5G+工业互联网背景下促进制造业数字化发展

2022-03-18葛静娴江苏省广电有线信息网络股份有限公司

环球市场 2022年14期

葛静娴江苏省广电有线信息网络股份有限公司

制造行业朝着数字化的趋势而不断地发展，已经成为行业发展的主要趋势，因此在实际工作中需要融入新型的技术方案，逐渐地提高制造行业的发展水平，比如要适当的增强5G和工业互联网的研究力度，和制造业数字化发展模式进行相互的匹配，调整现有的发展方案，从而为我国制造业数字化发展增加新的活力。

一、5G与工业互联网在制造数字化中的应用作用以及发展前景

（一）5G与工业互联网在制造数字化中的作用

机械制造领域在新时期下朝着自动化和智能化的方向而不断地发展，其中5G与工业互联网的应用是必不可少的，通过5G与工业互联网能够提高整体的生产效果，指导后续自动化的发展路径，不断地扩大机械产品的生产规模，使得生产精准性能够得到充分的提高，减少企业在生产中的投入成本。在5G与工业互联网利用时能够开展更多的仿真模拟实验，减少在生产制造中的误差，生产出更加高品质的产品，满足各行各业的生产需要。另外在数字化技术利用的过程中，能够保证整体制造过程中的安全性，及时的发现在制造中所存在安全隐患，提出更加科学的优化措施，消除安全隐患，保障生产工作的顺利进行。最后在制造业发展中融入5G与工业互联网，还有助于实现资源的科学配置，例如做好人力和物力的科学调配，并且减少由于人为失误而对后续生产制造所产生的影响，逐渐地完善整体的工作模式，从而为制造业行业稳定发展奠定坚实的基础。

（二）发展趋势

1.虚拟化

随着我国当前科技水平的不断提高，制造业逐渐朝着虚拟性的方向不断地发展，能够弥补在以往工作中的不足，在技术发展过程中，在生产一款零部件时，可以利用5G与工业互联网自动化完成数据的核算并且进行制造后的模拟，及时的发现在机械设备生产工作中所存在的问题。另外还可以通过虚拟化的电子技术在网络平台中开展虚拟性的生产，通过观察模型和虚拟实验的方式找到其中所存在的问题之后，直接可以在平台中进行全面的整改，防止在生产工作中存在诸多的偏差[1]。这样一来既可以提高实际的生产效率，还有助于降低在生产过程中存在的成本浪费问题，提高最终的生产水平。

2.智能化

从我国当前发展现状来看经验，生产制造已经朝着智能化的方向不断发展，并且已经满足智能化的标准，但是时代是不断发展的，在实际工作中需要加强对技术的研究力度，更加贴合日常的生产需求，避免出现资源浪费的问题，促进行业的不断进步以及发展。在实际工作中可以通过5G和工业互联网解决在以往工作中的各项误差，满足资源配置的要求，同时也可以将5G与工业互联网融入其中，以此来增强系统的智能性和全面性，比如可以在系统中融入视觉修复功能技术。在开展某项生产工作时，可以直接地找到问题发生的原因，采取更加科学的解决措施，并且可以自动化的处理，跳过人工操作和审核的这一环节，全面提高工作效率和精准性。在实际工作中，相关研发人员需要做好技术的研究力度，根据实际的生产需要和行业发展标准，组合不同的技术方案，全面提高整体的生产效果。在5G与工业互联网应用时要考虑节能环保方面的要求，避免对周边环境产生一定的影响，以此来优化整体的工作模式和流程。

二、5G与工业互联网在制造数字化发展中的具体应用

（一）模糊推理系统

模糊推理系统为5G与工业互联网中的重要代表，有效提高了各项工作效率，在系统中能够更加准确性的判断信息，并且完成后续的数据传达，利用科学的语言来组织不同的生产思路，以此来提高整体的生产效果。在制造业中融入模糊推理系统，可以准确地分析庞大的数据，提取关键有价值的数据信息，为后续制造生产工作提供重要的保障。虽然模糊推理系统的优势较为突出，但是在应用时也会存在一定的不足，例如在系统连接方面稳定性很难得到充分的保障，因此在实际生产时要通过系统方案的完善以及创新，充分的发挥模糊推理系统本身的技术优势，以此来发挥5G与工业互联网的应用价值，提高整体的生产和制造效果。

