(一)基础设施建设
基于工业互联网网络、平台、安全等体系，5G全连接工厂基础设施建设将形成“云-边-端”参考架构
1.5G网络建设
5G网络在工厂内主要有混合专网、虚拟专网、独立专网等三种建设部署方式。
混合专网是将原有在运营商5G核心网侧的用户面功能（UPF）和多接入边缘计算（MEC）等功能下沉至企业内，供企业专用。该网络部署方式因建设成本适中，可满足业务数据不出企业的要求，是当前较为广泛采用的5G网络部署方式。
图5G混合专网部署方式
虚拟专网是基于运营商的5G公网架构，利用5G切片技术，为企业提供网络质量定制化、与其他公众用户业务逻辑隔离的专用通道服务。该网络部署方式成本较低，但用户信息和数据流量的安全性取决于网络切片能力，低时延保障取决于边缘云的部署位置。适用于对没有物理专用要求、成本较为敏感的用户。
图45G虚拟专网部署方式
独立专网是企业自建一张物理专用5G网络，包括接入网、承载网、核心网等5G网络端到端基础设施，与公网隔离，只承载企业业务的专用网络。该网络部署方式可以保障数据不出企业、企业对网络有更多的自主管理能力等，但建设成本高、频谱利用率低、产业链成熟度低，建议仅对安全隔离性、网络性能有极高需求的特殊条件用户探索适用。
图55G独立专网部署方式
2.工业网络互通
工业网络一般是多种网络混合部署。传统工厂内的工业网络主要包括IT网络和OT网络，其中IT网络主要用于企业生产运营管理，包括企业办公网络、生产管理网络、监控预警网络等。OT网络主要用于生产现场实时控制，包括工业控制网络和物联网等。使用的网络技术主要包括工业现场总线、工业以太网、工业无线网等三种类型。以往工厂内网络主要以工业现场总线为主，据HMS发布年全球工业网络市场份额预测报告显示，工业以太网市场份额从年的8%提升到年的66%，代替了现场总线长期占据的历史地位。工业无线网以8%稳步增长，无线类连接应用需求稳定。
随着5G技术演进和企业数字化转型，生产制造的无线化、柔性化、智能化等需求持续加大，工业企业对5G技术充满希望。目前工业企业充分利用5G大带宽特性，将5G接入到办公网络、生产管理网络、监控预警网络，同时利用5G低时延高可靠特性，在产线上探索与工业控制网络的融合，即通过5G网络可将企业办公、生产管理、监控预警、工业控制、物联等网络进行互联互通，并形成星形的网络架构，可实现现场终端设备的扁平化接入，改变传统繁琐的有线多层级交换机分层分级，加快IT-OT网络的融合。探索5G网络与行业专网的融合组网。
5G网络与工厂现有网络及设备的接入方式也有三种，包含通过5G工业网关接入、通过5GCPE接入、5G设备直接接入等。
通过5G工业网关接入方式，主要针对有线网络，并且已接入现场总线或工业以太网的I/O设备、机床、生产线、仪器仪表等，不做任何改变，仍然接入现场总线或工业以太网中，只是在网关处由原有的工业网关更改为5G工业网关，从而接入5G网络。
通过5GCPE接入方式，可满足有线网络和工业无线同时接入。对于当前已接入现场总线或工业以太网的I/O设备、机床、生产线、仪器仪表等，也是不做任何改变，继续接入现场总线或工业以太网中，但需将有线网络接入到5GCPE中，从而接入5G网络。对于原无线设备可通过原有工业无线网络接入5GCPE中，从而接入5G网络。
通过5G设备直接接入方式，需对原有设备进行5G网络化改造，便可直接接入5G网络中。目前主要的5G设备有5G机器人、5GAGV等。
.边缘计算部署
边缘计算是在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放体系，就近提供智能服务，满足企业在实时业务、应用智能、安全与隐私保护等方面的需求。边缘计算作为5G全连接工厂的重要组成部分，企业可根据生产现场需要，在产线、车间、工厂等不同层面按需部署边缘计算节点。
在产线上可部署边缘控制器，大幅提升生产现场的数据采集与传输能力，同时承载与生产管控密切相关，具有低时延、高可靠要求的智能化应用，促进应用部署精细化，解决工业互联网平台负担“重”的问题。
在车间内可部署边缘网关，充分利用边缘侧资源异构、实时响应等特点，通过在边缘侧开展工业协议转换、数据预处理，提升工业数据质量，完善数据集成体系，解决工业互联网数据价值“低”的问题。
