私有5G和AI技术将加速从自动化到自治的过渡到自治的渐进路径。然而，直到最近，网络连接才以有线工业以太网的形式出现，这具有巨大的安装成本，并使灵活制造变得困难。高级WiFi和4G等无线解决方案提供了更大的灵活性，但没有提供更高的速度和更大的带宽，而且尽管4GLTE可以满足这些标准，但它具有更多的网络延迟。在这里，我们着眼于私有5G(P5G)以及它将如何支持先进和新兴技术，包括AI驱动的相机，从而使制造商能够将更多功能推向边缘。私有5G改变游戏规则的低延迟与其高带宽相结合，可以提供对制造过程的近乎实时的洞察力。例如，从自动导引车(AGV)到具有群体智能的自主移动机器人(AMR)只是一个开始。本文介绍了5G连接的支持AI的设备可以感知其环境并相互操作以更快做出决策的用例。最后，本文展望了近期和中期的未来。物联网发展的四个阶段连接、存储和计算能力是实现物联网的基础。将传统操作转移到智能工厂的第一个障碍是不同的机器安装可能使用不同的控制技术（如PLC、PC和MCU）和各种机器协议（如Modbus、DeviceNet、CAN总线甚至专有协议）.许多旧机器甚至缺乏通信能力。第二个障碍是机器制造商开发了专有源代码，这使得工程师很难更改或升级以最好地满足特定要求。最后，一些生产工厂不愿意让系统集成商为当前安装的机器添加、删除或修改应用程序。对于这些类型的应用，物联网公司已经开发出有效连接旧机器的解决方案，目前正在进入第一阶段。例如，具有数据提取功能的解决方案可以远程控制未连接的设备并从中检索数据，将基本数据从没有输出的设备传输到网络。最初的物联网部署本质上是被动的，具有有限的计算能力和用于简单任务的嵌入式控制器。从传感器和其他设备收集的数据集中存储在数据湖等位置，并基于大数据架构进行处理和分析。来自分析的见解用于可视化现场数据以了解模式和任何相关性。机器操作员使用其中的许多见解进行预测性维护，以最大限度地延长机器正常运行时间，提高生产率并节省成本。第二阶段通过边缘设备和连接将工厂带入一个更加活跃的环境，以与工业物联网(IIoT)网络中的其他边缘设备共享结果。通过将人工智能添加到组合中，IIoT实施不再仅仅呈现发生的事实，而是可以自动采取行动。群体智能的引入可以使用可以在本地相互交互的简单边缘设备，从而进入第三阶段。群体智能是一个在昆虫群落（如蚂蚁和蜜蜂）中发现的概念，是实体之间的集体互动。为了适应制造环境的动态演变，实体组自组织以协调的方式快速移动。尽管蜂群的容量和规模有限，但这种低水平的自治是建立在认知人工智能和机器学习技术的基础上的。要使物联网技术真正无处不在（物联网第4阶段），需要降低延迟水平以实现实时决策，并且物联网部署需要更加自主地运行。专用5G被视为一种连接解决方??案，可将更多智能推向数据网络边缘并减少延迟。与此同时，人工智能物联网(AIoT)技术正在逐渐降低人类决策在许多物联网生态系统中的作用。近期网络连接技术大多数物联网实施目前处于第二阶段，使用有线工业以太网与WiFi、4G和最近的4GLTE技术的组合作为连接到现场设备的主干。这些无线连接技术在速度和带宽方面有限制。此外，延迟（数据在两点之间传输所需的时间）正成为症结所在。甚至考虑具有200毫秒延迟的超快4GLT，这对于一些决策行动来说足够实时，但对于安全关键决策来说还不够快，例如关闭机器以避免致命事故。5G的前景虽然公共5G的推出引发了对数据安全的担忧并且可能无法提供一致的延迟，但企业范围内的私有5G(P5G)的推出正在加速。私有5G的特点是低延迟，4G为200毫秒，P5G为1毫秒。P5G的高速度和带宽，以及用于智能的人工智能和机器学习技术，使工厂操作员能够近乎实时地洞察制造运营。这适用于机器人、相机、车辆和所有需要可靠、安全、实时的网络来共享信息的边缘AI应用程序。如何结合这些技术的一个很好的例子是自主移动机器人(AMR)和机器视觉，以提高生产力和工人的人身安全。从AGV到AMR例如，从AGV到具有群体智能的自主移动机器人(AMR)只是一个开始。AGV需要昂贵的基础设施和额外的物理安全措施。另一方面，多个AMR可以在很少或没有人工操作员监督的情况下工作。他们可以感知他们的环境并相互操作以做出分散的决策。除了AIoT之外，第二代机器人操作系统(ROS2)是群体自治的使能技术之一。机器人软件开发的开源框架集成分布式数据服务（DDS），提供统一的数据交换环境，像数据河流一样集体共享数据。它允许多机器人协作和可靠、容错的实时通信。AMR使用该软件在边缘设备之间实时共享数据，避免了将数据发送到云端的成本和延迟。SOP合规性监控另一个利用AI机器视觉的场景是标准操作程序(SOP)监控。SOP旨在优化产品质量和周期时间，并保护工人的人身安全。然而，人为错误是一个主要的失败因素。传统上，工业制造商通过手动监控来审核SOP合规性。不同的生产部门之间的手动监控可能会有所不同，并且通常只能在有限的时间内使用。跟踪每个操作员执行的每个步骤太耗时，无法在所有生产线上实施。因此，工作流数据不完整，需要更多时间进行整合和分析。这种对修改不正确程序的延迟响应可能会导致质量问题、生产力下降甚至工作场所事故。这些技术实现了一致且持续优化的SOP监控和评估，使生产部门能够将宝贵的时间转移到执行更高效的任务上。AI视觉的实时分析也使他们能够立即对错误的程序作出反应，从而节省返工成本和材料损失。它还可以保护操作员在使用不正确的程序操作时免受危险。全面监控还有助于确定提高操作员技能可能需要的进一步培训。智能制造的未来制造商渴望转向能够处理大规模定制的智能工厂。为实现这一目标，需要彻底改变传统的生产观念。数字化转型将使智能工厂能够在不改变生产线、布局或工人分配的情况下制造多种产品。AMR机器人可以拾取生产所需的零件和工具，并将它们运送到工作站。在工作站，自主机器人生产产品，完成后，它们被取走并通过自主物流渠道直接发送给客户。因此，制造业的运作方式可能会发生变化。例如，员工可以使用增强现实(AR)和数字双胞胎来实时可视化和监控办公室的操作，而不是进入危险场所。虽然支持P5G的物联网连接是智能制造的数字支柱，但人工智能技术是做出控制整个系统决策的大脑。人工智能与物联网的结合，将AIoT带入了物联网，提供了能够自我纠正甚至自我修复的智能互联系统。
