5G全连接工厂落地陶瓷行业：从网络搭建到应用实践的全复盘

5G全连接工厂这类项目在制造业圈子里前两年听得很多但真正落到传统行业、而且实实在在跑起来的其实不算多。尤其是陶瓷这种高温、高尘、连续生产的行业很多人一听就觉得“数字化改造太难了”。最近京尚实业落地了一个5G全连接工厂把陶瓷生产的核心环节全拉进了同一张网里说实话这在圈内算是比较有代表性的案子。我跟这个项目从前期调研到上线运营都深度参与了一线工作踩过不少坑也攒了一些真东西。下面这篇文章不聊概念不抄方案就从我实际操作过的角度把整个项目从规划逻辑、网络搭建、应用场景、实施节奏到避坑经验全部摊开来讲。不管你是陶瓷行业的设备工程师还是做智能制造解决方案的从业者或者正准备给自己工厂上一个类似的全连接网络这篇文章应该能让你少走不少弯路。1. 陶瓷行业的数字化欠账为什么5G在这里有真正的用武之地1.1 陶瓷生产线的“特殊体质”先说行业背景。陶瓷这个行业很多人印象里还是“泥与火”的粗放生产但实际上现在的陶瓷企业产线自动化程度普遍不低滚压成型机、自动施釉线、大型辊道窑设备单机都挺先进。问题在于这些设备基本是“各自为战”相互之间不联网、数据不上云整个工厂处于一种“自动化程度高但信息化程度低”的状态。我们进场调研时看到的情况非常典型成型车间的设备状态只能靠人工巡检记录施釉线的工艺参数靠老师傅经验微调窑炉倒是有一堆温度仪表但数据都在就地控制柜里没有任何远程集中分析。再加上坯件在车间之间要通过大量人工叉车转运地面物流和货位管理基本是纸质单据加口头沟通。整个生产链条里信息传递迟缓异常响应靠人盯着这就是陶瓷厂最容易出质量事故和管理盲区的地方。为什么陶瓷厂特别“难搞”因为它不像汽车、电子那样是标准的离散装配也不像化工那样是纯粹的流程工业而是介于两者之间前半段泥料制备和烧成带有流程属性坯体成型和冷加工又像离散制造。同时环境特别苛刻窑炉区常年高温、粉尘弥漫成型和施釉区湿气重、设备多金属机架对无线信号的遮挡损耗也很严重。这意味着上了一套普通网络还不一定能稳定扛住必须要有针对性的通信方案。1.2 5G专网和WiFi、工业以太网的分工有个问题经常被问到为什么不用WiFi 6为什么不用工业以太网重新布线事实上我们不是用5G去替代谁5G在这里是“补位”的。先说有线以太网。它的稳定性确实好但在陶瓷厂这种多移动设备、经常调整产线布局的场所大量布线既不现实也不经济。尤其是AGV、移动扫码终端、临时检测设备这些“会跑”的节点有线完全没法覆盖。WiFi在部分场景其实也能用厂区里原有的WiFi我们保留了不少用于办公网络和员工手机上网。但生产现场的WiFi有个老毛病漫游切换不稳定。AGV在车间里一跑经常从这台AP漫游到那台AP切换间隙就会出现几百毫秒到几秒钟的断连AGV控制系统一收到不到位置心跳就直接急停。在大面积、高金属遮挡、多干扰源的生产车间里WiFi的覆盖和干扰问题也特别难缠。与其在每个车间不断加AP不如换一套能在整个园区统一调度的移动通信网络。5G专网在这类场景的优势总结起来就三句话移动性无断点、带宽大、时延可控。AGV从成型车间开到窑炉车间全程不换网、不重连视觉检测设备拍出来的大图实时回传不卡顿PLC对运动控制信号的时延能稳定在20毫秒左右。更关键的是5G网络是可以按业务做隔离的生产控制、视频回传、传感器采集各走各的逻辑通道互不干扰。这一点对车间全天候连续生产太重要了。当然5G也不是万能药。对完全固定的设备我们仍然建议走工业以太网或光纤对办公区、仓库这种低速移动场景WiFi完全够用。我们的设计理念很简单让5G只去做WiFi干不好、有线干不了的事。2. 一张能扛住窑炉高温的5G专网是怎么建起来的2.1 专网架构选择用户面下沉加园区边缘计算网络到底怎么建这是项目一开始就要定的问题。