基于富士康云平臺BEACON的5G+刀具智能生產應用
1 概述
1.1 背景
5G是最新一代的蜂窩移動通信技術，其最大的特征是推進人機物海量互聯，具有大帶寬、低延時、高可靠等特性，不只具有消費應用的前景，更能支持實體經濟發展。工業互聯網核心內涵是數字化、網絡化、智能化。5G賦能工業互聯網，將催生全新工業生態體系，二者融合將推進制造業高質量發展。
但是如今的制造領域中的多數場景仍然采用有線通信技術，包括：專用工業以太網技術(如：serco?、PROFINET?和EtherCAT?)和現場總線技術(如：PROFIBUS?、CC-Link?和CAN?）。在現場級，工業現場總線被大量用于連接現場檢測傳感器、執行器與工業控制器。由于安全性、時延和可靠性要求較高，只是少部分場景使用無線通信技術。
1.2 實施目標
富士康工業互聯網股份有限公司全力打造基于富士康云平臺BEACON的5G+刀具智能生產應用，依托富士康跨行業跨領域工業互聯網平臺，通過5G+物聯網技術連接設備提供海量工業實時數據，構建工業機理模型智庫；通過研發設計、生產制造、運營管理的高效協同，實現全要素資源優化配置；針對精密刀具行業普遍存在的新產品研發周期長、調機補正時間長、過度依賴人工經驗、人工抽檢效率低、刀具使用成本高、刀具壽命管理粗放等痛點問題。從而全面提升刀具生產效率和品質，打造刀具專業云精密機加工整體解決方案。
圖6-1 整體架構
1.3 適用范圍
基于富士康云平臺BEACON的5G+刀具智能生產應用，以服務精密刀具加工行業數字化轉型為出發點，目前已在基準精密工業等精密刀具生產加工企業進行了實際應用，預期未來三年會推廣至全國15%的刀具生產加工企業。
1.4 在工業互聯網網絡體系架構中的位置
圖6-2 工業互聯網互聯示意圖
本方案旨在利用低延時、高可靠的5G技術的引入，增強工業場景上行傳輸水平；降低工業數據傳輸時延與干擾；加強邊緣運算效率，滿足用戶在計算、存儲和網絡資源數字化中對敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求；并且實現通信頻譜的共享，降低生產制造流程中的干擾。這有助于加速推動智能制造的關鍵環節與產品全生命周期管理集結，加深信息化和工業化的有機融合，實現智能制造的國家級戰略目標。
本方案涉及到從設備中采集數據及與云平臺算法模型交互，符合以下工廠控制系統與工廠云平臺交互范疇，對應工業互聯網網絡體系架構中的第五點。
2 需求分析
同類型解決方案商如GE、西門子、PTC、施耐德等，在設備聯網和數據采集方面過渡依賴新型數字化機臺，與國內機臺型號繁雜的實際情況并不相符。另外，在工業應用方面，國內外刀具行業生產制程與工藝流程各不相同。富士康經過三十多年的生產積累，接觸大量國內精密工具制造上下游供應鏈，沉淀了海量的刀具行業工業數據和工業機理模型，利用5G 低延時，高可靠的優點，通過物聯網技術將雜亂的數據格式標準數據上傳到云平臺，針對實際情況對癥下藥，直擊國內刀具制造企業痛點。
3 解決方案
3.1 方案介紹
基于富士康云平臺BEACON的5G+刀具智能生產應用，采集刀具生產設備中關鍵有效微觀納米的生產信息，結合大數據的思維邏輯加以有效分析和充分應用，實現車間數據可視與智能應用決策功能，從而全面提升刀具生產效率和品質，打造刀具云精密機加工整體解決方案。刀具云整合富士康在超精密機加工領域數十年的刀具設計與使用經驗，為客戶提供定制化刀具設計、智能制造和刀具使用壽命智能優化的應用，包含自動出圖、智能調機、壽命預測、加工參數優化等應用，降低企業的產刀用刀各方面成本。除此之外刀具云還提供精密加工過程中用到的優質原材、工具、裝備以及耗材采購服務，協同辦公服務等，打造以刀具為中心的全生態一站式服務。
3.1.1 5G網絡搭建原則
在建設結構合理、功能完整的網絡系統的前提下，本方案從功能性設計、實施和運維幾個方面考慮以下內容：
（1）、高可靠性設計：選用高可靠性設備，設計合理的網絡冗余拓撲結構，制訂可靠的網絡備份策略，提供可供實際業務使用的相對穩定的網絡服務，保證網絡具有故障自愈的能力。
（2）、可擴展性設計：所部署系統要具備擴容能力。
（3）、網絡安全設計：從用戶身份認證、設備合法性檢查、傳輸信息加密等方面給出方案安全保障實施要點。
（4）、網絡靈活設計：從對信號的控制，優化部署，人員接入便利性等角度優化網絡，實現靈活易用。