（二）神经网络的运用

神经网络能够快速地将有关生产制造的数据传送到相对应的网络中，并且更加高效率的完成信息的保存以及分享，这样一来在实际制造业发展中，如果生产人员出现某些问题，那么可以通过神经网络快速的传达相对应的信息，和其他生产人员开展深入性的沟通以及联系，全面的提高整体的生产效果。其次在神经网络技术运用的过程中，能够将数据进行动态化的处理，尤其是在后续生产中如果出现变动数据的话，那么可以将数据录入到模型中构建新型的模型数据，以此来提高整体的处理效果，避免再次出现人工返工的情况，节约整体的操作时间，保证最终生产制造的精准度[2]。最后在神经网络利用的过程中，能够根据数据分析结果来提取相对应的价值信息，并且根据神经元的反射特点进行数据信息的保存，以此来提高整体的生产效果。从中可以看出在当前制造业发展中融入5G与工业互联网的优势较为突出，因此需要相关工作人员加强对技术方案的实施力度，优化整体的制造业发展模式。

（三）故障诊断系统

故障诊断系统包含了故障案例库和故障推理库等等，根据模型诊断和案例推理来创新整体的建设及制造方案，保证生产的精准性以及高效性。在实际操作时，生产人员需要通过人机界面来检测整个制造业发展方案，并且快速地完成信息的录入，系统要根据分析和判断功能，在数据库中查找相对应的资料来审核这一生产方案是否科学和可行，之后再用调整的结果和相似案例进行相互结合，以此来分析当前机械生产方案的科学性。最后给相关生产人员提供诸多建议，形成生产方案，提高整体的生产效果。

（四）自动识别技术

自动识别技术在制造业发展中的应用也是非常宽泛的，在具体应用的过程中能够减少在后续制造中的安全事故，达到良好的控制效果。例如在进行制造数字化时，如果发生情况，可以立刻被传感器所感知，之后将警示信息传递给相对应的设备操作人员，防止现场发生较严重的安全事故。在进行机械识别中要配合着超声波传感技术和自动识别技术，精准性的完成现场指导过程的全面监督，以此来提高整体的工作效果。其次，在当前制造业发展中，难免会存在着复杂的动态模型，一些适应能力较差的机械工程很难做出基本性的判断，发现在制造中所存在的安全隐患。因此，在实际工作中，需要通过5G与工业互联网的科学利用保证后续生产工作的顺利进行，通过全过程的监督以及管理减少安全事故发生的概率，从而使制造工作能够更加科学地进行。与此同时，在自动识别技术应用的过程中，还可以配合相对应的信息系统进行生产制造流程的科学编排，提前向相关人员发布在生产制造中的重点以及可能存在的隐患，为后续的建设及制造顺利进行提供重要的帮助。

（五）PLM系统

在系统规划时需要深入的分析企业当前的发展现状以及战略发展目标，研究对象的本质性内容，完成科学性较强的系统规划，在实际工作中需要根据企业档案信息化管理的目标，完成经营过程的有效构建，从而提高企业当前柔性管理的工作模式。同时还要加强对新技术设备的投入力度，实现平台的优化性重组，从而快速的发现在企业发展过程中所存在的问题，另外还需要全面解决在企业发展过程中的各种矛盾，优化经营管理模式，从而使各个操作流程能够具备通畅性的特征[3]。在机械制造行业发展过程中，大多数都采用二维图样或者是三维图样来进行审核，电子数据和档案广泛的存储于各个计算机中，但是在实际实施时并没有统一性的规范和要求，因此会浪费大量的时间，所以在实际工作中需要加强对证据进行重视程度，防止存在资源浪费的问题，在实际工作中需要根据电子数据的特征实现规范性的管理，优化电子处理模式的审核力度，在界面层中需要提供交互式的图形界面完成数据的输入和输出，在功能层中需要根据产品研发的整个过程，实现快速性的控制方法，从而完成系统的集成要求。在企业信息化发展过程中，需要根据系统本身的功能实现全数据的信息化管理将图文档案管理和产品生产进行有效的优化，并且还需要开展相对应的培训工作，不断的强化相关人员的工作意识和信息化处理能力，从而提高实际的生产效果。