在工厂内可部署边缘云，与中心云不断联动，提升数据流通效率，发挥边缘侧分布式存储能力，有效改善了海量数据上传造成的网络拥塞问题，并结合数据分析、人工智能等技术提高决策智能化水平，同时针对差异化应用需求协同调用云边资源，为边缘侧提供与云上一致的功能和体验，解决工业互联网应用部署“难”的问题。随着5G网络在工厂内的部署应用，5GMEC已形成从接入网到核心网的层级化部署架构，并成为网络新出口、应用新入口。5GMEC可以支撑工业互联网应用调用5G网络的带宽管理、位置服务、分流等关键能力，并支持工业软件系统（如MES、SCADA等）和工业应用系统（如工业机器视觉、AGV管理平台等）的部署，推动网络智能化演进，应对异构网络协同部署与智能运维等挑战，解决工业互联网网络应用“少”的问题。
4.业务系统建设
（1）网络服务与管理系统网络服务与管理系统，是企业对工厂内网进行智能化运维和管理的综合平台。
5G网络在工厂内部署后，企业基于生产和安全的考虑，在使用5G网络服务时，网络服务提供商人员不能及时到现场等问题，企业希望能够对网络进行状态监测和维护管理。同时企业基于5G技术能力考虑，企业还希望对于比较专业的网络运维工作，由网络服务提供商来提供服务。
建议在企业内部搭建网络服务与管理系统，对工厂内网进行智能化运维和综合管理，实现网络运维管理的可视化、网络与业务协同的智能化、告警处理的及时化、网络升级的联动化。同时建议该系统具有“傻瓜式”的网络运维管理能力，使得企业网络管理人员可以根据企业需要对业务、网络进行端到端监控，管理接入网络的用户，动态调配网络资源，及时发现并跟踪网络故障等，做好日常网络运维工作。网络服务提供商人员可根据使用权限，通过系统进行网络远程维护、升级、故障处理等，降低企业网络运维管理成本及复杂度。
（2）数据存储节点数据存储节点是一个存储原始数据的系统或存储库，其中的数据可供存取、处理、分析及传输。存储的数据类型包括来自关系数据库（行和列）的结构化数据，半结构化数据（CSV，日志，XML，JSON），非结构化数据（电子邮件，文档，PDF）和二进制数据（图像，音频，视频）等。
工厂内原有采集到的数据，存储在不同的设备、系统或软件中，且由于使用的数据协议不一致，导致形成了数据“孤岛”，企业在使用中不方便查找和调用。同时，工厂内人、机、物、系统等广泛联网后，可产生海量的数据，如果这些数据仍然汇聚到工业互联网平台上进行存储，将会占用平台大部分的存储资源，大大降低平台的运行能力。
建议在工厂内部搭建数据存储节点，支持海量数据的集中存储与分析，便于工厂各方对于数据的使用，也可以根据生产规律及数据分析需要，长周期性存储历史数据。数据存储节点可使用数据湖技术，当前有基于云平台的数据湖和基于Hadoop生态体系的数据湖等两种建设方式。其中基于云平台的数据湖包括数据湖管理、数据存储、计算引擎等能力，该建设方式可打通异构数据源与各类计算引擎的上下游关系。基于Hadoop生态体系的数据湖是将数据湖作为存储层存储各类的原始数据，使用Spark、SparkSQL、MapReduce等计算框架作为分析引擎，对海量的原始数据进行数据分析，使用Flume、Kafka等持续不断衍生出新数据，使用Flink、Storm等将实时分析出的新数据以及相关结果存储在数据湖中。
对于数据存储节点中存储的多源异构数据，可通过工业互联网信息模型进行规范，即通过语义标准化描述实现海量多源异构数据的互认互通，及跨设备、跨系统互操作。在5G全连接工厂建设中，可在数据感知层、数据处理层、应用服务层分别部署信息模型，使用数据中间件实现信息模型的即插即用，实现工厂内各功能层级数据的统一表示和融合存储。
（）企业标识服务节点工业互联网标识解析体系已应用于国内多家工厂，对于工厂内的关键设备、重要工装夹具、设备备件、产品、部件、重保件、物料、在制品、制成品、库存等统一标识化，统一管理企业资产。
企业标识服务节点是工业互联网标识解析体系接入和输出服务，以及标识应用实施部署的重要节点。它能够面向供应链企业、物流中心等企业提供标识注册、标识解析、标识数据管理等功能，既可以独立部署，也可以作为企业信息系统的组成要素。企业标识服务节点向上对接二级节点，向下对接企业实际数据或设备，主要功能包括企业内的人、机、料、法、环等对象的标识注册、标识解析、标识数据管理等。
