5G网络在智能制造应用中还将会面临哪些挑战

5G网络在智能制造应用中还将会面临哪些挑战

高可靠无线通信技术在工厂的应用来看，一方面，生产制造设备无线化使得工厂模块化生产和柔性制造成为可能。另一方面，因为无线网络可以使工厂和生产线的建设、改造施工更加便捷，并且通过无线化可减少大量的维护工作降低成本。

此外，工厂中自动化控制系统和传感系统的工作范围，可以是或者几百平方公里到几万平方公里，甚至可能是分布式部署。根据生产场景的不同，制造工厂的生产区域内可能有数以万计传感器和执行器，需要通信网络的海量连接能力作为支撑。

5G网络具备的能力

华为在北京怀柔率先完成了由IMT-2020(5G)推进组组织的中国5G技术研发试验无线技术第二阶段测试。在C-Band的测试环节中，利用200MHz带宽，通过5G新空口及大规模多入多出等技术进行测试，小区峰值超过20Gbps，空口时延在0.5ms以内，单小区大于1000万连接。

5G典型制造业应用场景

5G使能工业AR应用。在未来智能工厂生产过程中，人将发挥更重要的作用。然而由于未来工厂具有高度的灵活性和多功能性，这将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。因此需要将设备信息处理功能上移到云端，AR设备仅仅具备连接和显示的功能，AR设备和云端通过无线网络连接。AR设备将通过网络实时获取必要的信息(例如，生产环境数据、生产设备数据、以及故障处理指导信息)。在这种场景下AR眼镜的显示内容必须与AR设备中摄像头的运动同步，以避免视觉范围失步现象。

华为X Labs通过倒立摆验证5G对极低试验自动控制的价值，研究表明，当倒立摆运行在4G模式下时，4G的过高时延，使得倒立摆的控制指令不能得到快速执行，倒立摆起摆到稳态的时间过长，达到13.2秒。当运行在5G模式下时，5G的1ms超低时延，使倒立摆的控制指令快速执行，起摆到稳态只用4秒。

通过对比，可以看到5G低时延网络在自动控制的巨大价值，网络端到端时延从4G的50ms减低至5G的1ms。自动化控制是制造工厂中最基础的应用，核心是闭环控制系统。在该系统的控制周期内每个传感器进行连续测量，测量数据传输给控制器以设定执行器。典型的闭环控制过程周期低至ms级别，所以系统通信的时延需要达到ms级别甚至更低才能保证控制系统实现精确控制，同时对可靠性也有极高的要求。

如果在生产过程中由于时延过长，或者控制信息在数据传送时发生错误可能导致生产停机，会造成巨大的财务损失。此外，在规模生产的工厂中，大量生产环节都用到自动控制过程，所以将有高密度海量的控制器、传感器、执行器需要通过无线网络进行连接。

闭环控制系统不同应用中传感器数量、控制周期的时延要求、带宽要求都有差异，典型来看，周期时间和通信带宽大小的一些典型值如下：5G切片网络可提供极低时延长、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。基于华为5G的实测能力：空口时延可到0.4ms,单小区下行速率达到20Gbps，小区最大可支持1000万+连接数。由此可见，移动通信网络中仅有5G网络可满足闭环控制对网络的要求。

5G使能工厂云化机器人。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。

因此在机器人云化的过程中，需要无线通信网络具备极低时延和高可靠的特征。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切片网络能够为云化机器人应用提供端到端定制化的网络支撑。5G网络可以达到低至1ms的端到端通信时延，并且支持99.999%的连接可靠性，强大的网络能力能够极大满足云化机器人对时延和可靠性的挑战。

华为已与德国与制造企业开展智能制造领域的合作。如与Festo共同合作基于5G切片网络的云化机器人的项目,项目通过5G uRLLC(超高可靠和低时延通信)切片网络，针对云化机器人闭环控制系统的高可靠性和实时性的满足度进行测试。

机器人与协同设施间的通信需求。在智能制造柔性生产中，移动机器人是关键的使能者。在生产过程中要求多移动机器人之间的协同和无碰撞作业，所以移动机器人之间需要实时进行数据交换满足该需求。移动机器人和外围设备间也需要进行通信。例如，如起重机或其他制造设施。因此移动机器人需要和周边协同设施机进行实时数据交换。

随着智能制造场景的引入，制造对无线通信网络的需求已经显现，5G网络可为高度模块化和柔性的生产系统提供多样化高质量的通信保障。和传统无线网络相比，5G网络在低时延、工厂应用的高密度海量连接、可靠性、以及网络移动性管理等方面优势凸显，是智能制造的关键使能者。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。