Bénéfices mutuels du système de fabrication en nuage et des clients via l’intégration de l’ordonnancement, de l’acceptation des commandes et de l’équité sous une stratégie de maintenance

Pourquoi des usines partagées plus « intelligentes » comptent

De plus en plus de produits, des coques de téléphone personnalisées aux pièces médicales, sont fabriqués dans des réseaux d’usines flexibles plutôt que dans une seule usine. Dans la fabrication en nuage, les entreprises partagent des machines via une plateforme en ligne, un peu comme on loue de la puissance de calcul dans le cloud. Cela soulève une grande question : comment un tel système peut-il satisfaire à la fois les clients et les usines — livrer à temps, appliquer des prix équitables et rester rentable — tout en gérant les pannes des machines ? Cette étude s’attaque directement à ce défi.

Comment fonctionne la production partagée dans le nuage

Dans un système de fabrication en nuage, de nombreux clients envoient des commandes à produire par un ensemble d’usines réparties géographiquement, chacune disposant de machines et de capacités différentes. La plateforme doit décider quelles commandes accepter, quelle usine et quelle machine doivent exécuter chaque travail, et dans quel ordre les traiter. Elle doit aussi tenir compte des délais d’expédition et des pénalités liées aux livraisons trop anticipées ou trop retardées par rapport à la date demandée par le client. Parce que la capacité est limitée et que manquer des échéances coûte cher, accepter toutes les commandes n’est ni réaliste ni rentable. Le cœur du problème est de trouver un plan qui utilise au mieux les ressources partagées tout en traitant les clients de manière équitable.

Équilibrer prix, équité et santé des machines

Les auteurs construisent un modèle mathématique qui regroupe plusieurs décisions plutôt que de les traiter séparément. Premièrement, ils fixent les prix des produits selon une règle de « bénéfice mutuel » : le prix doit être supérieur au coût réel de production et de logistique pour le système, mais inférieur au montant que le client est prêt à payer. Deuxièmement, ils définissent la satisfaction client en fonction de l’écart entre ce que paie réellement le client et son plafond personnel, et introduisent un objectif d’équité qui réduit la différence entre les clients les mieux servis et les moins bien servis. Troisièmement, ils calculent l’utilité du système à partir de son profit, en la comparant à un scénario optimal de référence afin que les utilités client et système soient sur des échelles comparables. Ces trois objectifs — forte satisfaction globale, équité et bon profit pour le système — sont optimisés simultanément.

Maintenir la fiabilité des machines et des plannings réalistes

Un ajout clé de ce travail est le traitement explicite de l’usure des machines et de la maintenance. Les machines vieillissent en travaillant et peuvent tomber en panne de façon imprévue. Le modèle permet différents niveaux de maintenance préventive qui peuvent « rajeunir » la machine à divers degrés, ainsi que des réparations minimales après des pannes soudaines qui rétablissent simplement le fonctionnement sans réduire l’usure sous-jacente. La maintenance consomme du temps et de l’argent mais réduit le risque et le coût des pannes futures. Le modèle planifie simultanément les tâches et les fenêtres de maintenance sur des machines parallèles réparties dans plusieurs usines, tout en suivant comment ces choix affectent les taux de panne, les besoins en réparation et la performance de livraison. Des pénalités pour livraison trop anticipée ou trop retardée sont également incluses, favorisant des plannings qui s’alignent sur les dates de livraison promises plutôt que de courir simplement pour finir le plus tôt possible.

Tester des stratégies décisionnelles plus intelligentes

Comme le problème combiné est très complexe, les auteurs utilisent un algorithme évolutionnaire avancé, NSGA-II, pour rechercher un large éventail de solutions « Pareto optimales » — des plans où l’on ne peut améliorer un objectif (par exemple le profit) sans détériorer un autre (comme l’équité). Ils comparent leur modèle intégré complet à plusieurs versions simplifiées qui omettent la maintenance, la maintenance préventive ou la réparation minimale, ou qui ignorent l’anticipation et le retard. Sur une série de scénarios simulés, le modèle complet fournit systématiquement de meilleurs compromis : profit du système plus élevé, coût moyen client plus bas et différences de satisfaction entre clients réduites. Dans certains cas, l’ajout de la stratégie de maintenance double plus que le profit tout en réduisant les coûts clients et en resserrant les écarts d’équité.

Ce que cela signifie pour les clients et les fournisseurs

Pour le lecteur général, la conclusion principale est que la coordination « intelligente » en fabrication en nuage peut véritablement être gagnant–gagnant. En décidant, de manière unifiée, quelles commandes accepter, comment les ordonnancer, quand entretenir les machines et comment fixer les prix, la plateforme peut préserver la santé des machines, réduire les pannes surprises et aligner les livraisons sur les dates promises. Dans le même temps, elle peut appliquer des prix qui restent dans la zone de confort de chaque client tout en évitant de grandes inégalités dans le traitement des différents clients. L’étude montre que la planification réfléchie et la maintenance ne sont pas de simples détails techniques : ce sont des leviers centraux pour construire des systèmes de production basés sur le nuage qui soient rentables, fiables et perçus comme équitables par leurs utilisateurs.

Citation: 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

Mots-clés: fabrication en nuage, ordonnancement de la production, maintenance préventive, tarification équitable, optimisation multiobjectifs