走运营商公网切片和服务化专网是省事但对于陶瓷厂这种需要确定性连接的产线现场我们最终选择了用户面功能下沉加园区边缘计算的组网方案也就是把核心网的用户面网元拉到工厂机房里数据在园区内直接流通不用绕一大圈回城域网。这么做的好处非常切实。第一时延能打下来。如果所有生产数据都上送到远端核心网来回一跳就要几十甚至上百毫秒工业控制就会受不了。数据在工厂本地流转之后端到端时延基本可以控制在20毫秒以内。第二本地数据不出园区安全合规压力小很多而且即使运营商专线出现异常厂区内的生产业务依然能正常工作企业的生产连续性不会轻易被影响。配合用户面下沉我们还在机房部署了边缘计算服务器。视觉质检的模型推理、数据采集的协议转换、边缘端的告警判断都跑在本地数据经过处理后只把关键结果上传到中心管理系统。整个工厂的网络拓扑大概是这样的逻辑终端设备通过工业网关接入5G基站基站通过光纤接入园区机房机房里有用户面设备、边缘计算服务器和各类应用系统形成一个完整闭环。这一套架构对后续扩展也友好后面想加新设备、新应用只要在平台侧做配置终端插电联网就可以不用再折腾线路。2.2 覆盖设计与硬件部署窑炉区是最难的考场网络设计时覆盖范围看着不难但真正难的是在不同环境里保证信号质量。我们把厂区划分成原料区、成型区、施釉区、窑炉区、冷加工区和立体仓库六个区域每个区域的传输特性都不一样。成型车间相对友好虽然设备多、金属架多但空间开阔一个室外型基站基本就能覆盖。施釉区湿气重还有釉料粉尘设备选型要注意防潮等级我们用的都是工业级防护外壳的设备。最麻烦的是窑炉区温度高、粉尘多还有大量金属管道和窑体结构对无线信号形成遮蔽。设计时我们专门对窑炉区做了加密布站在窑炉两侧错位安装了几套工业级室分天线让信号从多个角度进入不能只依赖单点覆盖。基站天线安装位置也有讲究。起初想装在靠近窑炉的钢平台上结果实测发现窑体温度太高设备表面温度都接近设计上限长时间运行容易出问题。后来重新调整了方案把设备和天线都往远离窑体热辐射的地方移同时加了隔热板表面温度才算压下来。另外为了应付粉尘环境我们在基站防尘滤网、工业网关的通风口上都加了“防尘罩”维护成本比想象中高不少。这里面的经验是陶瓷厂做无线覆盖不能只看平面图一定要到现场看热源、看遮挡、看粉尘这些因素全都会直接影响信号质量和设备寿命。网络建成之后的实测数据供大家参考整个园区主要生产区域的下行速率平均能稳定在800Mbps以上上行速率因为业务主要是视频回传和设备数据上报也专门做了保障控制类业务端到端时延平均在16毫秒左右空口丢包率基本为零产线级别的联通完全可以满足。3. 全连接到底连了什么六个应用场景逐个拆解有了网络基础接下来才是重头戏——应用场景。很多工厂搞完网络就不知道下一步干什么其实全连接工厂的核心不在于“有网”而在于“联网之后业务模式变没变”。京尚实业这个项目里我们真正落地见效的主要是四块应用视觉质检、AGV调度、窑炉监测、全流程追溯。3.1 视觉质检把老师傅的眼光算法化陶瓷产品的外观质检传统上极度依赖人工。烧成之后的陶瓷件要经过分级检查人工目检在灯光下看裂纹、缺角、釉泡、色差、变形一个熟练工连续盯几个小时漏检率就会明显升高而且不同师傅的标准还不完全统一这就带来了品控不稳定。我们在出窑口和分级包装线部署了两套视觉检测工位。相机选的是工业彩色面阵相机配合定制光源对传送带上的产品连续拍摄。这里有一个关键细节产品是连续移动的要想拍出清晰不模糊的图像必须用脉冲光源搭配全局快门相机把曝光时间压到微秒级不然拍出来的图边缘有运动模糊算法再强也没用。拍到的图像数据量不小一张几十MB的高清原图如果走WiFi或普通网络传输延迟大还会干扰其他业务。5G的高带宽特点在这里就体现出来了图片实时回传到边缘计算服务器GPU上跑的检测模型完成推理结果在零点多几秒内返回给现场工位屏幕。