（六）通用车间的数据采集模式

为了使数字化车间数据采集效果能够得到全面提高，在实际工作中需要相关部门进行应用模式的科学划分，从而为后续的使用提供重要的基础。在我国相关规定中明确指出了数字化车间的相关规定及要求，因此在实际数据采集模式建立方面，要根据我国的相关标准来优化当前的数据采集模式，以此来完善整体的工作体系。在系统建立时要包含检测和执行层，属于物理管理的范畴之中，之后再检测和控制物流中的功能，根据产品的生产要求来加快信息传输的速度。在后续应用的过程中，要根据车间相关业务活动的要求，融入连续控制和离散控制的不同的组成部分之后，再配合专业务计划和物流管理等相关的调度信息来加快信息传递的速度，必要时也可以进行数据的建模之后再进行数据的分类，上传到不同的控制中心来用于后续的管理，从而提高数据传输的效果。在系统中还要建立数据采集层，要通过历史记录软件的融入，完善数据采集模式，以此来为后续工作指明正确的方向。最后在系统中要包含历史数据库车间数据的采集，包含了制造单元的直接通信系统所产生信息，另一部分包含的是周期或者事件中的车间数据。在数据采集时要通过人为和自动化的方式来满足信息采集的要求，逐渐地提高当前的工作效果。

（七）生产过程的数据采集

在生产过程数据采集方面要实现资源的科学调配，通过人力和经济之间的信息交互来了解设备运行的状态，并且配合质量检测来优化当前的数据采集模式，之后再得出质量控制的数据和生产维护的数据，以此来符合数字化车间的建立要求。在数据采集时要通过功能模块的内容来保证各个管理层设备具备较强的统一性，之后再将系统运行中所产生的数据传递到其他控制层中，以此来提高整体的工作效果。在具体应用方面要先输入数据之后，再获取数据传输的时间，建立相对应的参数以及模型，和参考值进行相互的匹配，以此来优化整体的数据传输模式。在参数生产方面需要考虑持续时间的静态值，根据机器的基本指令变化来调整相关的参数之后再融入功能模块，做好动态化的控制。在实际数据传输时，要根据采集到的数据类型来确定最终的流向，可以通过计算输出值和接收输入值等等做好数据的科学分类，以此来保证数据传输能够具备较强的精准性，凸显数据收集技术的应用优势。

（八）数字化工位数据采集

1.结构

在数据采集中要优化整体的结构模式，配合着条码采集器和指令状态传感器等不同的模块组成移动智能终端，以此来满足数据采集的要求以及标准。在实际实施的过程中，需要考虑整体车间的生产制造执行能力，真正落实信息化生产的要求，同时还需要提高数字化工位制造系统的应用效果，以此来满足数字化车间可持续发展的要求。在数字化技术操作过程中，需要将数控设备和移动终端共同的录入到车间网络中之后，如果某个设备产生数据，那么可以马上的传递到相对应的操控设备和控制中心。特别是在离散过程中，通过数据之间的相互融合，真正体现一体化的技术模式，从而提高整体的数据采集水平。

2.信息服务

在信息服务方面要建立数字化的工作站之后，再通过车间计算机网络加快数据的流通速度，并且完善企业当前的信息服务模式，贯彻落实柔性化的管理原则，逐渐地提高整体的数据采集效果。在技术应用方面要构建多元化的分布式数据采集网络，以设备网络为主要的核心，覆盖到不同的工作岗位中，并且也可以配合智能化终端进行科学的部署，多方位的满足实际的生产要求。另外在具体实施的过程中要加快数据采集的速度，比如可以通过二维码的识别和触摸屏幕等数字化的方式向相关人员提供产品流动和工序质量的信息，同时也可以将生产中出现的问题快速的上传到生产数据库中，及时地采取更加科学的止损措施。以此来提高数据采集的效果，优化整体的数据传输模式。