基于5G 边云协同的柔性智能制造技术方案

崔军勇，刘 辉

（中国移动通信集团设计院有限公司 河北分公司，山西 太原 030000）

0 引 言

随着科技的飞速发展，工业数字化正在朝着智能化的方向迈进，这一趋势已被纳入国家的重大战略规划中。《国务院关于积极推进“互联网+”行动的指导意见（国发〔2015〕40 号）》强调，以智能工厂为发展方向，开展智能制造试点示范，加快推动云计算、物联网、智能工业机器人、增材制造等技术在生产过程中的应用，推进生产装备智能化升级、工艺流程改造和基础数据共享[1]。显然，工业智能化是推动工业互联网从数字化走向智能化的关键因素。随着3C 制造业的迅猛发展，工业智能技术已经成为企业生产加工、品质检测等各个环节的重要支撑，为企业提供了更加高效、可靠的服务，极大地提升了企业的竞争力。随着3C 制造业的快速发展，批量规模和品种的多样化以及对时效性的严格要求，传统量产的产线已经无法满足市场的需求，因此研发出更具灵活性和高效率的产线变得尤为迫切。“个性化、定制化”的柔性制造技术不仅可以有效解决传统制造过程中的挑战，而且通过将其与先进的智能化技术相结合，使得柔性智能制造成为精密电子制造业的重要组成部分，具有不可替代的作用。

1 构建端边云协同架构

1.1 边云协同

通过在网络中引入切片、管控等技术手段，形成了一种新型的网络架构。该架构主要包括网络方面和技术方面的内容。是以5G 为基础，结合第五代固定网络（The 5th GenerationFixed Network，F5G）进行应用部署，实现对工厂内生产设备的远程控制和管理。其中，网络部分采用移动边缘计算（Mobile Edge Computing，MEC）平台+5G 公网组网方式，并且将其作为主要承载网络。同时，利用5G 高带宽特性以及低时延特性来满足业务数据传输需求。

1.2 云上协同

通过对网络、业务和应用等方面进行技术创新，形成了一套完整的解决方案，主要包括网络切片、管控、安全防护等方面。在此基础上，提出一种基于5G+F5G 工业无源光纤网络（Passive Optical Network，PON）固移融合网络的端边云协同架构，并给出相应的实施步骤及相关建议。该架构中，云平台负责提供计算资源、存储资源以及数据服务，而边侧设备则负责将采集到的信息传输至云平台，同时可接收来自其他设备发送来的数据。

2 5G 边云协同的柔性智能制造技术方案设计

2.1 5G 边云协同的柔性智能制造技术方案设计原则

在当前社会中，随着科技和经济水平的不断提升，人们对于产品的需求也越来越高。因此，为满足市场上不同客户的需求，需要采用先进的科学技术进行创新与改革，从而促进我国制造业向智能化、数字化方向转变。同时，将传统的生产方式改变成现代化的生产方式，并且通过这种方式提高整个产业链的运行效率，使其更加符合时代的要求。此外，在未来的发展过程中，应该加强对于信息化技术以及网络化平台的应用，以此来实现智能制造的目标。在这一背景下，文章提出一种新型的智能制造模式，即5G 边云协同的柔性智能制造技术，它主要是以互联网作为主体，然后利用大数据等相关技术，构建出一个具有较强灵活性和可操作性的系统框架，能够有效解决目前存在的问题[2]。同时，可以充分发挥出5G 通信技术所具备的优势，进一步优化现有的工作流程，最终达到提高整体工作质量的目的。此外，在实际开展工作时，一定要坚持以人为本的理念、坚持科学合理、安全可靠、高效便捷以及开放共享的原则。