截至年上半年，企业标识服务节点建设在我国已初具规模，已覆盖全国0个省，已有个节点接入并上线运行，标识注册量达亿个，覆盖0个行业，标识解析量1.亿次。
（4）企业级工业互联网平台企业级工业互联网平台建设，参考工业互联网产业联盟发布的《工业互联网平台白皮书》。在5G全连接工厂的建设中，建议企业级工业互联网平台重点聚焦PssS层和SaaS层，强化工业知识沉淀、数据模型训练、应用开发和部署等，提升企业生产管理的快速响应和运营管理的精准决策的支撑能力建设。
(二)厂区现场升级
5G全连接工厂相对传统工厂而言，重点从现场装备、IT/OT融合应用、生产服务等三方面进行升级。
1.现场装备网络化改造
当前，工厂内仍然存在大量的设备、系统、物料等不具备联网能力，这将导致设备使用情况、系统使用情况、物料信息等不能及时获取，导致生产资源的浪费、生产效率的低下、运营管理的粗放
等问题。企业可通过有线网络或无线网络，将人、机、料、法、环、测等接入到网络中，以便及时发现或获取相关信息。工厂内的数控机床、压缩机、电动机、精密检测、离心泵等没有移动需求的设备可采用有线方式。而AGV、叉车、机器人、码垛机、工业相机、挖掘机等有移动需求的设备可采用无线联网方式。
图65G全连接工厂人、机、料、法、环、测等联网内容示例
5G作为无线网络技术的一种，在工业生产中可替代原有七国八制的多种工业无线网络技术。5G对其他工业无线网络技术可替代性分析如表1所示。
表15G对其他工业无线网络技术可替代性分析
设备或系统可进行5G化改造的特征有以下三种：
（1）部署需求：具有可移动、灵活化等部署需求的设备.
（2）作业需求：具有摆动、旋转等作业需求的设备。
（）性能需求：数据流量大、高可靠、低时延等性能需求的设备或系统。
设备的5G化改造方式有以下两种：
（1）可以采用外接5G终端/网关的方式，完成设备的5G化改造。现阶段主要是通过连接5GCPE或5G工业网关进行改造。其中5GCPE适用于现场有移动和旋转摆动设备，有无线连接需求的工业场景；5G工业网关适用于在工厂边缘侧对于数据有汇聚、处理需求，作为边缘网关的应用场景。
（2）内置带有5G功能的芯片、模组、传感器等，完成设备的5G化改造。伴随着5GURLLC技术的发展，5G模组将提供类似于传统工业模组的功能，工业现场设备（如IO/变频器/PLC等）可内置集成5GURLLC模组，实现从传统工业模组向5G模组平滑过度。
在人、机、料、环、环、测等全面联网后，便可通过人工输入、系统导入、自动感知、设备读取、视频采集、系统生成等方式，对研发数据、生产数据、运维数据、管理数据、外部数据等各类生产运营管理所需的数据进行采集。采集到的数据应包含但不限于海量的关键价值数据、接口数据、信息化数据以及文档、图片、音频、视频等类型数据。
图75G全连接工厂人、机、料、法、环、测等数据采集内容示例
其中可通过5G网络传输的数据特征如下：
?视频
?声音
?质量较高的图片
?海量的文字数据
?时延、可靠性要求较高得指令信息
2.IT/OT应用融合化部署
在传统工业企业中，IT系统应用和OT系统应用是由不同的团队进行建设和管理，其中IT系统应用一般由具有计算机、软件等背景知识的人员组成团队进行研发，主要是实现企业的信息化，提高生产管理运营能力。OT系统应用一般由工业控制等背景知识的人员组成团队进行研发，主要是实现生产制造的自动化。IT与OT之间存在一个物理或虚拟的“墙”进行隔离，相对独立。近年来，企业在推动数字化转型过程中，亟需实现设计、研发、生产、销售、服务、管理等全环节的数据共享与快速流转，以满足提高产品质量、提升企业生产效率、降低企业运营成本、快速响应市场需求等。
在5G全连接工厂建设中，建议改变原有工厂内IT-OT系统应用建设运营方式，组织IT-OT融合团队，对IT-OT进行一体化部署，通过应用软件或系统功能的云化部署，研发面向工厂生产、运营、管理等需要的各类移动端应用程序（APP），建立起扁平化、灵活化“云-边”协同架构，形成IT-OT应用的统筹建设、统一运维、统一管理，并促进形成工厂内同时要加快推进云网融合，实现网络资源、计算资源、平台资源等横向打通，提升工厂生产运营管理效率。
