الجدولة متعددة الأهداف القائمة على الضبابية لأنظمة التصنيع البشرية–الروبوتية

لماذا يجب أن يخطط البشر والروبوتات معاً

تواجه المصانع اليوم عمر منتجات قصير، عملاء مطالبون، وطلبات تتغير بسرعة. كثير منها يدمج الآن العمال البشريين مع روبوتات تعاونية للحفاظ على المرونة. لكن تحديد كمية الإنتاج، ومتى يُنتج، وأي المهام تُسند إلى البشر أو الروبوتات لم يعد مجرد تمرين جدول بيانات بسيط — خاصة عندما تكون الطلبات المستقبلية وأزمنة المهام غير مؤكدة. تتناول هذه الدراسة تلك العقدة مباشرة، مقترحة طريقة لتخطيط الإنتاج وجدولة العمل بين الإنسان والروبوت بحيث يتم موازنة المال والسرعة وموثوقية التسليم في آن واحد.

تحدي تخمين المستقبل

نادراً ما تعرف الشركات المصنعة بالضبط عدد الوحدات التي سيطلبها العملاء أو كم يستغرق كل عمل، وخصوصاً في الإنتاج المخصص ومنخفض الحجم. قد تكون مهمة أسرع على روبوت لكنها أكثر مرونة مع إنسان، وتتحرك أزمنة الدورة الحقيقية مع خليط المنتجات، خبرة العامل، والمعوقات الفنية. أدوات التخطيط التقليدية تفترض غالباً أرقاماً ثابتة ومعروفة أو تعتمد على سجلات تاريخية طويلة لبناء نماذج احتمالية. في كثير من خطوط العمل البشرية–الروبوتية، هذه السجلات ببساطة غير موجودة. ونتيجة لذلك، تواجه الشركات خطر الإنتاج المفرط ودفع تكاليف مخزون زائد، أو الإنتاج الناقص وتكبّد نقص، وتأخر تسليم، وتكاليف غرامات.

خطة واحدة ترى المصنع بأكمله

يبني المؤلفون نموذجاً متكاملاً ينظر إلى المصنع على مستويين في آن واحد. على مستوى التخطيط متوسط الأجل، يقرر عدد الوحدات من كل منتج التي ستُنتج في كل فترة زمنية، وكمية التخزين، وكمية النقص المقبول والطلبات المؤجلة. وعلى مستوى أرضية الورشة، يحدد أي العمليات تُنجز بواسطة البشر أو الروبوتات في كل محطة وبأي تسلسل. يجب أن يمر كل منتج عبر محطات متعددة، ويمكن تشغيل كل محطة إما بواسطة إنسان أو روبوت بسرعات وتكاليف مختلفة. من خلال التعامل مع كميات الإنتاج والمخزون والنقص وتخصيص المهام وترتيب الأعمال كمشكلة واحدة مجمعة، يلتقط النموذج مقايضات تُفقد عادة عندما تتم معالجة التخطيط والجدولة بشكل منفصل.

فهم المعلومات الضبابية

بدلاً من التظاهر بأن الطلب وأزمنة المعالجة دقيقة، تصف الدراسة هذه القيم كمديات تحتوي على قيم أكثر أو أقل احتمالاً — ما يُسمى بالأعداد الضبابية. ثم يطبق المؤلفون مخططاً متحفظاً محباً لتجنب المخاطر يميل، فعلياً، إلى الجانب الأكثر تشاؤماً من تلك النطاقات. تتطلب هذه المقاربة «المقيدة بالموثوقية» أن تبقى الخطط قابلة للتنفيذ عند مستوى اعتقاد مُختار، مثل 80 بالمئة، دون اللجوء إلى توزيعات احتمالية كاملة. تُترجم الطلبات الضبابية وأزمنة المهام إلى قيم حذرة وحاسمة، ويسعى النموذج الرياضي الناتج لتحقيق ثلاثة أهداف في آن واحد: تعظيم العائد المالي الكلي (صافي القيمة الحالية)، تقليل الزمن حتى انتهاء كل الأعمال (المُهَلّ)، وتقليل مجموع التأخير أو التقديم في تسليم المنتجات.

