工業自動化技術應用在機器行業的可靠性
在工業過程中，一臺停機機器會影響整個供應鏈。本文討論了機器可靠性及其在工業自動化中的重要性。在復雜的制造過程中，機器和子系統相互依賴才能順利運行。其中一臺機器的停機將影響工廠的總產量。
這是遵循準時制(JIT)方法的運營中的一個重大問題。當一臺機器發生故障時，下游的所有流程都會受到影響。它還會導致瓶頸并在上游造成阻塞。擁有在整個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。
一、機器可靠性
機器以所需的輸出特性運行而無故障或停機的能力被稱為機器可靠性。它以機器無故障運行的時間占機器總計劃時間的百分比來衡量。
機器可靠性=（機器無故障運行的實際持續時間/計劃的總運行時間）*100
具有100%可靠性的機器是理想的，但在很長一段時間內可能難以實現。因此，需要能夠在預定運行期間的大部分時間內運行的機器。在比較來自兩個不同OEM的機器時，最好選擇可靠性最高的機器。
二、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了交通擁堵，造成了數十億美元的損失。
半導體工業制造的不同種類芯片的制造之間的轉換困難正在造成巨大的芯片短缺。這反過來又會影響許多商品的生產，從工業傳感器到日常汽車。
工廠中的機器是各自全球供應鏈的一部分，可能會導致波及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。裝配線的基本原則是一個工位或一臺機器專門完成一項特定任務，這意味著只有完成特定任務后才能完成下游的所有流程。
以組裝汽車為例。必須在所有內飾件都裝配好后才能安裝車門，否則在裝配內飾件時車門會妨礙操作。如果協助安裝內部組件的機械臂出現故障，則整個過程必須停止。機械臂下游的任務將不會收到任何新工作，并且將處于空閑狀態。另一方面，上游的流程仍然可以運作，上游的裝配線將生產過剩。這會導致生產延遲，并且在故障機械臂修復之前，工廠將無法達到其預期的產量水平。
三、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，幾乎有四分之一可以通過某種方式歸因于人為錯誤。更多的人參與機器的操作會導致更多的潛在故障。
工業3.0的改進使自動化成為所有工業活動的前沿。這意味著工廠的操作可以使用所需的操作邏輯運行，從而減少操作條件和輸出的可變性。人類將更少地參與生產過程。在生產環境中采取的任何操作都屬于以下功能。（1）監視器（2）建議（3）決定（4）實施
這些中的每一個都可以由計算機或人來完成。隨著計算機完成更多這些功能，自動化水平更高，從而消除了人為的可變性和錯誤。操作會根據算法順利運行，減少麻煩。這將在短期和長期內提高機器的可靠性。
四、適得其反的自動化
自動化帶來了流程改進，從而降低了成本并提高了運營效率。自動化水平的提高將改進流程。機器可靠性隨著自動化水平的提高而提高，但這種關系不是線性的。
為了提高工廠或工廠的成本效率，通常需要流程改進和提高機器可靠性。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。從那里開始，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律。有時，由于當前技術的限制，無法實現所需的自動化水平。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。這是因為擁有一個完全自動化的汽車生產設施。使用當前技術無法經濟地實現自動化水平，這導致自動化規模縮小以完成項目。
未來的機器可靠性
工業4.0帶來了與在生產中使用數據相關的技術優勢。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。在物聯網的產業網絡（IIoT）將在所有生產環境是共同的。所有設備和組件都將配備傳感器，能夠測量和存儲其操作的所有相關物理屬性。他們還將能夠通過具有大帶寬的低延遲網絡中繼此信息。這將產生大量運營數據，其中包含對工廠運營的重要洞察。
將數據存儲并帶走是不夠的；來自一家工廠的數據每天可能達到TB級。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洞察力。這可用于改進流程、降低成本和制定替代行動方案。
人工智能的應用還有助于進行預測性維護。維護活動將在實際故障發生之前完成，而不是被動維護。現代算法將預測故障的發生，并且可以進行干預以避免它。這將提高機器的可靠性。
下一步將是實施數字孿生。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全球另一臺機器的操作。在這種設置中，對黑天鵝事件的響應也會更快。
自動化減少了生產過程中對人工的需求，從而提高了機器的可靠性。然而，自動化過度驅動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。數據將成為工業環境中流程改進的下一個驅動力。
