自從物聯(lián)網(wǎng)和工業(yè)4.0出現(xiàn)以來(lái)，機(jī)器視覺(jué)、人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及無(wú)線傳感器等技術(shù)的進(jìn)步正在繼續(xù)打造從自動(dòng)化到自治的漸進(jìn)路徑。然而直到最近，網(wǎng)絡(luò)連接性還是以有線工業(yè)以太網(wǎng)的形式出現(xiàn)，這具有巨大的安裝成本，并且難以實(shí)現(xiàn)靈活制造。加值WiFi和4G等無(wú)線解決方案提供了更多的靈活性，但沒(méi)有提供更高的速度和更大的帶寬，盡管4GLTE可以滿足這些標(biāo)準(zhǔn)，但具有更托網(wǎng)絡(luò)延遲。

在此著眼于私有5G(P5G)以及它如何支持包括人工智能攝像頭在內(nèi)的先進(jìn)和新興技術(shù)，從而使制造商能夠?qū)⒏喙δ芡葡蚋拷吘壍牡胤健Ｋ接?G的低延遲改變了游戲規(guī)則，再加上它的高帶寬，可以近乎實(shí)時(shí)地洞察制造過(guò)程。例如，從自動(dòng)導(dǎo)引車(chē)(AGV)轉(zhuǎn)向具有群體智能的自主移動(dòng)機(jī)器人(AMR)只是一個(gè)開(kāi)始。本文涵蓋了一些使用案例，其中5G連接的支持人工智能的設(shè)備可以感知其環(huán)境并相互操作，從而做出更快的決策。最后，本文展望了近期和中期的未來(lái)。

物聯(lián)網(wǎng)發(fā)展的四個(gè)階段

連接性、存儲(chǔ)和計(jì)算能力是實(shí)現(xiàn)物聯(lián)網(wǎng)的基礎(chǔ)。將傳統(tǒng)操作轉(zhuǎn)移到智能工廠的第一個(gè)障礙是不同安裝的機(jī)器可能使用不同的控制技術(shù)(例如PLC、PC和MCU)以及各種機(jī)器協(xié)議(例如Modbus、DeviceNet、CAN總線甚至專(zhuān)有協(xié)議)。許多老舊機(jī)器甚至缺乏通信功能。第二個(gè)障礙是機(jī)器制造商已經(jīng)開(kāi)發(fā)了專(zhuān)有源代碼，這使得工程師很難改變或升級(jí)以最大限度地滿足特定的要求。最后，一些生產(chǎn)工廠不愿意讓系統(tǒng)集成商為當(dāng)前安裝的機(jī)器添加、刪除或修改應(yīng)用程序。

針對(duì)這些類(lèi)型的應(yīng)用，物聯(lián)網(wǎng)公司開(kāi)發(fā)了有效連接老舊機(jī)器的解決方案，這進(jìn)入了第一階段。例如，具有數(shù)據(jù)提取功能的解決方案能夠遠(yuǎn)程控制和檢索非連接裝置的數(shù)據(jù)，將基本數(shù)據(jù)從沒(méi)有輸出的設(shè)備轉(zhuǎn)換到網(wǎng)絡(luò)。最初的物聯(lián)網(wǎng)部署本質(zhì)上是被動(dòng)的，計(jì)算能力有限，嵌入式控制器用于簡(jiǎn)單任務(wù)。從傳感器和其他設(shè)備收集的數(shù)據(jù)存儲(chǔ)在集中位置，例如數(shù)據(jù)湖，并基于大數(shù)據(jù)架構(gòu)進(jìn)行處理和分析。分析中的見(jiàn)解用于可視化現(xiàn)場(chǎng)數(shù)據(jù)，以了解模式和任何相關(guān)性。機(jī)器操作人員將其中許多見(jiàn)解用于預(yù)測(cè)性維護(hù)，以最大限度地延長(zhǎng)機(jī)器正常運(yùn)行時(shí)間，從而提高生產(chǎn)力并節(jié)省成本。