模型训练是我们前期花心思最多的部分。刚开始从网上找的预训练模型直接拿过来跑缺陷召回率特别难看尤其是釉面细小针孔这种目标小、对比度低的问题模型经常漏检。后来我们现场采集了两万多张缺陷样本做了数据清洗、标注、增强在陶瓷行业脏污、光照不均的背景下反复调优模型在批量化检测上的准确率才逐渐稳定。最终实测的效果是检测节拍快于原有产线节拍漏检率比人工目检低了一个数量级操作员只需要对系统判定为“不合格待复判”的产品做二次确认劳动强度下降了很多检测标准反而比原来更统一了。3.2 AGV运输从“掉线重连”到“无缝漫游”AGV在陶瓷厂里并不是新鲜事物之前很多企业也试着用过但大多卡在同一个地方无线网络稳定性。传统车间WiFi环境下AGV过AP切换点时偶发断连调度系统以为AGV“失联”直接触发安全锁停结果就是整条线频繁急停效率还不如人工叉车。这个项目里我们一次性上线了数十台AGV覆盖原料转运、成型坯体运输、釉料配送和成品入仓等环节。所有AGV都通过5G工业网关接入网络调度系统和车身控制器之间走的是实时消息通道。得益于5G的基站间平滑切换机制AGV在各车间之间跨区运行时再没有出现过“失联”的情况。调度中心的大屏上可以实时看到每台车的坐标、任务状态、电量、故障码系统会根据产线节拍自动分配任务闲时还能自主回充电位。这个场景带来的效率提升是直接可算的。原来人工叉车需要三班倒每班配置多名司机和搬运工现在成品入仓和坯体转运基本实现了无人化人员重新安排到更有价值的检验和设备维护岗位上。而且电动物流车队因为调度更合理总行驶里程明显下降能耗和车辆磨损也降低了。3.3 窑炉监测与预测性维护减少非计划停炉窑炉是陶瓷厂的心脏也是整个工厂最不能停的设备。窑炉一旦异常停机正在炉膛里的产品全部报废重新升温到工艺温度又需要很长时间损失非常大。所以我们的重点不只是把温度数据传上来而是把数据变成可预测、可干预的智能信号。窑炉周围部署了几十路传感器包括炉内各温区热电偶、燃气流量计、助燃风压力、排烟温度、窑车运行电流等。这些信号原本都分散在就地仪表和PLC里现在通过工业网关统一采集到边缘计算平台形成窑炉运行的实时曲线。我们把历史数据和故障记录做了关联分析给关键设备建立了预测模型比如电机轴承温度异常升高之前电流频谱往往有特征变化风机振动幅值持续爬升大概率是叶轮积灰或轴承磨损。最典型的一个案例是动力风机在试运行阶段模型提前几十小时预警了振动值趋势性上升我们趁着计划内保养窗口更换了轴承。如果没去管它接下来很可能就是突发故障深夜停炉的损失我们大概算过一次非计划停炉加产品报废至少是几十万级别的直接损失。这种“提前几天告诉你可能要坏”的能力对于连续生产的陶瓷产线意义太大了。3.4 全流程追溯一码到底陶瓷产品现在对品牌方和消费者来说越来越需要“可溯源”。这单货用的是哪批泥料、哪条产线成型、哪个窑炉哪个时段烧成、烧成温度曲线是否正常这些信息以前如果要追溯得翻纸质记录根本查不清楚。我们在MES系统里重新设计了批次编码规则从原料入库时就赋予唯一批次码并把这个批次码贯穿到配料、成型、施釉、装窑、烧成、分级、包装全流程。每个工位通过扫码或RFID读卡自动将工序信息、工艺参数、设备号、操作人关联到同一批次码下。整个过程的数据通过5G网络实时上传后台数据库对每批次形成完整档案。现在销售人员给客户展示产品档案拉一个二维码就能看到这批货从矿山原料到出库的全链条记录。质量管理上发现问题产品时也能迅速定位到具体生产环节和原因大幅缩短了排查时间。当然这个应用真正难的不是扫码而是老设备的数据要能实时采集上来。这就引出我下面要讲的一个重要话题——落地过程中最容易卡住的环节。4. 