《5G全连接工厂建设白皮书（征求意见稿）》发布-电子发烧友网

近日，中国信息通信研究院、工业互联网产业联盟共同发布《5G全连接工厂建设白皮书（征求意见稿）》（以下简称“白皮书”）。

白皮书在《5G全连接工厂建设指南》的指引下，在深入研究企业数字化转型发展过程中遇到的问题、探索5G在工业生产中发挥的作用、论述当前工业互联网基础设施建设情况、总结“5G+工业互联网”发展成效等工作的基础上，进一步探讨5G全连接工厂创新发展的重要意义，分析5G全连接工厂内涵，研究提出5G全连接工厂建设框架和建设实施方案等，为各地方、各企业开展5G全连接工厂建设提供参考。

后续，联盟将和大家一起深入研读白皮书中部分精华内容。

5G全连接工厂建设实施方案——厂区现场升级

5G全连接工厂相对传统工厂而言，重点从现场装备、IT /OT融合应用、生产服务等三方面进行升级。

现场装备网络化改造

当前，工厂内仍然存在大量的设备、系统、物料等不具备联网能力，这将导致设备使用情况、系统使用情况、物料信息等不能及时获取，导致生产资源的浪费、生产效率的低下、运营管理的粗放等问题。企业可通过有线网络或无线网络，将人、机、料、法、环、测等接入到网络中，以便及时发现或获取相关信息。工厂内的数控机床、压缩机、电动机、精密检测、离心泵等没有移动需求的设备可采用有线方式。而AGV、叉车、机器人、码垛机、工业相机、挖掘机等有移动需求的设备可采用无线联网方式。

图1：5G全连接工厂人、机、料、法、环、测等联网内容示例

5G作为无线网络技术的一种，在工业生产中可替代原有七国八制的多种工业无线网络技术。5G对其他工业无线网络技术可替代性分析如表1所示。

表1：5G对其他工业无线网络技术可替代性分析

设备或系统可进行5G化改造的特征有以下三种：

（1）部署需求：具有可移动、灵活化等部署需求的设备.

（2）作业需求：具有摆动、旋转等作业需求的设备。

（3）性能需求：数据流量大、高可靠、低时延等性能需求的设备或系统。

设备的5G化改造方式有以下两种：

（1）可以采用外接5G终端/网关的方式，完成设备的5G化改造。现阶段主要是通过连接5G CPE或5G工业网关进行改造。其中5G CPE适用于现场有移动和旋转摆动设备，有无线连接需求的工业场景；5G工业网关适用于在工厂边缘侧对于数据有汇聚、处理需求，作为边缘网关的应用场景。

（2）内置带有5G功能的芯片、模组、传感器等，完成设备的5G化改造。伴随着5G URLLC技术的发展，5G模组将提供类似于传统工业模组的功能，工业现场设备（如IO/变频器/PLC等）可内置集成5G URLLC模组，实现从传统工业模组向5G模组平滑过度。

在人、机、料、环、环、测等全面联网后，便可通过人工输入、系统导入、自动感知、设备读取、视频采集、系统生成等方式，对研发数据、生产数据、运维数据、管理数据、外部数据等各类生产运营管理所需的数据进行采集。采集到的数据应包含但不限于海量的关键价值数据、接口数据、信息化数据以及文档、图片、音频、视频等类型数据。

图7 5G全连接工厂人、机、料、法、环、测等数据采集内容示例

其中可通过5G网络传输的数据特征如下：

• 视频

• 声音

• 质量较高的图片

• 海量的文字数据

• 时延、可靠性要求较高得指令信息

IT/OT应用融合化部署

在传统工业企业中，IT系统应用和OT系统应用是由不同的团队进行建设和管理，其中IT系统应用一般由具有计算机、软件等背景知识的人员组成团队进行研发，主要是实现企业的信息化，提高生产管理运营能力。OT系统应用一般由工业控制等背景知识的人员组成团队进行研发，主要是实现生产制造的自动化。IT与OT之间存在一个物理或虚拟的“墙”进行隔离，相对独立。近年来，企业在推动数字化转型过程中，亟需实现设计、研发、生产、销售、服务、管理等全环节的数据共享与快速流转，以满足提高产品质量、提升企业生产效率、降低企业运营成本、快速响应市场需求等。

在5G全连接工厂建设中，建议改变原有工厂内IT-OT系统应用建设运营方式，组织IT-OT融合团队，对IT-OT进行一体化部署，通过应用软件或系统功能的云化部署，研发面向工厂生产、运营、管理等需要的各类移动端应用程序（APP），建立起扁平化、灵活化 “云-边”协同架构，形成IT-OT应用的统筹建设、统一运维、统一管理，并促进形成工厂内同时要加快推进云网融合，实现网络资源、计算资源、平台资源等横向打通，提升工厂生产运营管理效率。

图8 5G全连接工厂IT/OT应用“云-边”协同架构

将应用软件或系统功能的云化部署，可实现本地设备、系统的轻量化。云化部署的对象包含设备功能、生产控制系统、工业软件、企业信息化管理系统及软件等。云化功能的特征包含具有远程调用、资源共享、高算力性能等需求的功能，如云化AGV、云化机器人、云化PLC、云化SCADA、云化MES、云化机器视觉检测平台、云化企业资产管理系统等。

企业可根据生产现场需要将应用部署在边缘计算节点和企业级工业互联网平台上。建议对高实时性、高可靠性、高安全性的应用按需部署在边缘计算节点上，通过边缘计算、人工智能等技术，为生产的端侧就近提供智能化服务，提升企业的生产效率。对需要海量数据支持、高算力的应用及相关管理系统功能等部署在企业级工业互联网平台上，可通过云计算、大数据、人工智能等技术，对设备、产品、生产工艺、企业管理等模型进行训练，持续优化生产工艺，实现工厂各生产环节的数字化转型升级。

生产服务智能化升级

工业企业在数字化、网络化、智能化发展的过程中，对生产服务提出了新要求，如平台化设计、智能化制造、网络化协同、个性化定制、服务化延伸、数字化管理等，这些新型的生产应用模式，需要基于海量工业数据，通过端到端的数据深度集成与建模分析，实现数据驱动的智能应用。

工业数据建模是工业经验与数据科学的有机结合，通过工业问题定义、工业数据选择、数据预处理、特征工程、算法选择、模型训练、模型评估、模型应用、模型迭代优化、模型变更等环节，循序渐进的逐步建立起数据模型，并随着技术演进和生产运营管理所需，形成螺旋式上升的方式持续优化模型。其中工业问题定义，是将工业问题转化为清晰的数据问题。特征工程与算法选择，是将复杂工业场景抽象化并与恰当算法进行匹配。模型化迭代优化，是基于现场应用效果和海量数据，不断优化模型，提升应用能力。

在工业数据建模与分析中，建议不断积累和沉淀专业领域知识、工业生产实践经验、已知工业机理等，构建工业机理模型，以实现数据分析应用，并综合利用数据统计、机器学习、人工智能算法等，实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。当前工业数据高级分析算法主要以机器学习为主，可基于回归算法、贝叶斯算法、关联规则算法、聚类算法、决策树算法、深度学习算法等。数据分析工具主要以集成算法包的开源数据工具为主，如Python、R或两者的结合等。

白皮书目录