Ricerca sull’ottimizzazione della schedulazione nell’officina di lavorazione delle lamiere navali basata su un algoritmo NSGA-II migliorato

Perché i cantieri navali hanno bisogno di pianificazioni più intelligenti

I cantieri navali moderni gestiscono migliaia di lamiere d’acciaio pesanti che devono essere marcate, tagliate e spostate nell’ordine corretto. Qualsiasi piccolo problema — come una macchina da taglio guasta o un ordine urgente — può propagarsi nell’officina, sprecando energia, sovraccaricando alcune macchine e mettendo a rischio le date di consegna. Questo articolo presenta un nuovo modo per riorganizzare automaticamente il lavoro in un’officina di lavorazione delle lamiere quando si verificano tali interruzioni, utilizzando un algoritmo evolutivo perfezionato per mantenere la produzione rapida, affidabile ed efficiente.

Mantenere la produzione stabile quando qualcosa va storto

La costruzione navale è un tipo di produzione complessa, caratterizzata da continui stop & go. Le lamiere variano in dimensione e forma e diversi macchinari condividono il carico di lavoro. Oggi, quando accade un evento imprevisto, molti cantieri si affidano ancora al personale esperto per riorganizzare manualmente il piano. Questo richiede tempo e spesso porta a un utilizzo disomogeneo delle macchine e a costi più elevati. Gli autori si concentrano su una domanda chiave: quando il piano di produzione è colpito da eventi come guasti alle macchine, rilavorazioni o ritardi nelle forniture, come può un sistema informatico generare rapidamente un nuovo programma che rispetti i tempi di consegna, mantenga basso il consumo energetico ed eviti il sovraccarico di una singola macchina?

Trasformare l’officina in un gemello digitale

Per affrontare il problema, i ricercatori prima trasformano l’officina di lamiere in un modello digitale dettagliato. Costruiscono una disposizione tridimensionale di macchinari e percorsi dei materiali usando software di ingegneria e la collegano a una piattaforma dati Internet of Things (IoT) che raccoglie informazioni in tempo reale da tavoli di taglio, gru e altre attrezzature. Questo crea una sorta di “gemello digitale” dell’officina: un ambiente virtuale che rispecchia ciò che accade sul piano operativo. I dati di produzione confluiscono in un sistema di schedulazione che utilizza algoritmi di ottimizzazione per proporre un piano di lavoro iniziale. Quel piano viene poi testato in simulazione per verificare se rispetta le scadenze e usa le macchine in modo ragionevole, prima di essere inviato nuovamente per il controllo dell’officina reale.

Bilanciare tempo, costo e carico sulle macchine

Il fulcro dello studio è una descrizione matematica di come le lamiere si muovono attraverso l’officina. Ogni lastra passa attraverso diversi passaggi su macchine differenti e il piano deve rispettare l’ordine delle operazioni, la capacità di ciascuna macchina e il tempo di consegna promesso. Gli autori definiscono tre obiettivi contemporaneamente: ridurre il tempo complessivo di completamento, diminuire l’energia totale consumata durante lavorazione e inattività, ed evitare lunghi periodi in cui le macchine sono o troppo ferme o sovraccariche. Questo tipo di problema multigoal non ha una soluzione unica perfetta. Produce invece un insieme di compromessi — per esempio, finire leggermente prima a costo di un maggiore consumo energetico. L’obiettivo dell’algoritmo è mappare questi compromessi in modo che i pianificatori possano scegliere il programma che meglio corrisponde alle loro priorità.

Addestrare un algoritmo ad adattarsi come un esperto

Per esplorare l’enorme spazio delle possibili pianificazioni, gli autori migliorano un metodo evolutivo popolare chiamato NSGA‑II, che opera facendo evolvere una popolazione di piani candidati attraverso molte generazioni. Le versioni tradizionali usano impostazioni fisse per la frequenza di ricombinazione e mutazione e preservano i migliori piani in modo semplice. Questo può far sì che la ricerca si “impigli” troppo presto. Qui, le probabilità di ricombinazione e mutazione si adattano automaticamente durante l’evoluzione, favorendo un’ampia esplorazione all’inizio e un affinamento più accurato in seguito. Allo stesso tempo, una nuova regola di selezione degli “elites”, ispirata al simulated annealing, controlla quante delle migliori soluzioni vengono mantenute da ogni generazione. Questo aiuta a preservare varietà tra i piani promettenti, evitando che l’algoritmo converga troppo rapidamente su una soluzione sub‑ottimale.

Dimostrare il metodo con test e in un cantiere reale

L’approccio migliorato viene testato in due modi. Primo, viene eseguito su una serie di benchmark standard di schedulazione ampiamente usati nella ricerca. Nella maggior parte di questi test trova soluzioni di compromesso più diverse e di qualità superiore rispetto sia all’NSGA‑II originale sia a una variante più recente chiamata NSGA‑III. Secondo, il team lo applica a un ordine di produzione reale che coinvolge 16 lamiere e sette macchine in un cantiere navale, introducendo poi interruzioni realistiche: lavori di rilavorazione urgenti e un guasto importante a una macchina. In ciascun caso il sistema prova prima uno spostamento semplice verso destra dei compiti interessati; se ciò dovesse compromettere la data di consegna, viene attivata una ripianificazione completa usando l’algoritmo migliorato. Rispetto alle strategie tradizionali, il nuovo metodo fornisce tempi di completamento più brevi, consumi energetici inferiori o simili e un bilanciamento migliore dei carichi macchina, pur calcolando piani abbastanza velocemente per un uso pratico.

Cosa significa per la cantieristica navale

Per i non specialisti, il messaggio chiave è che le officine di lavorazione delle lamiere possono ora rispondere alle sorprese in modo più automatico e affidabile. Combinando un flusso di dati live dalla fabbrica, un modello digitale realistico e un algoritmo evolutivo più intelligente, il metodo mantiene la produzione nei tempi previsti con meno interventi manuali d’emergenza. Sul lungo periodo, una schedulazione dinamica di questo tipo potrebbe aiutare i cantieri a ridurre ritardi, risparmiare energia e sfruttare meglio attrezzature costose — un passo concreto verso una produzione più intelligente e resiliente.

Citazione: Dong, L., Liu, J., Gu, S. et al. Research on scheduling optimization of ship plate processing workshop based on improved NSGA-II algorithm. Sci Rep 16, 5549 (2026). https://doi.org/10.1038/s41598-026-35278-y

Parole chiave: cantieristica navale, pianificazione della produzione, algoritmo genetico, fabbrica intelligente, ottimizzazione dinamica