מודל הערכה היברידי לייצור חכם תחת אי־ודאויות באמצעות שילוב מערכות אדם־מכונה ואסטרטגיות אוטומציה

למה מפעלים חכמים זקוקים לבחירות חכמות יותר

כאשר מפעלים מתמלאים ברובוטים, חיישנים ובינה מלאכותית, המנהלים מתמודדים עם שאלה לכאורה פשוטה: עד כמה עלינו לאוטומט, ועד כמה עדיין להישען על אנשים? התשובה נדירה וברורה. קווי ייצור אמיתיים הם סביבות רועשות ובלתי־צפויות שבהן אמון האדם, בטיחות ועומס עבודה חשובים לא פחות מהירות ועלות. מאמר זה מציג דרך חדשה לשפוט תצורות אוטומציה שונות שלוקחת בחשבון מציאות מבולגנת זו, ומסייעת למקבלי החלטות לבחור תצורות היעילות, חסינות וממוקדות אדם באמת.

האתגר בהערכת עבודת צוות אדם–מכונה

מערכות "ייצור חכמות" מודרניות משלבות אנשים, רובוטים וכלים דיגיטליים. הערכה של מערכות כאלה קשה כי רבים מהגורמים החשובים ביותר — אמון המפעיל, תחושת הביטחון, קלות שיתוף הפעולה — הם סובייקטיביים ומשתנים לאורך זמן. במקביל, מפעלים משדרים אוקיינוסים של נתונים מחיישנים וממערכות סייבר‑פיזיות שיכולים להיות לא שלמים או רועשים. שיטות דירוג מסורתיות נוטות להישען על רשימות ביקורת נוקשות, על דעות מומחים באופן כבידתי, או להתמקד רק בביצועים מספריים. אף אחת מהן לא יכולה zugleich (במקביל) ללכוד תפיסות אנושיות משתנות, קריטריונים סותרים ונתונים קשיחים — אך השילוב הזה בדיוק מה ש‑Industry 5.0, עם הדגש שלה על ייצור ממוקד אדם וחסינות, דורש.

עדשה חדשה לאי־ודאות בשיפוט מומחים

החידוש הראשון של המחקר הוא עדשה מתמטית לתיאור דעות מומחים הנקראת קבוצות מטושטשות סיבוביות‑כדוריות (circular spherical fuzzy sets). בפשטות, במקום לכפות על מהנדס לתייג אפשרות פשוט כ"טובה" או "גרועה", השיטה מאפשרת לבטא עד כמה היא נראית טובה, עד כמה היא נראית לא טובה, עד כמה הם לא בטוחים, וכיצד הביטחון שלהם יכול להטות הלוך ושוב. לדוגמה, אמונו של מפעיל ברובוט שיתופי עשוי לגדול ככל שהפרודוקטיביות עולה, לרדת בחדות אחרי כמעט‑התנגשות, ואז להתאושש לאט אחרי הכשרה מחדש. היסוס מחזורי כזה לא ניתן לטיפול טוב על‑ידי כלים מטושטשים קודמים, שמניחים שאי־הוודאות זזה בקו ישר. ההרחבה הסיבובית מוסיפה מרכיב כיווני, כמעט כמצפן, להיסוס, ומשקפת טוב יותר כיצד אנשים ממשיים מעדכנים את שיפוטיהם כאשר המצב מתפתח.

לאזן תחושת בטן ומספרים קשיחים

כדי להפוך דעות עשירות אך מבולגנות אלה לדירוגים ברורים של אפשרויות אוטומציה, המחבר משלב שתי טכניקות החלטה לתוך מודל היברידי יחיד. חלק אחד, שנקרא CRITIC, בוחן את הנתונים וקובע אילו קריטריונים באמת נושאים משקל על‑ידי בדיקה כמה הם משתנים וכמה הם מתנגשים זה עם זה. חלק נוסף, MAIRCA, משווה כל אפשרות ל"ציון אידיאלי" דמיוני ומודד כמה היא רחוקה ממנו. הערכות מטושטשות סיבוביות של המומחים מומרות קודם לכן לציונים מספריים שעוצבו במיוחד כדי ש‑CRITIC יוכל לפעול עליהן מבלי להשליך את אי‑הוודאות הבסיסית. יחד, הטריו הזה — מודל מטושטש סיבובי, משקלים מונעי נתונים, והשוואת אידיאל‑מול‑מציאות — שואף ליצור איזון בין תובנה אנושית ומבנה אובייקטיבי.

