有線連接及其給工業4.0帶來的挑戰
如今，有線網路仍然是工業設施中使用最廣泛的通信和資料傳輸介質，有線連接的廣泛使用基于兩個重要因素，分別是：集成到車間設備中的連接技術和可靠、低延遲的資料傳輸能力，
對于有線網路來說，無論工廠的地理位置如何，其連接的通路通常都是可用的，這就是為什么它總被用于重要工廠系統的資料傳輸，此外，利用大型的、且在其整個生命周期中都停留在一個位置設備的設施，由于其本身靜態特性的持久性，它們依賴于有線的網路或電纜連接，
盡管如上所述，有線連接可提供多種好處，但未來工廠中采用工業4.0會對有線部署帶來一些挑戰，工業物聯網（IIoT）設備的大規模部署及其運行所需的互聯性是有線網路難以為其提供適當解決方案所面臨的挑戰之一，
當今車間中部署的許多IIoT設備均未配備有線連接器，這些IIoT設備旨在通過無線連接到Internet，隨著IIoT的采用率持續飆升，盡管緩慢，但有線連接器將在一定程度上被逐步淘汰，
IIoT，邊緣設備和智能制造設備的大規模部署也給有線連接的使用帶來了挑戰，大型設施布線以及維護所使用的物理電纜，連接器和工具的成本是為了保持連接所必須支付的經常性成本，
在分析在大型設施中使用有線網路的成本時，鋪設電纜和將電纜插入工廠設備的勞動力成本也必須被考慮進去，這樣一來成本便上升了，
無線網路，5G和未來工廠
未來的工廠將依靠資料驅動的業務模型來增加收入并向最終用戶提供產品或服務，據估計，到2025年，制造業將從其提供的服務中獲得比其銷售的產品更多的利潤，這一趨勢預計將滲透到所有與工廠相關的商業模式中，
為了在采用資料驅動的業務模式的同時提供優化的服務，我們需要一個可靠的、負擔得起的網路，無疑，5G和工業無線網路有望成為未來資料驅動工廠的驅動力，因為它們為工業4.0面臨的重要網路挑戰提供了答案，這些挑戰以及5G如何提供解決方案包括:
對時間要求嚴格的流程優化
如果無法進行實時的資料處理，工廠中有大量對時間要求嚴格的系統和操作可能會偏離軌道，這些系統包括使用自動導向搬運車系統(AGVs)的導航車間、邊緣設備、協作機器人和設備，
以自動導向搬運車系統為例，人們希望這些車輛能在整個設施場所中運輸貨物，但如果車輛拖著有線電纜穿過車間可能會導致事故，所以人們對自動導向搬運車進行編程使之可以可通過無線網路接收指令，
能夠進行極低延遲通信的5G無線網路提供了確定的Wi-Fi AGVs所需的時效性導航程序，偏離軌道的AGV也必須能立即受到控制，以避免發生事故，
在這種情況下，可穿戴設備可用于控制AGV，為了使其能實時作業，需要一個連接兩種資產的無線網路，因為當事故發生時，有線電纜可能會斷裂，
遠程機器監視和服務
遠程機器監視以及提供遠程維護或維修服務的選項取決于網路物體系統和增強現實（AR）的可靠性，對于遠程機器監控，工廠設備必須能夠實時地將機器資料傳輸到云上，而不受位置的限制，與有線電纜相比，5G網路提供了更可靠和直接的傳輸路徑，
遠程維護服務還遵循將機器資料傳輸到服務提供商可以訪問的中央網路的模式，然后，服務提供商在依靠AR協助車間技術人員的同時訪問這些資料，在這種情況下，無線網路可給工廠提供：提供遠程服務所需的互連性和互操作性，
系統互操作性
工業4.0包括優化車間操作和其他相關操作，以確保企業向其客戶或消費者提供優化的服務水平，例如，供應鏈中斷將導致停機，從而影響工廠滿足其生產時間表的能力，因此，一個全面的資料驅動的工廠績效優化業務模型必須考慮供應鏈和庫存管理方面的挑戰，
在此示例中，使用物聯網設備和供應鏈軟體來管理供應鏈和庫存，從軟體和部署的設備中收集的資料必須在工業云平臺中進行集成和處理，以此來制定準確的生產總體計劃和運營時間表，5G網路提供了將資料從現場IoT設備傳輸到集中位置進行處理所需的連接性，
結論
未來的工廠將依賴于車間內的資產和部署在其他地點的資產之間的互連和互操作性，無線網路，特別是5G，將提供所需的低延遲和高帶寬，以自動化和優化未來車間內將出現的各種操作和工業4.0用例，
附錄1——手持式人機界面（HMI）
EXOR的手持式H3 HMI系列是您手中的真正HMI：功能強大且易于編程，可滿足您的需求，
市場上的一些特殊領域，必須嚴格注意管理手持設備使用的嚴格安全法，EXOR的手持式H3是滿足安全移動要求的理想選擇，
附錄2——低成本高質量HMI——eSMART
考慮到非常特定的應用程式，我們將eSMART簡化為最基本組件，功能強大，美觀，性價比極高，
設備的前部保持了IP66的防護等級，并通過了全球低成本行業所不具備的認證，可在最危險的環境中使用，配套軟體JMobile的獨特連接能力（X平臺內的軟體）使eSMART可以與龐大的關鍵協議庫以及OPC UA標準和pub /通信子服務器和客戶端，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/171875.html
標籤：其他