2.2 5G 边云协同的柔性智能制造技术方案设计思路

随着我国制造业的快速发展，越来越多的企业开始重视智能化、数字化以及网络化。在这种情况下，传统的制造模式已经不能满足当前时代的需求，需要对现有的制造模式进行改进与创新。为实现这一目标，可以从以下几个方面入手：一是加强技术层面的研究；二是加强管理制度上的建设；三是加大资金投入力度。通过这些措施来促进企业的可持续性发展，使其能够更好地适应市场经济的变化。主要是针对智能制造中存在的问题提出相应的解决方法，并且结合相关理论知识以及实践经验，将5G通信技术融入到智能制造中，从而提高智能制造水平[3]。同时，利用5G 通信技术所具有的优势，构建出一个完整的体系架构，这样才能保证整个系统运行的更加稳定。

2.3 5G 边云协同的柔性智能制造技术方案实施

随着时代的不断进步，我国在制造业方面也取得了一定的成绩。但是由于传统的制造业存在很多问题，导致其无法满足当前社会对于制造业的需求，需要通过新的方式来改变这一现状，而5G 边云协同就是一种新型的技术手段。该项技术能够有效融合网络、计算和存储等功能，并且可以实现数据信息共享以及资源整合。这就使得整个过程变得更加灵活多变，同时提高了工作效率。此外，5G 边云协同的柔性智能制造技术方案不仅适用于工厂中的生产环节，也适用其他行业领域，如医疗、教育等。这些都属于智能化产业，所以要想让它得到进一步的推广与应用，必须先建立一个完整的系统框架，再逐步完善各个模块内容。此外，为保证技术方案的顺利实施，相关部门应当制定出相应的制度规范，从而确保各项工作有据可依[4]。最后，企业还要加强人才队伍建设，推动企业的快速发展。工业PON 的系统架构如图1 所示。

图1 工业PON 系统架构

3 基于5G/F5G 边云协同的柔性智能SMT 产线实践

在电子制造领域，零部件质量检测至关重要，它不仅影响着生产效率，还能够保证产品的质量。目前，由于技术的进步和检测工具的不断改进，许多传统的电子产品企业不再依赖人工眼睛进行检查，从而减少了生产过程中的质量事故，降低了人力成本，消除了信息孤立，提升了生产系统的效率。基于5G/F5G 工业PON 固移融合网络的工业端边云协同架构如图2所示。

图2 基于5G/F5G 工业PON 固移融合网络的工业端边云协同架构

3.1 5G/F5G 边云协同

随着网络、算力等基础资源的不断提升，人工智能（Artificial Intelligence，AI）算法模型和应用场景的快速迭代，人工智能已经进入了一个全新的阶段。为满足企业数字化转型升级对智能化生产的需求，需要在现有的“网络-算力”基础上进一步引入“数据-算法”能力，以实现更好地解决实际问题。因此，设计一种基于5G/F5G 边云协同的柔性智能表面组装技术（Surface Mount Technology，SMT）产线（以下简称5G/F5G 边云协同）方案。该方案将边缘计算与云计算相结合，通过边云协同构建出一套完整的智能制造系统架构。其中，5G 负责连接物理世界中的终端设备；而云是整个智能制造系统运行过程中所需的各种服务平台及工具，包括大数据分析、机器学习、深度强化学习等。5G/F5G 边云协同主要分为3 个部分：一是边缘侧的5G 网络部署，用于连接不同类型的终端设备并进行管理控制，如传感器、工业机器人等；二是云侧的F5G 网络部署，用于提供虚拟机、容器等功能，还可利用其强大的存储能力来保存大量的历史数据；三是边端的协同推理机制，即由边端共同完成业务逻辑处理，并最终反馈给云端作为训练样本。具体而言，在5G 网络部署方面，采用分布式部署方式，即将每个工厂都视为一个独立的5G 基站节点，这样就可以充分利用原有的无线网络设施，无需新增投资成本。另外，考虑到5G 网络覆盖范围广且具有较高的时延要求，因此在规划5G 网络时应充分考虑工厂内各区域之间可能存在的差异性，合理划分小区域，避免出现局部热点现象。此外，针对5G 网络建设初期可能会遇到的一些难点，如如何保证5G 信号覆盖质量、如何降低运营商的资本支出压力等，也做了相应研究[5]。