落地复盘从立项到上线哪些坑必须前置处理4.1 网络先行但网络永远不该是起点很多数字化项目最容易犯的错误就是一上来先拉运营商谈网络网络建好了再想应用结果网络挺漂亮业务上却发挥不出价值。京尚实业这个项目比较好的做法是先做业务调研和应用规划再根据应用需求倒推网络需求。我们花了将近两周时间跟生产、设备、质量、仓储等各条线的负责人逐场访谈把每个环节的痛点、数据源头、流程卡点梳理清楚形成一份“业务需求清单”。比如成品包装线提出要多路视觉检测我们就在需求清单上标记“大上行带宽”设备部希望窑炉风机远程在线监测我们就在清单上标记“低时延数据采集”和“边缘计算”。等所有业务需求压实了网络方案才真正开始设计。这个顺序至关重要。如果你反着来先建网络再找应用很容易出现网络覆盖的地方不是业务关键区、业务关键区的网络指标不达标这样的尴尬局面。网络是为业务服务的这个道理说起来简单实际操作中真没几个人做得到。4.2 数据打通是最大的工程老设备改造确实烦项目实施中最耗时、最磨人的环节既不是网络建设也不是算法训练而是把各种老设备的“数据口”打开。陶瓷产线设备厂商很多PLC品牌各不相同通信协议也五花八门有支持OPC UA的、只开放Modbus RTU的、甚至有些设备只提供几个干接点信号。我们的数据采集团队相当于做了一次“设备接口普查”。拿压机设备举例原来的PLC虽然留有网口但厂商没有开放详细的数据点表我们只能通过现场测试和与设备厂技术人员反复沟通才把关键参数读出来。施釉线更头疼设备是自研改装的控制逻辑在一个老式的单片机里根本没有标准通信接口最后只好在关键部位额外加装了独立电流、流量传感器才拿到想要的数据。这里有个很实际的经验和外部设备供应商谈协议开放时间一定要从一开始就明确写进商务合同里并预留足够的测试时间。我们就是在测试阶段才发现有设备商既不肯开放点表也不肯委派技术员配合才不得不临时改方案白白浪费了两周时间。项目周期排期时数据打通的时间预算一定要给足甚至建议按最坏情况预估。你宁可前面多花时间也不要等到联调阶段才发现数据采集这一块根本没完成。4.3 联合调试、试运行与回退机制系统全部上线后我们安排了整整四周的试运行期每周召开一次问题复盘会。前两周主要是各种不稳定和“意外”AGV在某个拐角出现定位漂移视觉检测误检率偏高边缘服务器容器偶发重启等。这些问题之前单点测试很难暴露只有在真实生产压力和连续运行情况下才会浮出来。联合调试阶段有几件事我觉得特别值得说。第一产线切换时一定要注意新老系统并行。我们让原有的人工记录流程和新的MES系统并跑了一段时间每天都核对两边数据是否一致确认新系统可靠后才彻底停掉老流程。第二一定要做完整的断网演练。5G虽然是高可靠网络但不可能百分之百不中断我们专门测试了网络中断情况下产线如何处理结果发现有几台设备断网后会停在半自动状态需要人工介入。后来我们在边缘端做了优化让关键设备即使断网也能按本地预设逻辑继续完成安全操作不会影响安全生产。这个“断网可生产”的兜底机制希望每个做全连接工厂的同行都能重视。5. 现场踩坑记录与排查技巧5.1 信号看着满格业务却卡项目运行后有一阵子车间反馈视觉检测工位偶尔图片上传慢卡顿感明显。我们用测试终端在工位旁边测RSRP和信噪比数值看着都挺好的信号强度也很高。但业务就是慢。后来排查发现问题不在覆盖而在干扰。窑炉区和冷加工区有几台大功率变频器启动时对附近的5G频段产生干扰导致了上行速率波动。我们调整了附近基站扇区的频点和干扰协调参数同时给视觉工位的CPE加装了外置滤波器问题才算解决。这个案例给我的教训是信号强度的数值指标不等于实际业务体验企业做应用验收时一定要用真实业务流量进行压力测试不能只看网络指标报告。5.2 AGV调度系统偶发超时AGV运行过程中我们遇到过调度平台显示“命令下发超时”的情况。