بحث حول استراتيجية تحسين جدولة الطلبات الإلكترونية عبر الإنترنت في مؤسسات التصنيع بناءً على سلاسل ماركوف متغيرة الزمن

لماذا تكتسب جدولة الطلبات الأهمية

عندما تشتري منتجاً يجب بناؤه حسب الطلب، تتوقع على الأرجح وصوله في الوقت المحدد، حتى لو نقرّت "اطلب" في اللحظة الأخيرة. في الخلفية، تتعامل المصانع مع تدفّق كبير من الطلبات الإلكترونية من العديد من العملاء بينما تتعامل أيضاً مع طلبات مخططة مسبقاً. تبحث هذه الورقة في كيفية استفادة مصانع التصنيع التقليدية من النمذجة الرياضية وخوارزميات البحث الذكية لجدولة هذه الطلبات عبر الإنترنت بصورة أذكى، مما يقلل أوقات الانتظار لدى العملاء دون إجهاد زائد للعمال أو الآلات.

صعود الطلبات الإلكترونية المستمرة

يتلقى العديد من المصنعين الآن الطلبات بطريقتين معاً: الطلبات التقليدية "غير المتصلة" التي تُتوقع وتُخطط مسبقاً، وطلبات تبادل البيانات الإلكترونية (EDI) عبر الإنترنت التي تصل مباشرة من أنظمة عملاء. الطلبات عبر EDI أسرع، وأقل عرضة للأخطاء، وأرخص في المعالجة، لكنها أكثر تقلباً: يمكن للعملاء تقديم المواعيد أو تأخيرها أو إلغاء الطلبات في وقت قصير. غالباً ما يطالب عملاء EDI بنوافذ تسليم ضيقة جداً، مع تحمل أيام قليلة فقط، لذا لا يمكن للمصانع ببساطة وضع هذه الوظائف في طابور بنمط "من يصل أولاً يُخدم أولاً" التقليدي. بدلاً من ذلك، يجب أن يخدم كل خط إنتاج عدة طلبات EDI بالتوازي، موزعاً وقته بينها. يخلق هذا التحول من خدمة واحدة تلو الأخرى إلى خدمة متعددة في وقت واحد لغز جدولة جديد لم تُصمم أدوات التخطيط الحالية للتعامل معه.

تحويل المصنع إلى نظام طوابير

يصوّر الباحث جزء طلبات EDI عبر الإنترنت في المصنع كنظام طوابير، شبيهاً بالعملاء الذين يصطفون في بنك حيث يمكن للصرافين مساعدة عدة أشخاص في مراحل خدمة مختلفة. يُقسّم الزمن إلى فترات قصيرة، وتصل الطلبات عشوائياً بمعدلات يمكن أن تتغير من فترة لأخرى خلال اليوم، ما يعكس الذروات والهبوطات الحقيقية في الطلب. يمكن لكل خط إنتاج أن يعمل على عدة طلبات في آن واحد حتى حد ثابت، وتعتمد سرعة إتمام كل طلب على عدد الطلبات المعالجة بالتوازي. يحترم النموذج أيضاً قواعد عملية: يحتاج العاملون إلى راحة بين الفترات، وهناك حدود لطول الفترات، ويجب أن يعمل على الأقل خط واحد في كل فترة زمنية. فوق ذلك، ترغب المصانع في إبقاء احتمال وجود طابور طويل بشكل مفرط منخفضاً للغاية، وليس فقط المحافظة على متوسط طابور قصير، لأن التراكمات الطويلة تضر بسرعة بمستويات الخدمة وثقة العملاء.

استخدام أدوات الاحتمال لقياس الأداء

لتقييم أي جدول مقترح، يستخدم البحث إطاراً رياضياً يُسمى سلسلة ماركوف متغيرة الزمن، مدموجاً بتقنية تعرف بالتوحيد (uniformization). ببساطة، يتيح هذا للباحث تتبع كيفية تطور احتمال كل حالة ممكنة للنظام (كم عدد الطلبات المنتظرة والمُعالَجة على كل خط) مع مرور الوقت مع وصول الطلبات وانتهائها. من هذه الاحتمالات، يمكن للنموذج حساب مقاييس رئيسية مثل مدة بقاء الطلبات في النظام، وتكرار تجاوز الطوابير لعتبة آمنة، وعدد خطوط الإنتاج النشطة في كل فترة، ومقدار العمل الإضافي المحتمل للعمال في نهاية اليوم. والأهم من ذلك، أن هذه الطريقة التحليلية تنتج تقديرات دقيقة جداً بسرعة أكبر بكثير من تشغيل محاكيات حاسوبية ضخمة وحدها، مما يجعل من العملي تقييم العديد من الجداول البديلة أثناء البحث عن تحسينات.

استراتيجية بحث تتعلم جداول أفضل

انطلاقاً من محرك التقييم هذا، تصمم الورقة خوارزمية بحث متغيرة الجوار (Variable Neighborhood Search - VNS) للبحث عن جداول جيدة. تبدأ من خطة وردية أولية معقولة لخطوط الإنتاج ثم "تهز" الخطة مراراً بواسطة تعديل عشوائي لعدد من الوردية، يتبعه تعديلات محلية خطوة بخطوة مثل تحريك أوقات البداية والنهاية قليلاً، إضافة أو إزالة ورديات، أو تقديمها وتأخيرها. بعد كل تغيير، تعيد طريقة ماركوف تقدير أوقات التراكم والعمل الإضافي والتكاليف التشغيلية بسرعة. إذا كان الجدول الجديد أفضل، تحتفظ الخوارزمية به كنقطة مرجعية جديدة؛ وإن لم يكن، تجرب نوع تغيير آخر. تُظهر الاختبارات على بيانات طلبات حقيقية من شركة تصنيع، التي تغطي أياماً عادية وأيام ذروات بأوامر EDI العاجلة، أن VNS تكتشف جداول تتفوق على خطط الشركة الحالية وعلى طريقة معرفة تُسمى التلدين المحاكٍ (simulated annealing)، مع استهلاك وقت حوسبة أقل بكثير.

ما يعنيه هذا للمصانع والعملاء

بالنسبة لغير المتخصصين، الخلاصة أن هذا النهج يساعد المصانع على اتخاذ قرار متى تُشغّل كل خط وعدد الطلبات التي تُعالَج بالتوازي بحيث ينتظر العملاء أقل دون زيادة كبيرة في العمل الإضافي أو استخدام الآلات. يحافظ النموذج على الطوابير تحت السيطرة بدرجة عالية من الاعتمادية، ويُسوّي ذروات عبء العمل بمواءمة أفضل للسعة مع الطلب الوارد، ويظل فعالاً حتى عندما تُرخي الفروض بشأن أزمنة المعالجة. عملياً، يعني هذا مواعيد تسليم أكثر موثوقية للعملاء، استخداماً أكثر كفاءة لموارد الإنتاج، واستجابة أكثر مرونة لارتفاعات مفاجئة في الطلبات عبر الإنترنت — وهي مكونات أساسية لرؤية التصنيع المرن المرتكز على الإنسان المرتبطة بالصناعة 5.0.

الاستشهاد: Wulan, Q. Research on online EDI order scheduling optimization strategy in manufacturing enterprises based on time-varying Markov chains. Sci Rep 16, 8086 (2026). https://doi.org/10.1038/s41598-026-39708-9

الكلمات المفتاحية: جدولة EDI عبر الإنترنت, التصنيع الذكي, تحسين خط الإنتاج, إدارة الطوابير, الصناعة 5.0