יישום המודל במפעל ניסיוני

כדי להדגים איך המסגרת פועלת, המאמר עובר על מקרה השערתי של יצרן בגודל בינוני שבוחר בין ארבע תצורות אוטומציה: קו היברידי חצי‑אוטומטי, מערכת סייבר‑פיזית בהנחיית מפעיל, קו אוטומטי מלא ותסריט עם רובוט שיתופי. שמונה קריטריונים מערבבים שיקולים כלכליים, טכניים ואנושיים, כולל עלות, יעילות, גמישות, שילוב גורמי אנוש, בטיחות, נטל תחזוקה, אמינות ושימוש בנתונים. מומחים מדורגים כל אפשרות במונחים לשוניים כמו "גבוה" או "בינוני", המתרגמים לערכי מטושטש סיבוביים. השיטה ההיברידית מחשבת אז את חשיבות כל קריטריון, בוחרת אבן דרך אידיאלית, מודדת כמה כל אפשרות סטתה מהאידיאל ודורגת אותן בהתאמה. במקרה הבדיקה הזה, הקו ההיברידי החצי‑אוטומטי יוצא בראש, בעיקר משום שהוא מציג ביצועים יציבים בכל הקריטריונים בלי חולשות משמעותיות, בעוד אפשרויות השואפות לאוטומציה מקסימלית משלמות במחיר של שילוב גורמי אדם ומורכבות.

איך זה משנה החלטות במפעלים אמתיים

מעבר לדוגמה, המחקר משווה את המודל ההיברידי לשיטות פופולריות כגון AHP ו‑TOPSIS ולווריאנטים מטושטשים שלהן. הקלאסיקות הללו קלות יותר ליישום אך נוטות לדירוגים לא יציבים וטיפול חלש באי־ודאות. לעומת זאת, הגישה החדשה מציגה דירוגים יציבים יותר כאשר פרמטרים מרכזיים משתנים ויכולה להבחין טוב יותר בין חלופות צמודות, במיוחד כאשר היסוס המומחה תלוי הקשר חזק. המחבר זהיר לציין שהתוצאות הנוכחיות מבוססות על נתונים סינתטיים וכי אימות מלא על קווי ייצור אמיתיים הוא עבודה עתידית. עם זאת, המסגרת מצביעה על כלים לקבלת החלטות הרואים במפעלים מערכות סוציו‑טכניות, שבהן אנשים ומכונות מסתגלים זה לזה לאורך זמן.

מה משמעות הדבר לעתיד העבודה והאוטומציה

במונחים יומיומיים, מסקנת המאמר היא שהחלטות על אוטומציה לא צריכות להתעלם משיפוט אנושי ולא לשקוע אתו בנתונים. במקום זאת, צריך למודל במפורש כיצד דעותיהם של אנשים משתנות ככל שהם צוברים ניסיון, נתקלים בתקריות ומסתגלים לטכנולוגיה חדשה. המודל המוצע מספק דרך מובנית לעשות זאת, תוך התחשבות בעלויות, בטיחות, גמישות ויכולות דיגיטליות. אם ישתמשו בו בחוכמה, כלים כאלה יכולים לסייע לחברות לבחור אסטרטגיות אוטומציה שלא רק יעילות על הנייר אלא גם מהימנות לעובדים, בטוחות בפועל וחסינות יותר כאשר התנאים משתנים — מרכיבים מרכזיים למפעלים החזויים תחת Industry 5.0.

ציטוט: Chen, Z. A hybrid evaluation model for intelligent manufacturing under uncertainties by integrating human-machine systems and automation strategies. Sci Rep 16, 10936 (2026). https://doi.org/10.1038/s41598-026-45749-x

מילות מפתח: ייצור חכם, שיתוף פעולה אדם–מכונה, אסטרטגיית אוטומציה, מודל קבלת החלטות, אי־ודאות מטושטשת