Gebruik van een twee-traps D-Optimal ontwerp om apparatuur te selecteren voor flexibele productiesystemen

Waarom dit belangrijk is voor moderne fabrieken

Wereldwijd racen fabrikanten om hun productielijnen te automatiseren met robots, slimme machines en geautomatiseerde transportsystemen. Maar hoeveel automatisering is echt de moeite waard? Dit artikel onderzoekt die vraag in een echte elektronicafabriek en komt tot een verrassende conclusie: het best presterende systeem is niet volledig geautomatiseerd, maar zorgvuldig in evenwicht tussen machines en mensen. Met behulp van geavanceerde computerexperimenten en simulaties laten de auteurs zien hoe je de juiste mix van apparatuur kiest om verspilling te verminderen, de productie te versnellen en te voorkomen dat er te veel aan technologie wordt uitgegeven.

Fabrieken als levende, flexibele systemen

De studie richt zich op een flexibel productiesysteem (FMS), waarin verschillende typen machines, robots, opslag- en transportsystemen worden gecoördineerd door een centraal computersysteem. In het onderzochte bedrijf bouwen twee parallelle lijnen laagspannings- en hoogspanningsproducten, waarbij elk product door vijf hoofdfasen gaat, van inkomende inspectie tot eindverpakking. Het management wil dat deze lijnen snel reageren op veranderende klantorders, maar moet binnen strikte grenzen blijven wat betreft het aantal machines en werknemers dat ingezet kan worden. In plaats van simpelweg meer automatisering toe te voegen, vragen de onderzoekers: welke combinatie van geautomatiseerde en handmatige middelen levert onder deze beperkingen de beste algehele prestatie?

Duizenden “wat-als” scenario’s testen op een virtuele lijn

In plaats van direct op de echte werkvloer te experimenteren, bouwt het team een gedetailleerd computermodel van de fabriek met discrete-event simulatie. Deze virtuele lijn reproduceert hoe onderdelen aankomen, hoe lang elke operatie duurt, hoe vaak defecten optreden en hoe machines en werknemers bezet of inactief raken. Ze koppelen dit model vervolgens aan een computerondersteund ontwerp van experimenten dat plant welke apparatuurcombinaties getest moeten worden. Een speciaal twee-traps “D-Optimal” ontwerp wordt gebruikt om een enorm scala aan mogelijkheden te bestrijken met zo min mogelijk simulatieruns, terwijl tegelijk rekening wordt gehouden met een vaste totale capaciteit van 84 hulpbronunits die worden gedeeld tussen geautomatiseerde en handmatige apparatuur.

Het vinden van de juiste balans tussen mensen en machines

Om te beoordelen of een bepaalde opstelling goed of slecht is, combineren de auteurs meerdere praktische maatstaven in één enkele score. Dit omvat hoeveel producten per dag worden gemaakt, hoe lang items in het systeem blijven, hoeveel werk-in-uitvoering tussen stations wacht, hoeveel afval wordt geproduceerd, hoe intensief machines en werknemers worden benut en hoe de uitval- en doorvoersnelheid eruitziet. Managers van het bedrijf helpen bij het toekennen van relatieve belangrijkheid aan deze indicatoren met behulp van een gestructureerde vergelijkingsmethode, waarbij extra gewicht wordt gegeven aan het snel produceren van meer goede producten en minder (maar nog steeds enig) gewicht aan het laag houden van voorraden en afval. Elke gesimuleerde configuratie krijgt vervolgens een samengestelde score die de werkelijke prioriteiten van de fabriek weerspiegelt.

Waarom volledige automatisering geen winnaar is

In de eerste fase verkent het D-Optimal plan een breed spectrum van automatiseringsniveaus en wijst veelbelovende gebieden aan. In de tweede fase zoomt de methode in op die gebieden en test vele fijnmazigere apparatuurcombinaties. De resultaten tonen een sterk niet-lineair patroon: de prestatie verbetert naarmate de automatisering stijgt vanaf het huidige bescheiden niveau, piekt wanneer ongeveer 92,8% van de hulpbronnen geautomatiseerd is, en daalt daarna weer naarmate de lijn bijna volledig geautomatiseerd raakt. Op dat optimale punt kan de fabriek haar dagelijkse productie met ongeveer twee derde verhogen, het afval met ruwweg 40% verminderen, cyclustijden en productietijden verkorten en de benutting van apparatuur verhogen, terwijl de gemiddelde hoeveelheid werk die in het systeem wacht slechts licht toeneemt.

Wat dit betekent voor beslissers in de industrie

De kernboodschap voor niet-specialisten is helder: “meer automatisering” is niet per se beter. In deze echte elektronicafabriek zou het najagen van volledige automatisering meer hebben gekost en toch slechtere algehele prestaties hebben opgeleverd dan een zorgvuldig afgestemde mix waarbij een klein maar essentieel aandeel van het werk handmatig blijft. De hier ontwikkelde twee-traps computerondersteunde methode biedt managers een praktische manier om duizenden wat-als scenario’s te testen op een digitale tweeling van hun productielijn, onder realistische beperkingen qua budget, personeel en apparatuur. Door de prestatiemaatstaven en beperkingen aan te passen, kan dezelfde aanpak apparatuurkeuzes in andere sectoren sturen en helpen dat fabrieken hun eigen optimale balans tussen mensen en machines vinden in plaats van blind te mikken op 100% automatisering.

Bronvermelding: Yu, X., Mi, J., Liu, J. et al. Using a two-stage D-Optimal mode to select equipment for flexible manufacturing systems. Sci Rep 16, 11136 (2026). https://doi.org/10.1038/s41598-026-41466-7

Trefwoorden: flexibele productiesystemen, optimalisatie van automatiseringsniveau, discrete-event simulatie, apparatuurselectie, Industrie 4.0