起初以为网络时延变大检查用户面设备、基站指标都很正常。后来把时间线和AGV的日志一对照发现超时往往发生在AGV进入充电区或休眠唤醒的时刻数量集中在同一时段。追根溯源是AGV车载客户端的省电策略在作怪。进入低功耗模式后它和网络建立了连接但应用层的消息队列出现了堆积唤醒后需要几秒钟才能追上业务节奏。这不是网络问题而是终端和业务平台的协同问题。我们在AGV控制软件里调整了休眠策略同时让调度系统对每台终端的在线状态做更频繁的心跳检测整个调度消息稳定多了。这个排查过程告诉我在全连接工厂里网络、终端、应用三层要放到一起联调任何哪一层出了小问题表象都可能完全指向“网络不行”。5.3 老设备的“数据孤岛”前面已经提到过老设备的数据采集特别麻烦。这里再补充一个细节有些设备即使能通过硬件网关读取数据其提供的采样精度和时间戳无法完全对齐对后续做工艺数据关联分析带来了不小的困扰。我们后来在一个成型设备旁边加装了专用的数据采集终端通过硬时钟同步把不同传感器之间的时间偏差压到毫秒级才算解决了数据分析准确性的问题。做数据平台设计时时间同步这个细节千万别忽略否则后面做数据治理和模型训练时会非常痛苦。常见问题现象根因排查技巧信号强度正常但速率低图片上传卡顿外部电磁干扰、频点冲突变频器附近实测业务流量加滤波器AGV控制超时调度系统命令下发失败终端休眠策略和应用层消息堆积对照终端日志看唤醒时间调整心跳数据时间戳不一致多传感器曲线对不齐设备采样时间未同步增加硬时钟采集终端统一授时网络中断导致产线停摆断网后设备原地待机设备本地控制逻辑不完整设计断网兜底逻辑定期断网演练6. 投产出与真实效果这笔账要算明白从正式上线运营到现在几个核心指标基本都达到了我们项目立项时的预期。先说自动化和少人化。AGV替代了三班倒的大部分人工搬运需求人员结构调整之后把人安排到了质检复判、设备维护、数据运营这些更需要的岗位整体用工成本有比较明显的下降而且解决了招工难、流动率高的痛点。再看质量。视觉质检系统的上线改变了成品检测的方式原来质量班最担心的“晚上疲劳漏检”基本消失了。整条生产线一次合格率提升了几个百分点更重要的是质量标准的统一不同班组之间的判定尺度差异大大缩小客户反馈的质量投诉明显减少了。设备维护这一块效果最直观。窑炉和动力设备在线监测系统上线后完成了多次有效预警非计划停机时间大幅下降对连续生产的企业来说这本身就是在创造纯利润。还有管理效率。全流程追溯让生产报表从原来的次日汇总变成了顺时同步管理层手机上随时就能看到各车间的产量、合格率、能耗和进度。所有环节出现异常都能在几分钟内定位会议从“对账会”变成了“决策会”。投入产出这块我们必须客观地说5G全连接工厂是一个软硬一体的综合投入网络设备和终端只是第一步前期应用开发和数据对接的投入比重非常大。但回过头看如果对比同等规模的综合布线加上老产线信息化改造5G方案的总拥有成本并不高而且它带来的灵活性和扩展性是传统布线完全没法比的。后续再上新的智能应用就像小区里有了入户口的光纤一样剩下的只是插设备的事。根据我个人跑完这个项目后的感觉有一点特别想提醒同行做数字工厂别追求一步到位。圈子里很多人一上来就想把数字孪生、AI大模型、全厂自动化的宏大愿景全装进去结果摊子太大扯皮太多核心业务反而没跑通。最好的方式是从一两个最具痛点、最能算清账的场景切入比如先做视觉质检和AGV调度跑通之后再逐步扩大。网络基础虽然可以一步建到位但上面的应用一定要小步快跑、滚动迭代。这个项目的经验让我越来越确信全连接工厂不是一个技术炫技场而是踏踏实实解决传统行业里那些“每天都很痛但一直没人认真改”的问题。陶瓷能做到的事其他相似流程特征的行业大概率也能做关键还是回到最老套的那句话先把业务搞清楚再把数据要回来最后才轮到谈技术。