第二階段通過(guò)邊緣設(shè)備和連接將工廠帶入一個(gè)更加活躍的環(huán)境，以便與工業(yè)物聯(lián)網(wǎng)(IIoT)網(wǎng)絡(luò)中的其他邊緣設(shè)備共享結(jié)果。通過(guò)將人工智能添加到組合中，工業(yè)物聯(lián)網(wǎng)實(shí)施不再只呈現(xiàn)發(fā)生的事實(shí)，并且可以自動(dòng)采取行動(dòng)。

群體智能的引入可以使用簡(jiǎn)單的邊緣設(shè)備可以在本地相互交互，由此進(jìn)入第三階段。群體智能是在昆蟲(chóng)群落中發(fā)現(xiàn)的概念(例如螞蟻和蜜蜂)，是實(shí)體之間的集體互動(dòng)。為了適應(yīng)制造環(huán)境的動(dòng)態(tài)演變，實(shí)體群是自發(fā)組織的，以協(xié)調(diào)的方式快速機(jī)動(dòng)。盡管蜂群在能力和規(guī)模方面受到限制，但這種低級(jí)自治建立在認(rèn)知人工智能和機(jī)器學(xué)習(xí)技術(shù)的使用之上。

要使物聯(lián)網(wǎng)技術(shù)真正普及(物聯(lián)網(wǎng)的第四階段)，需要降低延遲水平以實(shí)現(xiàn)實(shí)時(shí)決策，并且物聯(lián)網(wǎng)部署需要更加自主地運(yùn)行。私有5G被視為一種連接解決方??案，將更多智能推向數(shù)據(jù)網(wǎng)絡(luò)邊緣并減少延遲。與此同時(shí)，人工智能物聯(lián)網(wǎng)(AIoT)技術(shù)正在逐漸降低人類(lèi)決策在許多物聯(lián)網(wǎng)生態(tài)系統(tǒng)中的作用。

近期的網(wǎng)絡(luò)連接技術(shù)

大多數(shù)物聯(lián)網(wǎng)實(shí)施目前處于第二階段，使用有線工業(yè)以太網(wǎng)與WiFi、4G以及最近的4GLTE技術(shù)的組合作為連接到現(xiàn)場(chǎng)設(shè)備的骨干。這些無(wú)線連接技術(shù)在速度和帶寬方面存在局限性。更重要的是，延遲(數(shù)據(jù)在兩點(diǎn)之間傳輸所需的時(shí)間)正在成為一個(gè)關(guān)鍵點(diǎn)。甚至考慮采用超快的4G LT，其延遲為200毫秒，這對(duì)于某些決策行動(dòng)來(lái)說(shuō)已經(jīng)足夠?qū)崟r(shí)，但對(duì)于安全關(guān)鍵決策來(lái)說(shuō)還不夠快，例如關(guān)閉機(jī)器設(shè)備以避免發(fā)生人身傷亡事故。

5G的承諾

盡管公共5G的推出引發(fā)了對(duì)數(shù)據(jù)安全性的擔(dān)憂，并且可能無(wú)法提供一致的延遲，但企業(yè)范圍內(nèi)的私有5G(P5G)的推出正在加速。私有5G具有低延遲的特性，4G的延遲為200毫秒，P5G的延遲為1毫秒。P5G的高速和帶寬以及用于智能的人工智能和機(jī)器學(xué)習(xí)技術(shù)，使工廠運(yùn)營(yíng)商能夠獲得對(duì)制造運(yùn)營(yíng)的近乎實(shí)時(shí)的洞察力。

這適用于機(jī)器人、攝像頭、車(chē)輛以及所有需要可靠、安全的實(shí)時(shí)網(wǎng)絡(luò)以共享信息的邊緣人工智能應(yīng)用程序。這些技術(shù)如何結(jié)合的很好的例子是自主移動(dòng)機(jī)器人(AMR)和機(jī)器視覺(jué)，以提高生產(chǎn)力和工作人員的人身安全。

從AGV到AMR

例如，從AGV轉(zhuǎn)向具有群體智能的自主移動(dòng)機(jī)器人(AMR)只是一個(gè)開(kāi)始。AGV需要昂貴的基礎(chǔ)設(shè)施和額外的人身安全措施。另一方面，多臺(tái)AMR可以在幾乎沒(méi)有人工操作員監(jiān)督的情況下開(kāi)展工作。它們可以感知自己所處的環(huán)境并相互操作，做出去中心化的決策。

