在工业过程中，一台停机机器会影响整个供应链。本文讨论了机器可靠性及其在工业自动化中的重要性。在复杂的制造过程中，机器和子系统相互依赖才能顺利运行。其中一台机器的停机将影响工厂的总产量。

　　这是遵循准时制(JIT)方法的运营中的一个重大问题。当一台机器发生故障时，下游的所有流程都会受到影响。它还会导致瓶颈并在上游造成阻塞。拥有在整个预定运行时间内按预期工作的可靠机器至关重要。这就是机器可靠性的用武之地。

　　一、机器可靠性

　　机器以所需的输出特性运行而无故障或停机的能力被称为机器可靠性。它以机器无故障运行的时间占机器总计划时间的百分比来衡量。

　　机器可靠性=（机器无故障运行的实际持续时间/计划的总运行时间）*100

　　具有100%可靠性的机器是理想的，但在很长一段时间内可能难以实现。因此，需要能够在预定运行期间的大部分时间内运行的机器。在比较来自两个不同OEM的机器时，最好选择可靠性最高的机器。

　　二、机器可靠性的重要性

　　最近的全球事件表明供应链是多么脆弱。政府强制实施的封锁导致供应短缺和商品价格上涨。一艘无法通过苏伊士运河的船只造成了交通拥堵，造成了数十亿美元的损失。

　　半导体工业制造的不同种类芯片的制造之间的转换困难正在造成巨大的芯片短缺。这反过来又会影响许多商品的生产，从工业传感器到日常汽车。

　　工厂中的机器是各自全球供应链的一部分，可能会导致波及整个经济的连锁反应。几乎所有的生产过程都依赖于亨利福特带来的现代化装配线。装配线的基本原则是一个工位或一台机器专门完成一项特定任务，这意味着只有完成特定任务后才能完成下游的所有流程。

　　以组装汽车为例。必须在所有内饰件都装配好后才能安装车门，否则在装配内饰件时车门会妨碍操作。如果协助安装内部组件的机械臂出现故障，则整个过程必须停止。机械臂下游的任务将不会收到任何新工作，并且将处于空闲状态。另一方面，上游的流程仍然可以运作，上游的装配线将生产过剩。这会导致生产延迟，并且在故障机械臂修复之前，工厂将无法达到其预期的产量水平。

　　三、自动化和机器可靠性

　　工厂或制造设施中的大多数错误都是由人为错误造成的。对于机器故障的原因也是如此。在经历的所有停机时间中，几乎有四分之一可以通过某种方式归因于人为错误。更多的人参与机器的操作会导致更多的潜在故障。

　　工业3.0的改进使自动化成为所有工业活动的前沿。这意味着工厂的操作可以使用所需的操作逻辑运行，从而减少操作条件和输出的可变性。人类将更少地参与生产过程。在生产环境中采取的任何操作都属于以下功能。（1）监视器（2）建议（3）决定（4）实施

　　这些中的每一个都可以由计算机或人来完成。随着计算机完成更多这些功能，自动化水平更高，从而消除了人为的可变性和错误。操作会根据算法顺利运行，减少麻烦。这将在短期和长期内提高机器的可靠性。

　　四、适得其反的自动化

　　自动化带来了流程改进，从而降低了成本并提高了运营效率。自动化水平的提高将改进流程。机器可靠性随着自动化水平的提高而提高，但这种关系不是线性的。

　　为了提高工厂或工厂的成本效率，通常需要流程改进和提高机器可靠性。自动化流程是有代价的。但达到一定程度后，自动化的成本将远远超过收益。从那里开始，更高水平自动化的成本将对工厂的盈利能力产生负面影响。这是行动中的收益递减规律。有时，由于当前技术的限制，无法实现所需的自动化水平。最近在现实世界中的一个例子是生产Model 3的特斯拉工厂。它的延迟超出了管理层和投资者的预期。这是因为拥有一个完全自动化的汽车生产设施。使用当前技术无法经济地实现自动化水平，这导致自动化规模缩小以完成项目。

　　未来的机器可靠性

　　工业4.0带来了与在生产中使用数据相关的技术优势。由于现代算法和促进它们的计算能力，数据被认为是21世纪的石油。在物联网的产业网络（IIoT）将在所有生产环境是共同的。所有设备和组件都将配备传感器，能够测量和存储其操作的所有相关物理属性。他们还将能够通过具有大带宽的低延迟网络中继此信息。这将产生大量运营数据，其中包含对工厂运营的重要洞察。

　　将数据存储并带走是不够的；来自一家工厂的数据每天可能达到TB级。人类无法分析生成的大量数据以获得可操作的见解。人工智能(AI)和机器学习(ML)算法可用于从原始数据中提取洞察力。这可用于改进流程、降低成本和制定替代行动方案。

　　人工智能的应用还有助于进行预测性维护。维护活动将在实际故障发生之前完成，而不是被动维护。现代算法将预测故障的发生，并且可以进行干预以避免它。这将提高机器的可靠性。

　　下一步将是实施数字孪生。在这里，来自同一OEM的所有机器的数据将有一个双胞胎驻留在云中，使用最先进的算法和处理器。来自一台机器的数据可用于改善全球另一台机器的操作。在这种设置中，对黑天鹅事件的响应也会更快。

　　自动化减少了生产过程中对人工的需求，从而提高了机器的可靠性。然而，自动化过度驱动可能会达到收益递减的程度，并可能适得其反。使用数据是一种在不增加自动化的情况下提高机器可靠性的横向方法。工业物联网、人工智能和相关技术有助于预测性维护、运营改进和成本降低。数据将成为工业环境中流程改进的下一个驱动力。