（5）、可管理性設計：整個系統的設備應易于管理，易于維護，便于進行系統配置，在設備、安全性、數據流量、性能等方面得到很好的監視和控制，并可以進行遠程管理和故障診斷。
3.1.2 5G網絡架構
5G網絡覆蓋是本項目中最基礎、最重要的方面。本項目采用5G室內分布系統和小基站系統兩套系統來保證室內5G信號的連續覆蓋。
圖6-3 系統組網
系統組網連接如上圖所示。RHUB使用光電復合纜連接遠端單元RRU，RRU含內置天線實現5G信號覆蓋。
3.1.3 5G小基站系統
針對不同區域的使用的不同終端需求不同，在覆蓋方面盡量做到按需分配，使用包括BBU、RHUB、RRU等5G設備進行全覆蓋。具體設備參數，及連接方式如圖6-4、6-5所示。
圖6-4 5G設備
圖6-5 5G設備組網方式
3.2 系統架構
如圖6-6中所示，系統中的核心部件包括自主研發的5G工業小基站和核心網以及相關的網絡管理軟件。這個和基于x86的邊緣計算平臺通過有線或者無線的方式（如富士康自研的WiGig無線回傳）。在邊緣計算的平臺上有專注于各種工業應用場景的APPs模塊在獨立的容器里運行。
任何這套系統通過5G無線終端和不同的工廠設備連接。同時，邊緣計算平臺也可以和工廠里已有的工業互聯網PaaS平臺以及其他工廠軟件系統如MES,ERP和WMS做對接。
1
2
3
4
5
6
圖6-6 系統結構
3.3 功能設計
3.3.1 基于海量傳感器接入的工廠監控
所有的傳感器數據通過5G無線網絡，發送到網絡邊緣節點,經過數據過濾和處理，進一步上傳到云節點，并在云節點,基于生產數據進行大數據分析以及機器學習等，獲取最優的管理規則和設備參數。最后將規則和參數下發回相關的邊緣節點，在邊緣節點處完成執行。
診斷維護是保障電子設備及生產線可靠穩定運行的重要措施。通常日常性的診斷維護工作，是由設備應用工程師在現場完成的。而對于重大、復雜的疑難問題，往往需要技術工程師深度參與，實施智能診斷維護。
智能診斷維護，是指利用大數據分析、機器學習和人工智能等技術，通過對現有經驗、知識的學習，對設備運行狀態進行智能化監測、診斷與預測，并給出該設備的維修、維護和改進決策。它既包括對設備日常運行狀態，進行監測，并給出維護及改進建議，也包括在異常發生之后，對異常原因、部位、程度等做出判斷，并進行維修決策。
智能診斷維護的依據，還也可以是現場的實時情況，即：通過AR眼鏡，將現場實時情況通過無線網絡傳輸到云端，利用云端的人工智能算法和專家，進行分析處理，并做出決策。例如：根據采集的數據及以往的經驗數據，判斷設備的某零部件即將達到使用壽命，從而給出更換指令，或者將現場不具備處理能力的異常情況，通過AR眼鏡實時傳遞給云端的人工智能系統，進行分析決策。
在電子信息制造領域，存在很多采用刀具對產品進行加工的環節。為了提升刀具的使用效率和生產效率，降低產品不良率和生產成本，生產線需要精準的在線監測或預測刀具的受損狀態。刀具在實際使用過程中，通常存在：無受損狀態、輕微受損狀態、中度受損狀態、重度受損狀態四種狀態。刀具在切削時，不同的受損狀態產生不同大小的相對摩擦力，進而產生不同幅度和頻率的振動。
3.3.2 工業VR/A
遠程協助和AR的結合也是我們在工廠環境中發掘的的另一個潛受歡迎的用例。它的理念是，能夠通過視頻流將你所看到的無線傳輸到另一個終端，以供其他人看到并指示相應的內容(例如:遠程協助)，或在邊緣計算服務器上進行進一步的處理，最終的結果被投射到視頻流設備上。前者更容易實現，因為它只需要傳輸視頻。另一方面,我們看到它在工廠環境中的普遍使用：初級工作者通常可能需要資深工作人員的幫助，而通過由初級工作者實時看到的內容可以讓高級工作人員極大地幫助他們，這比傳統的語音或文字交流更為快捷，此外，這種平臺不要求高級工作人員現場支援初級工作人員，從而能夠及時分配援助而提高工作效率。
AR智能巡檢可以大大減少巡檢人力和時間投入。巡檢時間、巡檢線路可查可控，避免了巡檢不到位的情況，提升巡檢可靠性。巡檢歷史實時同步云端服務器，數據信息可隨時調取，便于故障排查及處理。
3.4 網絡安全
