Wederzijds voordeel van cloudproductiesystemen en klanten door integratie van planning, orderacceptatie en eerlijkheid onder een onderhoudsstrategie

Waarom slimmer gedeelde fabrieken ertoe doen

Steeds meer producten, van gepersonaliseerde telefoonhoesjes tot medische onderdelen, worden gemaakt in flexibele netwerken van fabrieken in plaats van in één enkele locatie. In cloudproductie delen bedrijven machines via een online platform, vergelijkbaar met het huren van rekenkracht uit de cloud. Dat roept een belangrijke vraag op: hoe kan zo’n systeem zowel klanten als fabrieken tevreden houden — op tijd leveren, eerlijke prijzen hanteren en toch winst maken — terwijl het ook met machine-uitval omgaat? Deze studie pakt die uitdaging direct aan.

Hoe gedeelde productie in de cloud werkt

In een cloudproductiesysteem sturen veel klanten opdrachten in die geproduceerd moeten worden door een reeks geografisch verspreide fabrieken, elk met verschillende machines en capaciteiten. Het platform moet beslissen welke orders geaccepteerd worden, welke fabriek en welke machine een opdracht uitvoeren en in welke volgorde ze verwerkt moeten worden. Ook moeten verzendtijden en boetes voor te vroeg of te laat afleveren ten opzichte van de door de klant gewenste leverdatum worden meegewogen. Omdat capaciteit beperkt is en het missen van deadlines kostbaar, is het niet realistisch of winstgevend om elke opdracht te accepteren. De kern van het probleem is het vinden van een plan dat het beste gebruikmaakt van gedeelde middelen terwijl klanten eerlijk worden behandeld.

Prijs, eerlijkheid en machineduur in balans

De auteurs bouwen een wiskundig model dat meerdere beslissingen samenbrengt in plaats van ze apart te behandelen. Ten eerste bepalen ze productprijzen met een “wederzijds voordeel”-regel: de prijs moet hoger zijn dan de werkelijke productie- en logistiekkosten voor het systeem, maar lager dan wat de klant bereid is te betalen. Ten tweede definiëren ze klanttevredenheid in termen van hoeveel minder een klant daadwerkelijk betaalt dan zijn persoonlijke bovengrens, en introduceren ze een eerlijkheidsdoel dat de kloof tussen de best bediende en slechtst bediende klanten verkleint. Ten derde berekenen ze de nutswaarde van het systeem op basis van de winst en vergelijken die met een best-case referentie, zodat klant- en systeemnut op vergelijkbare schalen gewogen kunnen worden. Deze drie doelen — hoge algehele tevredenheid, eerlijkheid en goede systeembedrijfswinst — worden gelijktijdig geoptimaliseerd.

Machines betrouwbaar houden en planningen realistisch maken

Een belangrijke toevoeging in dit werk is de expliciete behandeling van machineverslijting en onderhoud. Machines slijten tijdens het werk en kunnen onverwacht uitvallen. Het model maakt verschillende niveaus van preventief onderhoud mogelijk die een machine in verschillende mate kunnen “verjongen”, evenals minimale reparaties na plotselinge storingen die alleen de werking herstellen zonder de onderliggende slijtage te verminderen. Onderhoud kost tijd en geld maar vermindert het risico en de kosten van toekomstige storingen. Het model plant gelijktijdig opdrachten en onderhoudsvensters op parallelle machines in meerdere fabrieken, terwijl het bijhoudt hoe deze keuzes faalkansen, reparatiebehoeften en leverprestaties beïnvloeden. Boetes voor te vroeg of te laat afleveren zijn ook opgenomen, wat planningen stimuleert die nauw aansluiten bij klantleverdata in plaats van simpelweg zo snel mogelijk te willen opleveren.

Testen van slimere beslisstrategieën

Aangezien het gecombineerde probleem zeer complex is, gebruiken de auteurs een geavanceerd evolutionair algoritme, NSGA-II, om een breed spectrum van “Pareto-optimale” oplossingen te vinden — plannen waarbij je het ene doel (bijv. winst) niet kunt verbeteren zonder een ander doel (zoals eerlijkheid) te schaden. Ze vergelijken hun volledige geïntegreerde model met verschillende vereenvoudigde versies die onderhoud weglaten, preventief onderhoud of minimale reparatie uitsluiten, of vroegheid en vertraagde levering negeren. In een reeks gesimuleerde scenario’s levert het volledige model consequent betere afwegingen: hogere systeembedrijfswinst, lagere gemiddelde klantkosten en kleinere verschillen in tevredenheid tussen klanten. In sommige gevallen verdubbelt de toevoeging van de onderhoudsstrategie de winst zelfs terwijl klantkosten dalen en eerlijkeheidskloften kleiner worden.

Wat dit betekent voor klanten en aanbieders

Voor de algemene lezer is de hoofdconclusie dat slimme coördinatie in cloudproductie echt een win–win kan opleveren. Door op een samenhangende manier te beslissen welke orders geaccepteerd worden, hoe ze ingepland worden, wanneer machines onderhouden worden en hoe prijzen worden vastgesteld, kan het platform machines gezonder houden, onverwachte uitval verminderen en leveringen laten aansluiten op beloofde data. Tegelijkertijd kan het prijzen hanteren die binnen de comfortzone van elke klant blijven en grote ongelijkheden in de behandeling van verschillende klanten vermijden. De studie laat zien dat doordachte planning en onderhoud geen technische details zijn: het zijn cruciale hefbomen voor het bouwen van cloudgebaseerde productiesystemen die winstgevend, betrouwbaar en door gebruikers als eerlijk ervaren worden.

Bronvermelding: 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

Trefwoorden: cloudproductie, productieplanning, preventief onderhoud, eerlijke prijsstelling, multi-objectieve optimalisatie