Wzajemne korzyści systemu produkcji w chmurze i klientów poprzez integrację harmonogramowania, przyjmowania zleceń i sprawiedliwości w strategii utrzymania

Dlaczego inteligentniejsze wspólne fabryki mają znaczenie

Coraz więcej produktów — od spersonalizowanych etui na telefony po części medyczne — powstaje w elastycznych sieciach fabryk zamiast w pojedynczym zakładzie. W produkcji w chmurze firmy współdzielą maszyny za pośrednictwem platformy online, trochę jak wynajmowanie mocy obliczeniowej w chmurze. Pojawia się więc kluczowe pytanie: jak taki system może jednocześnie zadowalać klientów i fabryki — realizując zamówienia na czas, ustalając uczciwe ceny i nadal osiągając zysk — a jednocześnie radzić sobie z awariami maszyn? Niniejsze badanie podejmuje to wyzwanie bezpośrednio.

Jak działa współdzielona produkcja w chmurze

W systemie produkcji w chmurze wielu klientów przesyła zlecenia do realizacji przez zestaw geograficznie rozproszonych fabryk, z których każda dysponuje różnymi maszynami i możliwościami. Platforma musi zdecydować, które zamówienia przyjąć, która fabryka i która maszyna powinny wykonać dane zlecenie oraz w jakiej kolejności mają być przetwarzane. Trzeba też uwzględnić czasy wysyłki oraz kary za wykonanie za wcześnie lub za późno w stosunku do żądanej daty dostawy. Ponieważ zdolności produkcyjne są ograniczone, a niedotrzymywanie terminów kosztowne, przyjmowanie każdego zlecenia nie jest ani realistyczne, ani opłacalne. Sednem problemu jest znalezienie planu, który najlepiej wykorzysta współdzielone zasoby przy jednoczesnym sprawiedliwym traktowaniu klientów.

Równoważenie ceny, sprawiedliwości i stanu maszyn

Autorzy tworzą model matematyczny, który łączy kilka decyzji zamiast traktować je oddzielnie. Po pierwsze, ustalają ceny produktów według reguły „wzajemnej korzyści”: cena musi być wyższa niż rzeczywisty koszt produkcji i logistyki dla systemu, ale niższa niż maksymalna kwota, jaką klient jest skłonny zapłacić. Po drugie, zdefiniowali satysfakcję klienta jako to, o ile mniej klient faktycznie płaci w porównaniu ze swoją osobistą górną granicą, i wprowadzili cel sprawiedliwości zmniejszający różnicę między najlepiej obsłużonymi a najsłabiej obsłużonymi klientami. Po trzecie, obliczają użyteczność systemu na podstawie jego zysku, porównując ją z najlepszym możliwym benchmarkiem, aby użyteczności klienta i systemu można było porównać na podobnych skalach. Te trzy cele — wysoka ogólna satysfakcja, sprawiedliwość i dobry zysk systemu — są optymalizowane równocześnie.

Utrzymanie niezawodności maszyn i realistyczne harmonogramy

Kluczowym dodatkiem w tej pracy jest jawne uwzględnienie zużycia maszyn i konserwacji. Maszyny zużywają się w miarę pracy i mogą ulegać niespodziewanym awariom. Model pozwala na różne poziomy konserwacji zapobiegawczej, które mogą „odmłodzić” maszynę w różnym stopniu, a także na minimalne naprawy po nagłych awariach, które przywracają działanie bez redukcji nagromadzonego zużycia. Konserwacja pochłania czas i pieniądze, ale zmniejsza ryzyko i koszty przyszłych awarii. Model jednocześnie harmonogramuje zlecenia i okna konserwacyjne na maszynach równoległych w wielu fabrykach, śledząc, jak te wybory wpływają na wskaźniki awaryjności, potrzeby napraw oraz terminowość dostaw. Uwzględniono też kary za zbyt wczesne lub zbyt późne wykonanie, co sprzyja tworzeniu harmonogramów dopasowanych do terminów klientów zamiast po prostu ścigania się, by skończyć jak najszybciej.

Testowanie inteligentniejszych strategii decyzji

Ponieważ połączony problem jest bardzo złożony, autorzy wykorzystują zaawansowany algorytm ewolucyjny NSGA-II do poszukiwania szerokiego zestawu rozwiązań „optymalnych Pareto” — planów, w których nie da się poprawić jednego celu (na przykład zysku) bez pogorszenia innego (takiego jak sprawiedliwość). Porównują swój pełny zintegrowany model z kilkoma uproszczonymi wersjami, które pomijają konserwację, pomijają konserwację zapobiegawczą lub minimalne naprawy, albo ignorują wcześniejszość i opóźnienie. W szeregu symulowanych scenariuszy pełny model konsekwentnie oferuje lepsze kompromisy: wyższy zysk systemu, niższy średni koszt ponoszony przez klienta oraz mniejsze różnice w satysfakcji między klientami. W niektórych przypadkach dodanie strategii konserwacji więcej niż podwaja zysk przy jednoczesnym obniżeniu kosztów dla klientów i zmniejszeniu nierówności w obsłudze.

Co to oznacza dla klientów i dostawców

Dla czytelnika ogólnego główny wniosek jest taki, że „inteligentna” koordynacja w produkcji w chmurze może rzeczywiście przynieść korzyści obu stronom. Poprzez zintegrowane decyzje o tym, które zamówienia przyjmować, jak je harmonogramować, kiedy przeprowadzać konserwację maszyn i jak ustalać ceny, platforma może utrzymywać maszyny w lepszym stanie, ograniczać niespodziewane awarie i dopasowywać dostawy do obiecanych terminów. Jednocześnie może stosować ceny mieszczące się w strefie komfortu każdego klienta, unikając jednocześnie dużych nierówności w sposobie traktowania różnych klientów. Badanie pokazuje, że przemyślane planowanie i utrzymanie to nie tylko kwestie techniczne: są to kluczowe dźwignie budowania systemów produkcyjnych w chmurze, które są opłacalne, niezawodne i postrzegane jako sprawiedliwe przez ich użytkowników.

Cytowanie: 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

Słowa kluczowe: produkcja w chmurze, harmonogramowanie produkcji, konserwacja zapobiegawcza, uczciwe ceny, optymalizacja wielokryterialna