本解決方案基于富士康工業互聯網平臺提供安全測試場景、網絡安全、安全漏洞檢查、攻擊監控、加密通訊、認證、驗證碼測試、認證錯誤碼提示、鎖定策略測試、認證繞過測試、找回密碼測試、修改密碼測試、不安全的數據傳輸、強口令安全測試、會話管理、身份信息維護方式測試、Cookie存儲方式測試、用戶注銷登錄方式測試、會話超時時間測試、權限管理、橫向測試、縱向測試、輸入數據測試、SQL注入測試、MML測試、命令執行測試、跨站腳本攻擊測試、GET方式跨站腳本測試、POST方式跨站腳本測試、自動化Web漏洞、AppScan application掃描、AppScan Web Service 掃描、Fortify代碼安全規范檢查、app安全檢查、綠盟安全掃描測試；方案具備備份、恢復機制可靠性。
安全防護措施如下圖所示。
圖6-7 安全防護措施
3.5 技術先進性
3.5.1 大數據、機器學習技術驅動工業數據分析能力提升
工業互聯網帶來工業數據的爆發式增長，傳統數學統計與擬合方法難以滿足海量數據的深度挖掘，大數據與機器學習方法正在成為眾多任務業互聯網平臺的標準配置。Spark、Hadoop、Storm等大數據框架被廣泛應用于海量數據的批處理和流處理，決策樹、貝葉斯、支持向量機等各類機器學習算法，尤其是以深度學習、遷移學習、強化學習為代表的人工智能算法，正成為工業互聯網平臺解決各領域診斷、預測與優化問題的得力工具。該項目大數據實時計算平臺專為海量數據實時處理而構建的提供基礎計算能力的服務平臺，從全流程的實時計算體系的角度看，整個TRC由核心的平臺支撐層和擴展的應用層構成，支持流式數據的實時處理和分布式計算框架。隨著數據量的增長，可以通過線性擴展方式實現計算性能的線性提升。該框架可以實現低延遲響應，可以支持以SQL的方式提供計算服務，屏蔽流式計算中復雜技術細節，主要應用于實時數據倉庫、實時BI報表及實時在線計算等場景。
3.5.2 基于邊緣計算的信息物理系統（核心物聯網平臺CorePro）
無論是工業4.0、工業互聯網、還是中國制造2025，其實質都是以CPS物理信息系統為核心，通過信息化與生產設備等物理實體的深度融合，實現智能制造的生產模式。對企業來講，將貴重的數控設備、機器人、自動化生產線等數字化設備，通過OPC/PLC/IO/COM等技術實現的設備聯網、數據采集，無縫的鏈接生產設備、軟件系統和操作人員，實現數字化生產設備的分布式網絡化通訊、程序集中管理、設備狀態的實時監控等。
作為邊緣計算的具體表現形式，工業CPS在底層通過工業服務適配器，將現場設備封裝成web服務;在基礎設施層，通過工業無線和工業SDN網絡將現場設備以扁平互聯的方式聯接到工業數據平臺中;在數據平臺中，根據產線的工藝和工序模型，通過服務組合對現場設備進行動態管理和組合，并與MES等系統對接。工業CPS系統能夠支撐生產計劃靈活適應產線資源的變化，舊的制造設備快速替換與新設備上線。
4 成功案例
基于富士康云平臺BEACON的5G+刀具智能生產應用成功實施，使智能系統的分析，優化產品設計方案，從而縮短開發周期30%以上；對可能出現的不良情況進行預警，從而實現設備稼動率提升10%，直通良率提升至99.5%，資源綜合利用率提升30%；降低生產現場對人的依賴，實現自動調機、自動化生產、無人化工廠，減少現場操作人員50%。
表6-1項目實施前后效果對比表
對比項 | 項目實施前 | 2017年實施情況 | 2018年實施情況 |
自動化 | 項目實施前，平均每臺設備需要1人操作，產品的運輸、上下機等都需要人員操作。 | 完成了產品的上下機自動化改造，采用機器人代替人工，從而節省20%的人力。 | 實現車間無人化 |
設備補償調整 | 加工過程中的補償調整需要人工根據測量數據及經驗手動輸入。 | 完成數據采集模塊的開發，并全面投入使用，用于收集加工、測試機臺數據。 | 核心工藝智能制造系統自動根據系統中的測試數據結合智能分析對不同機臺分別實現自動補償調整。 |
設備維護 | 定期維護或設備出現明顯異常時才停機維護。 | 收集并分析設備需要維護前的狀態，完成了振動傳感器的安裝。 | 不定期維護，維護時間取決于智能主軸及振動傳感器的監測情況，提前維護。 |
測試 | 人工測試，并且人工記錄、分析測試數據，判斷過程存在主觀性。 | 確定了智能刀把的研究方向，明確了智能刀把的技術參數。 | 智能刀把自動記錄測試過程，智能制造系統自動分析出測試結果。 |
部門協同 | 需要紙質檔簽核，無法監控各檢核段得工作效率，且不利于系統化管理。 | 完成了網絡辦公改造，實現了全部業務文件的數字化。 | 電子化流程，KPI智能管理。 |
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號