Un algoritmo di ottimizzazione ispirato alle balene migliorato per problemi di job shop flessibile con effetti di deterioramento delle macchine

Perché i problemi di tempistica in fabbrica sono importanti

Dietro ai prodotti di uso quotidiano come telefoni, automobili e alimenti confezionati si cela un enigma nascosto: decidere quale macchina esegue quale attività e in quale ordine. Questa sfida di pianificazione, nota come scheduling, determina se una fabbrica consegnerà in tempo o farà aspettare i clienti. L’articolo esplora come pianificare il lavoro in fabbrica quando le macchine si consumano lentamente e presenta un algoritmo informatico ispirato alle balene in grado di trovare piani di produzione più veloci e realistici.

Come le macchine invecchiano realmente in reparto

Nel scheduling da manuale le macchine sono trattate come perfette: la loro velocità di lavorazione non cambia mai. Nei reparti reali la situazione è diversa. Con il prolungarsi dell’attività, i componenti si consumano, si accumula calore e le prestazioni diminuiscono. I lavori avviati più tardi sulla stessa macchina possono richiedere più tempo rispetto a lavori identici processati prima. Questo effetto, chiamato deterioramento, è comune in settori come acciaio, plastica, meccanica e difesa. Ignorarlo rende gli orari attraenti sulla carta ma deludenti nella pratica, perché i tempi di completamento reali risultano molto più lunghi delle previsioni.

Trasformare usura e logoramento in una regola semplice

Gli autori studiano un job shop flessibile, dove ogni fase di ogni lavoro può essere eseguita su più macchine, e introducono una regola realistica per l’invecchiamento delle macchine. Invece di assumere che il tempo di lavorazione cresca all’infinito, adottano un andamento a gradini: per gli utilizzi iniziali la macchina opera a velocità base; dopo una certa mole di lavoro si aggiunge tempo extra a ogni lavoro con l’aumentare dell’usura; superato un limite superiore, il rallentamento smette di aumentare e resta a un ritardo aggiuntivo fisso. Con questa regola costruiscono un modello matematico che ha come obiettivo minimizzare il tempo totale fino al completamento di tutti i lavori, rispettando l’ordine delle operazioni, le scelte delle macchine e i ritardi crescenti dovuti al deterioramento.

Prendere idee dalla caccia delle balene

Per affrontare questo complesso problema di pianificazione, l’articolo migliora la Whale Optimization Algorithm, un metodo di ricerca ispirato a come le megattere circondano e intrappolano le prede. Ogni “balena” nell’algoritmo rappresenta un possibile piano di produzione. Aggiornando ripetutamente questi piani, il gruppo cerca soluzioni migliori. Gli autori riprogettano diverse parti del processo. Creano un modo più intelligente per generare il primo insieme di soluzioni, mescolando ragionamento globale, raffinamenti locali e casualità. Adeguano inoltre il modo in cui le balene virtuali passano da una vasta esplorazione iniziale a un affinamento finale, usando una regola di convergenza curva e un’“inerzia” variabile che controlla la dimensione dei passi.

Mantenere la ricerca diversificata ed evitare punti morti

Le versioni standard del metodo delle balene possono bloccarsi, girando intorno a un piano soltanto discreto invece di trovarne uno migliore. Per evitarlo, gli autori prendono in prestito una mossa di mutazione da un’altra famiglia di algoritmi, in cui nuove soluzioni candidate vengono create combinando differenze tra soluzioni esistenti. Questo passo differenziale casuale reintroduce varietà nel gruppo. Introducono anche una strategia del seno aureo, che utilizza movimenti ondulatori e la proporzione aurea per spingere la ricerca attraverso una regione più ampia dello spazio delle soluzioni pur gravitano verso aree promettenti. Insieme, questi cambiamenti bilanciano un’esplorazione audace con un’accurata rifinitura.

Cosa mostrano i test in pratica

Il team testa l’algoritmo migliorato su problemi di scheduling di riferimento standard adattati per includere l’usura delle macchine. Confrontano i risultati con il metodo originale delle balene, un classico algoritmo genetico e un ottimizzatore grey wolf. Nella maggior parte dei set di test, il nuovo metodo trova orari che terminano prima ed è più consistente tra le diverse esecuzioni. In un esempio dettagliato, l’aggiunta del deterioramento delle macchine quasi raddoppia il tempo di completamento previsto se non si esegue alcun riplanificazione. Applicando il metodo delle balene migliorato, il tempo totale con l’usura inclusa diminuisce di circa un terzo rispetto a questo piano ingenuo, mostrando evidenti guadagni di efficienza.

Cosa significa questo per le fabbriche reali

In termini concreti, lo studio mostra che pianificare il lavoro fingendo che le macchine non rallentino mai può fuorviare seriamente i manager. Integrando l’invecchiamento delle macchine nello scheduling e usando una ricerca ispirata alle balene raffinata, le fabbriche possono disporre i compiti e le scelte delle macchine in modi più aderenti alla realtà, riducendo i tempi di attesa e migliorando il throughput. Sebbene l’approccio presupponga ancora condizioni stabili e parametri tarati, indica strumenti digitali più intelligenti che aiutano i reparti a gestire sia la flessibilità sia l’usura, avvicinando i piani generati dal computer a ciò che accade effettivamente in reparto.

Citazione: Li, K., Tian, S. An improved whale optimization algorithm for flexible job shop scheduling problems with machine deterioration effects. Sci Rep 16, 14604 (2026). https://doi.org/10.1038/s41598-026-44409-4

Parole chiave: pianificazione, ottimizzazione, produzione, usura delle macchine, metaeuristiche