Wechselseitiger Nutzen von Cloud-Fertigungssystemen und Kunden durch Integration von Zeitplanung, Auftragsannahme und Fairness unter einer Wartungsstrategie

Warum intelligentere geteilte Fabriken wichtig sind

Immer mehr Produkte, von individuell gestalteten Handyhüllen bis zu medizinischen Bauteilen, werden in flexiblen Netzwerken von Fabriken statt in einer einzelnen Anlage hergestellt. In der Cloud-Fertigung teilen Unternehmen Maschinen über eine Online-Plattform – ähnlich wie das Mieten von Rechenleistung in der Cloud. Daraus ergibt sich eine zentrale Frage: Wie kann ein solches System gleichzeitig Kunden und Fabriken zufriedenstellen – pünktliche Lieferung, faire Preise und gleichzeitig Gewinn – und dabei mit Maschinenausfällen umgehen? Diese Studie geht diese Herausforderung direkt an.

Wie gemeinsame Produktion in der Cloud funktioniert

In einem Cloud-Fertigungssystem senden viele Kunden Aufträge, die von einer Reihe geografisch verteilter Fabriken mit verschiedenen Maschinen und Fähigkeiten gefertigt werden sollen. Die Plattform muss entscheiden, welche Aufträge angenommen werden, welche Fabrik und welche Maschine welchen Auftrag bearbeitet und in welcher Reihenfolge die Aufträge ausgeführt werden. Außerdem sind Lieferzeiten und Strafen für zu frühe oder zu späte Fertigstellung im Vergleich zum vom Kunden gewünschten Lieferdatum zu berücksichtigen. Da die Kapazität begrenzt ist und verpasste Termine teuer sind, ist es weder realistisch noch profitabel, jeden Auftrag anzunehmen. Der Kern des Problems besteht darin, einen Plan zu finden, der die gemeinsam genutzten Ressourcen bestmöglich nutzt und gleichzeitig die Kunden gerecht behandelt.

Preisbildung, Fairness und Maschinenzustand in Einklang bringen

Die Autoren entwickeln ein mathematisches Modell, das mehrere Entscheidungen zusammenführt, statt sie getrennt zu behandeln. Zuerst legen sie Produktpreise nach einer „gegenseitigen Nutzen“-Regel fest: Der Preis muss über den tatsächlichen Produktions- und Logistikkosten des Systems liegen, aber unter dem Betrag, den der Kunde maximal zu zahlen bereit ist. Zweitens definieren sie Kundenzufriedenheit als die Differenz zwischen der maximalen Zahlungsbereitschaft des Kunden und dem tatsächlich gezahlten Betrag und führen ein Fairnessziel ein, das die Lücke zwischen dem bestbedienten und dem am schlechtesten bedienten Kunden verringert. Drittens berechnen sie den Nutzen des Systems aus dessen Gewinn und vergleichen diesen mit einem besten Szenario, damit Kunden- und Systemnutzen auf vergleichbaren Skalen gewichtet werden können. Diese drei Ziele – hohe Gesamtsatisfaction, Fairness und hoher Systemgewinn – werden gemeinsam optimiert.

Maschinen zuverlässig halten und Zeitpläne realistisch gestalten

Ein wichtiger Zusatz dieser Arbeit ist die explizite Behandlung von Maschinenverschleiß und Wartung. Maschinen altern während des Betriebs und können unerwartet ausfallen. Das Modell erlaubt verschiedene Stufen präventiver Wartung, die eine Maschine jeweils unterschiedlich stark „verjüngen“, sowie minimale Reparaturen nach plötzlichen Ausfällen, die den Betrieb wiederherstellen, ohne den zugrundeliegenden Verschleiß zu verringern. Wartung erfordert Zeit und Kosten, reduziert jedoch das Risiko und die Kosten zukünftiger Ausfälle. Das Modell plant simultan Aufträge und Wartungsfenster auf parallelen Maschinen über mehrere Fabriken hinweg und verfolgt, wie diese Entscheidungen Ausfallraten, Reparaturbedarf und Lieferleistung beeinflussen. Auch Strafen für zu frühe oder zu späte Fertigstellung sind enthalten, was Zeitpläne fördert, die eng an den Kundenterminen ausgerichtet sind, statt einfach so schnell wie möglich fertigzustellen.

Testen intelligenter Entscheidungsstrategien

Weil das kombinierte Problem sehr komplex ist, nutzen die Autoren einen fortgeschrittenen evolutionären Algorithmus, NSGA-II, um eine breite Menge „Pareto-optimaler“ Lösungen zu suchen – Pläne, bei denen man ein Ziel (zum Beispiel Gewinn) nicht verbessern kann, ohne ein anderes (etwa Fairness) zu verschlechtern. Sie vergleichen ihr voll integriertes Modell mit mehreren vereinfachten Versionen, die Wartung, präventive Wartung oder minimale Reparatur weglassen oder Früh- und Verspätungen ignorieren. In einer Reihe simulierter Szenarien liefert das vollständige Modell durchgängig bessere Kompromisse: höheren Systemgewinn, geringere durchschnittliche Kundenkosten und kleinere Zufriedenheitsunterschiede zwischen Kunden. In manchen Fällen verdoppelt die Hinzunahme der Wartungsstrategie den Gewinn mehr als und reduziert gleichzeitig die Kundenkosten sowie die Fairnesslücken.

Was das für Kunden und Anbieter bedeutet

Für eine allgemeine Leserschaft lautet die wichtigste Erkenntnis, dass intelligente Koordination in der Cloud-Fertigung tatsächlich eine Win‑Win-Situation schaffen kann. Indem die Plattform einheitlich entscheidet, welche Aufträge angenommen werden, wie sie geplant werden, wann Maschinen gewartet werden und wie Preise festgelegt werden, kann sie Maschinen gesünder halten, überraschende Ausfälle reduzieren und Liefertermine besser mit den Zusagen in Einklang bringen. Zugleich kann sie Preise verlangen, die innerhalb der Zahlungsbereitschaft der Kunden liegen, und große Ungleichheiten in der Behandlung verschiedener Kunden vermeiden. Die Studie zeigt, dass durchdachte Planung und Wartung keine bloßen technischen Details sind, sondern zentrale Hebel für den Aufbau von cloudbasierten Produktionssystemen, die profitabel, zuverlässig und als fair wahrgenommen werden.

Zitation: Salmasnia, A., Abbaszadeh, M. & Kiapasha, Z. Mutual benefit of cloud manufacturing system and customers through integration of scheduling, order acceptance and fairness under a maintenance strategy. Sci Rep 16, 10350 (2026). https://doi.org/10.1038/s41598-026-40759-1

Schlüsselwörter: Cloud-Fertigung, Produktionsplanung, präventive Wartung, faire Preisgestaltung, mehrzielige Optimierung