在工業(yè)過程中，一臺機器停機會影響整個供應鏈。本文討論了機器可靠性及其在工業(yè)自動化中的重要性。在復雜的制造過程中，機器和子系統(tǒng)相互依賴才能平穩(wěn)運行。其中一臺機器的關閉將影響工廠的總產量。
這是遵循即時(JIT)方法的操作中的一個主要問題。當一臺機器出現故障時，所有下游流程都會受到影響。它還可能導致瓶頸和阻塞上游。擁有在預定運行時間內按預期工作的可靠機器至關重要。這就是機器可靠性的用武之地。
機器可靠性
機器在不發(fā)生故障或停機的情況下以所需的輸出特性運行的能力稱為機器可靠性。它以機器無故障運行時間占機器總計劃時間的百分比來衡量。
機器可靠性=（機器實際無故障運行時間/計劃總運行時間）*100
一臺具有100%可靠性的機器是理想的，但長時間內可能難以實現。因此，需要一臺可以在大部分預定運行期間運行的機器。在比較來自兩個不同OEM的機器時，最好選擇最可靠的機器。
機器可靠性的重要性
最近的全球事件表明供應鏈是多么脆弱。政府強制實施的封鎖導致供應短缺和商品價格上漲。一艘無法通過蘇伊士運河的船只造成交通擁堵并造成數十億美元的損失。
半導體行業(yè)制造的不同類型芯片的制造之間難以切換，導致芯片嚴重短缺。這反過來又會影響許多商品的生產，從工業(yè)傳感器到日常汽車。
工廠中的機器是各自全球供應鏈的一部分，這可能會導致影響整個經濟的連鎖反應。幾乎所有的生產過程都依賴于亨利福特帶來的現代化裝配線。流水線的基本原理是一個工位或一臺機器專用于一個特定的任務，這意味著所有的下游工序只有在特定的任務完成后才能完成。
以組裝汽車為例。必須在所有內飾件組裝完成后安裝門，否則在組裝內飾件時門會妨礙操作。如果協助安裝內部組件的機械臂出現故障，則必須停止整個過程。機械臂下游的任務將不會接收任何新作業(yè)并且將處于空閑狀態(tài)。另一方面，上游工序還可以運行，上游流水線就會出現產能過剩。這將導致生產延遲，工廠將無法達到預期的產量水平，直到故障機械臂得到修復。
自動化和機器可靠性
工廠或制造設施中的大多數錯誤都是由人為錯誤造成的。對于機器故障的原因也是如此。在經歷的所有停機時間中，幾乎有四分之一可歸因于某種方式的人為錯誤。更多的人參與機器的操作會導致更多的潛在故障。
工業(yè)3.0的改進使自動化成為所有工業(yè)活動的前沿。這意味著工廠的運行可以按照所需的運行邏輯運行，從而減少運行條件和輸出的可變性。人類將更少地參與生產過程。在生產環(huán)境中采取的任何操作都屬于以下功能。
監(jiān)視器
建議
決定
實施
這些中的每一個都可以由計算機或人來完成。隨著計算機執(zhí)行更多這些功能，自動化水平變得更高，消除了人為的可變性和錯誤。操作會按照算法順利進行，減少麻煩。這將在短期和長期內提高機器的可靠性。
適得其反的自動化
自動化帶來流程改進，從而降低成本并提高運營效率。自動化的增加將改善流程。機器可靠性隨著自動化程度的提高而提高，但這種關系不是線性的。為了提高工廠或工廠的成本效率，通常需要改進工藝和機器可靠性。自動化流程是有代價的。但達到一定程度后，自動化的成本將遠遠超過收益。從那里，更高水平自動化的成本將對工廠的盈利能力產生負面影響。這是行動中的收益遞減規(guī)律。
有時，由于當前技術的限制，無法達到所需的自動化水平。最近在現實世界中的一個例子是生產Model 3的特斯拉工廠。它的延遲超出了管理層和投資者的預期。這是因為埃隆馬斯克希望擁有一個完全自動化的汽車生產設施。使用現有技術無法經濟地實現自動化水平，從而導致完成項目的自動化規(guī)模降低。
未來機器可靠性
工業(yè)4.0帶來了與生產中使用數據相關的技術優(yōu)勢。由于現代算法和促進它們的計算能力，數據被認為是21世紀的石油。
物聯網(IIoT)中的工業(yè)網絡將在所有生產環(huán)境中通用。所有設備和部件都將配備傳感器，能夠測量和存儲其操作的所有相關物理特性。他們還將能夠通過具有大帶寬的低延遲網絡中繼此信息。這將生成大量運營數據，其中包含對工廠運營的重要見解。
僅僅存儲和帶走數據是不夠的；來自工廠的數據每天可能達到TB。人類無法分析生成的大量數據以獲得可操作的見解。人工智能(AI)和機器學習(ML)算法可用于從原始數據中提取見解。這可用于改進流程、降低成本和制定替代行動計劃。
人工智能的應用也有助于預測性維護。維護活動將在實際故障發(fā)生之前完成，而不是被動維護?，F代算法將預測故障的發(fā)生并可以進行干預以避免它。這將提高機器的可靠性。下一步將是數字孿生的實施。在這里，來自同一OEM的所有機器的數據將有一個雙胞胎駐留在云中，使用最先進的算法和處理器。來自一臺機器的數據可用于改善世界各地另一臺機器的操作。在這種設置下，對黑天鵝事件的反應也會更快。
自動化減少了生產過程中對勞動力的需求，從而提高了機器的可靠性。然而，過度駕駛自動化可能會達到收益遞減的程度，并可能適得其反。使用數據是一種在不增加自動化的情況下提高機器可靠性的橫向方法。工業(yè)物聯網、人工智能和相關技術有助于預測性維護、運營改進和成本降低。數據將成為工業(yè)環(huán)境中流程改進的下一個驅動力。
