器需要通過無線網絡進行連接。

閉環控制系統不同應用中傳感器數量、控制周期的時延要求、帶寬要求都有差異，典型來看，周期時間和通信帶寬大小的一些典型值如下：5G切片網絡可提供極低時延長、高可靠，海量連接的網絡，使得閉環控制應用通過無線網絡連接成為可能。基于華為5G的實測能力：空口時延可到0.4ms,單小區下行速率達到20Gbps，小區最大可支持1000萬+連接數。由此可見，移動通信網絡中僅有5G網絡可滿足閉環控制對網絡的要求。

5G使能工廠云化機器人。在智能制造生產場景中，需要機器人有自組織和協同的能力來滿足柔性生產，這就帶來了機器人對云化的需求。

因此在機器人云化的過程中，需要無線通信網絡具備極低時延和高可靠的特征。5G網絡是云化機器人理想的通信網絡，是使能云化機器人的關鍵。5G切片網絡能夠為云化機器人應用提供端到端定制化的網絡支撐。5G網絡可以達到低至1ms的端到端通信時延，并且支持99.999%的連接可靠性，強大的網絡能力能夠極大滿足云化機器人對時延和可靠性的挑戰。

華為已與德國與制造企業開展智能制造領域的合作。如與Festo共同合作基于5G切片網絡的云化機器人的項目,項目通過5G uRLLC(超高可靠和低時延通信)切片網絡，針對云化機器人閉環控制系統的高可靠性和實時性的滿足度進行測試。

機器人與協同設施間的通信需求。在智能制造柔性生產中，移動機器人是關鍵的使能者。在生產過程中要求多移動機器人之間的協同和無碰撞作業，所以移動機器人之間需要實時進行數據交換滿足該需求。移動機器人和外圍設備間也需要進行通信。例如，如起重機或其他制造設施。因此移動機器人需要和周邊協同設施機進行實時數據交換。

隨著智能制造場景的引入，制造對無線通信網絡的需求已經顯現，5G網絡可為高度模塊化和柔性的生產系統提供多樣化高質量的通信保障。和傳統無線網絡相比，5G網絡在低時延、工廠應用的高密度海量連接、可靠性、以及網絡移動性管理等方面優勢凸顯，是智能制造的關鍵使能者。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。