البحث عن تسويات جيدة

بما أن مشكلة التخطيط المجمعة للبشر والروبوتات معقدة للغاية وتزداد بسرعة مع عدد المنتجات والمحطات والفترات، تعمل الطرق الدقيقة فقط على حالات صغيرة نموذجية. يثبت المؤلفون أولاً نموذجهم على أمثلة صغيرة باستخدام تقنية رياضية دقيقة تسمى طريقة إبسيلون‑قيد. للمصانع الكبيرة والواقعية، يتحولون بعد ذلك إلى ثلاث استراتيجيات بحث مستوحاة من الطبيعة: NSGA‑II (خوارزمية جينية)، MOPSO (تحسين أسراب الجسيمات)، وMOWOA (خوارزمية مستوحاة من الحيتان). تنتج الثلاثة مجموعات من حلول «باريتو» — تسويات مختلفة لا يمكن تحسين هدف فيها دون تدهور هدف آخر. عبر 15 مشكلة اختبار ومصنع تعبئة فعلي في الصين، وجدت الطريقة المستوحاة من الحيتان باستمرار خيارات أكثر تنوعاً وتوازناً، مقتربة من المزيج المثالي للربح والسرعة وأداء التسليم.

ماذا تعني المقايضات عملياً

تكشف الحلول عن أنماط واضحة مهمة للمديرين. الاعتماد الأكبر على الروبوتات يقصر أزمنة الإنجاز ويقلل من التأخيرات أو التقديم في التسليم، لكن تكلفة شراء ونشر الروبوتات تخفض صافي القيمة الحالية. عدم اليقين الأعلى في الطلب أو أزمنة المهام يميل إلى إطالة الإنتاج، وزيادة النقص، وتراجع الأداء المالي. ومن المثير للاهتمام أن تغييرات أسعار الفائدة البنكية تؤثر بشدة على صافي القيمة الحالية من خلال خصم التدفقات النقدية المستقبلية ولكن لها تأثير ضئيل تقريباً على الجدولات الفعلية — من يقوم بماذا، متى، وعلى أي محطة. عموماً، تُظهر الدراسة أن دمج التخطيط مع جدولة الإنسان–الروبوت تحت عدم اليقين يمكنه كشف سيناريوهات تشغيلية أكثر كفاءة وواقعية مقارنة بالتعامل مع هذه القرارات بشكل منفصل.

الخلاصة الكبيرة لغير المتخصصين

للقارئ العام، الرسالة بسيطة: عندما يتشارك البشر والروبوتات خط إنتاج والمستقبل غامض، تحتاج الشركات إلى أدوات تخطط كل شيء معاً — كم تُنتج، أين تُخزن، ومن يؤدي كل خطوة — مع الاعتراف بأن الأرقام الأساسية تقريبية فقط. من خلال دمج طريقة حذرة للتعامل مع عدم اليقين مع خوارزميات بحث متقدمة، يقدم هذا العمل لمديري المصانع قائمة من جداول ذكية وقابلة للتفسير. كل خيار يوضح المقايضة بين كسب مزيد من المال، إنهاء العمل أسرع، والحفاظ على التسليمات قريبة من المواعيد الملتزم بها، مما يساعدهم على اختيار مستوى المخاطرة واستخدام الروبوت الذي يناسب استراتيجيتهم وميزانيتهم.

الاستشهاد: Deng, Y., Huang, B. & Lai, S. Fuzzy-based multi-objective scheduling for human–robot manufacturing systems. Sci Rep 16, 11253 (2026). https://doi.org/10.1038/s41598-026-40004-9

الكلمات المفتاحية: التعاون بين الإنسان والروبوت, جدولة الإنتاج, التحسين الضبابي, التخطيط متعدد الأهداف, أنظمة التصنيع