除了AIoT之外，群體自治的支持技術(shù)之一是第二代機(jī)器人操作系統(tǒng)(ROS2)。機(jī)器人軟件開(kāi)發(fā)的開(kāi)源框架集成了分布式數(shù)據(jù)服務(wù)(DDS)，提供統(tǒng)一的數(shù)據(jù)交換環(huán)境，像數(shù)據(jù)河一樣集體共享數(shù)據(jù)。它允多勸機(jī)器人協(xié)作和可靠、容錯(cuò)的實(shí)時(shí)通信。而AMR使用該軟件在邊緣設(shè)備之間實(shí)時(shí)共享數(shù)據(jù)，避免將數(shù)據(jù)發(fā)送到云端的成本和延遲。

SOP合規(guī)監(jiān)控

另一個(gè)利用人工智能機(jī)器視覺(jué)的場(chǎng)景是標(biāo)準(zhǔn)操作程序(SOP)監(jiān)控。制定SOP是為了優(yōu)化產(chǎn)品質(zhì)量和周期時(shí)間，以及保護(hù)工作人員的人身安全。然而，人為錯(cuò)誤是主要的故障因素。

傳統(tǒng)上，工業(yè)制造商通過(guò)人工監(jiān)控來(lái)審核SOP合規(guī)性。人工監(jiān)控在不同的生產(chǎn)部門(mén)之間可能會(huì)有所不同，并且通常只能在有限的時(shí)間內(nèi)進(jìn)行。跟蹤每個(gè)操作人員執(zhí)行的每個(gè)步驟太耗時(shí)，無(wú)法在所有生產(chǎn)線上實(shí)施。因此，工作流數(shù)據(jù)是不完整的，需要更多的時(shí)間來(lái)整合然后進(jìn)行分析。這種對(duì)修改不正確程序的延遲響應(yīng)可能會(huì)導(dǎo)致質(zhì)量問(wèn)題、生產(chǎn)力降低甚至工作場(chǎng)所事故。

這些技術(shù)可實(shí)現(xiàn)一致且持續(xù)優(yōu)化的SOP監(jiān)控和評(píng)估，使生產(chǎn)部門(mén)能夠?qū)氋F的時(shí)間轉(zhuǎn)移到執(zhí)行更有效率的任務(wù)上。人工智能視覺(jué)的實(shí)時(shí)分析還使他們能夠立即響應(yīng)錯(cuò)誤的程序，從而節(jié)省返工成本和材料損失。它還可以防止操作人員在使用不正確的程序操作時(shí)發(fā)生危險(xiǎn)。全面監(jiān)控還可以幫助識(shí)別可能需要進(jìn)一步培訓(xùn)以提高操作人員的技能。

智能制造的未來(lái)發(fā)展

制造商渴望轉(zhuǎn)向能夠處理大規(guī)模定制的智能工廠。為實(shí)現(xiàn)這一目標(biāo)，傳統(tǒng)的生產(chǎn)理念需要徹底改變。數(shù)字化轉(zhuǎn)型將使智能工廠能夠在不改變生產(chǎn)線、布局或工人分配的情況下制造多種產(chǎn)品。AMR機(jī)器人可以拿起生產(chǎn)所需的零件和工具并將它們交付到工作站。在工作站，自治機(jī)器人生產(chǎn)產(chǎn)品，在完成之后，通過(guò)自治物流渠道將其拾取并直接發(fā)送給客戶。因此，制造行業(yè)的工作方式可能會(huì)改變。例如，工作人員將不再需要進(jìn)入危險(xiǎn)場(chǎng)所，而是可以使用增強(qiáng)現(xiàn)實(shí)(AR)和數(shù)字孿生技術(shù)在辦公室中實(shí)現(xiàn)實(shí)時(shí)可視化和監(jiān)控運(yùn)營(yíng)。

雖然支持P5G的物聯(lián)網(wǎng)連接是智能制造的數(shù)字骨干，但人工智能技術(shù)是大腦，可以做出控制整個(gè)系統(tǒng)的決策。而人工智能和物聯(lián)網(wǎng)的結(jié)合為帶來(lái)了AIoT，提供了能夠自我糾正甚至自我修復(fù)的智能互聯(lián)系統(tǒng)。