4 5G 边云协同的柔性智能制造技术方案测试

4.1 测试环境搭建

对5G 边云协同的柔性智能制造技术方案进行测试，为保证测试结果具有一定的准确性和有效性，需要将实验室作为主要的测试场所，利用相关仪器、设备等完成相应的操作。同时，应当结合实际情况，选择合适的生产线以及车间，并且按照不同产品类型，合理划分出相应的区域[6]。此外，可以采用智能化系统，实现对整个过程的实时监控与管理，从而更好地满足当前的需求。在具体应用时，首先需要做好准备工作：第1 步，需要明确所需使用到的各种材料，如传感器、控制器、执行机构等；第2 步，需要确定这些设备是否处于正常运行状态，如果没有正常运行则需要及时更换新的设备，确保所有的功能都符合要求；第3 步，需要针对每个环节制定完善的计划，以便于后续各项工作的顺利开展[7]。

4.2 测试内容

在对5G 边云协同的柔性智能制造技术进行测试时，需要先了解其具体应用情况。通过分析可以发现，当前很多企业都已经开始使用这种技术来实现智能化、自动化以及柔性生产，因此针对这一方面展开相应的测试工作。为保证测试结果更加准确，应当将测试范围控制在10 ～30 个，还要结合不同的设备类型选择对应的测试方法，以确保最终得到的数据能够满足实际需求。此外，由于该技术涉及较多环节，须做好前期准备工作，使得整个过程顺利开展[8]。

4.3 “工厂-车间-产线”边云多级智能推理架构

（1）串行外设接口（Serial Peripheral Interface，SPI）和自动光学检测（Automated Optical Inspection，AOI）视觉检测任务的准确性极高，以至于在生产流程中，不得不采取措施来提升图像的质量。随着对高效处理的需求日益增加，数据处理的速度已经大幅提升到了300 Mb/s 和600 Mb/s，这样的改进不仅节省了成本，而且大大降低了时延。为了提高工业视觉检测的效率和准确性，应该将其部署在产线设备上，以便更有效地实现网络传输，从而满足各种检测场景的需求[9,10]。

（2）尽管在车间级推理过程中对于产品质量的视觉检测需要极高的图像质量，但是仍然可以通过其他方式提升准确性。为了提升数据处理的效率，采用压缩编码技术，将传输速率降至30 Mb/s，实现高带宽、低时延的业务，从而使其成为一种更加先进的车间级检测场景。采用工业PON 智能工业网关的视觉检测技术，可以显著提升生产效率，该网关实时采集图像，经过精确的分析，最终将结果及时传输至生产线。

（3）在工厂级推理中，进程间通信（Inter-Process Communication，IPC）技术被广泛应用于包装贴标、产品装配工序等检测任务，具有较高的数据处理速度，可以达到8 ～10 Mb/s，是一种具有较高带宽和较低时延的业务；然而，由于识别操作的复杂性，如装配顺序，AI 的计算能力必须达到极致。由于网关和产线设备的计算能力有限，而且业务的带宽和时延要求也比较低，为了满足这些要求，建议将MEC 边缘云应用于工厂级的推理环境，从而提升其运行效率。通过5G/F5G 技术，工业网关可以实现对图像/视频的高效采集，然后将数据传输到MEC 边缘云推理平台，进行深入的推理分析，最终将推理结果发送到生产线上。

5 结 论

由于现代化信息技术的广泛应用，使得传统的制造业逐渐向智能化、数字化方向转型升级。因此为进一步推动我国制造业的高质量发展，就必须对其进行深入研究与分析，并结合实际情况来制定相应的解决措施。其中，通过将5G网络技术融入到智能制造中，能够有效提高工厂生产过程中信息数据传输效率，同时可以实现车间内各设备之间的互联互通以及资源共享等目标。此外，利用5G 边云协同系统不仅可以帮助相关工作人员更加高效地完成各项任务，而且可以降低人工操作失误率，从而促进我国制造业朝着智能化方向发展。