.生产服务智能化升级
工业企业在数字化、网络化、智能化发展的过程中，对生产服务提出了新要求，如平台化设计、智能化制造、网络化协同、个性化定制、服务化延伸、数字化管理等，这些新型的生产应用模式，需要基于海量工业数据，通过端到端的数据深度集成与建模分析，实现数据驱动的智能应用。
工业数据建模是工业经验与数据科学的有机结合，通过工业问题定义、工业数据选择、数据预处理、特征工程、算法选择、模型训练、模型评估、模型应用、模型迭代优化、模型变更等环节，循序渐进的逐步建立起数据模型，并随着技术演进和生产运营管理所需，形成螺旋式上升的方式持续优化模型。其中工业问题定义，是将工业问题转化为清晰的数据问题。特征工程与算法选择，是将复杂工业场景抽象化并与恰当算法进行匹配。模型化迭代优化，是基于现场应用效果和海量数据，不断优化模型，提升应用能力。
在工业数据建模与分析中，建议不断积累和沉淀专业领域知识、工业生产实践经验、已知工业机理等，构建工业机理模型，以实现数据分析应用，并综合利用数据统计、机器学习、人工智能算法等，实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。当前工业数据高级分析算法主要以机器学习为主，可基于回归算法、贝叶斯算法、关联规则算法、聚类算法、决策树算法、深度学习算法等。数据分析工具主要以集成算法包的开源数据工具为主，如Python、R或两者的结合等。
(三)关键环节应用
年工业和信息化部发布了“5G+工业互联网”20个典型应用场景，涵盖到工业研发设计、生产运行、检测监测、仓储物流、运营管理等关键环节。各环节中的典型应用场景归类如下：
研发设计类包括协同研发设计（包含远程研发实验环节、异地协同设计环节）、生产单元模拟等2个应用场景，可提升企业网络协同研发设计及与现场作业交互能力。
生产运行类包括远程设备操控、设备协同作业、精准动态作业、柔性生产制造、现场辅助装配等5个应用场景，可提升生产运行柔性、敏捷能力。
检测监测类包括机器视觉质检、工业合规校验、设备故障诊断、设备预测维护、无人智能巡检、生产现场监测等6个应用场景，可全方位保障生产质量与安全。
仓储物流类包括厂区智能物流、厂区智能理货、全域物流监测等个应用场景，提升货物配送效率，保障货物与人身安全。
运营管理类包括生产过程溯源、生产能效管控、企业协同合作、虚拟现场服务等4个应用场景，促进生产数字化、绿色化，推动产业链上下游贯通。
具体场景说明，请参见工业和信息化部印发的《第一批“5G+工业互联网”十个典型应用场景和五个重点行业实践》和《第二批“5G+工业互联网”典型应用场景和重点行业实践》。
在5G全连接工厂建设，建议企业根据行业特点和企业发展需要，在产线或车间中，加强生产制造类、检测监测类等“5G+工业互联网”典型场景的推广与普及，在车间或工厂中加强研发设计类、检测监测类、仓储物流类、服务管理类等“5G+工业互联网”典型场景的推广与普及，并随着5G技术演进和工业互联网的创新发展，在工厂中进一步探索“5G+工业互联网”应用场景创新。
(四)网络安全防护
5G与工业系统的深度融合发展也将会面对网络安全的威胁和挑战，5G全连接工厂需在工厂安全生产的基础上，建立企业安全防护系统，围绕安全技术、安全管理和安全运行等网络安全体系，强化网络安全防护与安全管理能力。
网络安全技术体系建设，需针对接入安全、网络安全、控制安全、数据安全和应用安全建立起纵深防御的安全结构，并建立安全态势感知加强监管安全防护。
图95G全连接工厂网络安全技术体系建设
网络安全管理体系建设，需依据相关政策与标准，开展工业互联网企业网络安全分类分级管理，并加大网络安全资源的投入，需建设安全责任部门和责任人，建立健全监测预警、数据上报、应急响应、风险评估等安全管理机制。
网络安全运行体系建设，构建网络安全态势感知可视化平台，可实时了解工厂内网络安全情况，提升网络安全监测水平，提高安全威胁发现、快速处置和应急响应能力。同时需制定工厂内网络安全应预案，阶段性开展安全检测评估、安全审计等工作，