Wykorzystanie dwuetapowego modelu D‑optymalnego do wyboru wyposażenia w elastycznych systemach produkcyjnych

Dlaczego to ma znaczenie dla nowoczesnych fabryk

Na całym świecie producenci ścigają się we wdrażaniu robotów, inteligentnych maszyn i zautomatyzowanych systemów transportu. Ale ile automatyzacji naprawdę warto wprowadzić? W artykule to pytanie badane jest na przykładzie rzeczywistej fabryki elektroniki i daje zaskakującą odpowiedź: najlepszy system nie jest w pełni zautomatyzowany, lecz starannie zrównoważony między maszynami a ludźmi. Dzięki zaawansowanym eksperymentom komputerowym i symulacjom autorzy pokazują, jak dobrać odpowiednią mieszankę wyposażenia, by ograniczyć odpady, przyspieszyć produkcję i uniknąć nadmiernych wydatków na technologię.

Fabryki jako żywe, elastyczne systemy

Badanie koncentruje się na elastycznym systemie produkcyjnym (FMS), w którym różne typy maszyn, robotów, magazynów i urządzeń transportowych są koordynowane przez centralny system komputerowy. W badanej firmie dwie równoległe linie produkują wyroby niskiego i wysokiego napięcia, każda przechodząc przez pięć głównych etapów — od przyjęcia przez kontrolę jakości aż po końcowe pakowanie. Kierownictwo oczekuje, że linie będą szybko reagować na zmiany zamówień, ale musi działać w ramach ścisłych ograniczeń dotyczących liczby maszyn i pracowników. Zamiast po prostu zwiększać poziom automatyzacji, badacze pytają: jaka kombinacja zasobów zautomatyzowanych i ręcznych daje najlepszą wydajność przy tych ograniczeniach?

Testowanie tysięcy scenariuszy „co jeśli” na wirtualnej linii

Zamiast eksperymentować bezpośrednio na rzeczywistej hali produkcyjnej, zespół tworzy szczegółowy model komputerowy fabryki oparty na symulacji zdarzeń dyskretnych. Wirtualna linia odtwarza sposób przybywania części, czas trwania operacji, częstość występowania wad oraz momenty, gdy maszyny i pracownicy są zajęci lub wolni. Następnie łączą ten model z narzędziem do komputerowo wspomaganego planowania eksperymentów, które określa, jakie kombinacje wyposażenia testować. Do pokrycia ogromnej przestrzeni możliwości przy jak najmniejszej liczbie uruchomień symulacji zastosowano specjalny dwuetapowy plan D‑optymalny, zachowując jednocześnie stałą łączną pojemność 84 jednostek zasobów dzielonych między wyposażeniem zautomatyzowanym i ręcznym.

Poszukiwanie złotego środka między ludźmi a maszynami

Aby ocenić, czy dane ustawienie jest dobre, autorzy łączą kilka praktycznych miar w jedną ocenę zbiorczą. Należą do nich liczba produktów wytwarzanych dziennie, czas przebywania elementów w systemie, ilość pracy w toku oczekującej między stanowiskami, ilość odpadów, wykorzystanie maszyn i pracowników oraz tempo produkcji. Menedżerowie z firmy pomagają przypisać względne znaczenie tym wskaźnikom za pomocą ustrukturyzowanej metody porównań, dając większą wagę szybkiemu wytwarzaniu dobrych produktów i mniejszą (ale nadal istotną) utrzymywaniu niskich zapasów i odpadów. Każda symulowana konfiguracja otrzymuje wówczas skumulowany wynik odzwierciedlający realne priorytety fabryki.

Dlaczego pełna automatyzacja nie wygrywa

W pierwszym etapie plan D‑optymalny przeszukuje szeroki zakres poziomów automatyzacji, wskazując obiecujące regiony. W drugim etapie metoda skupia się na tych regionach i testuje wiele bardziej szczegółowych kombinacji wyposażenia. Wyniki pokazują silnie nieliniowy wzorzec: wydajność rośnie wraz ze wzrostem automatyzacji z obecnego umiarkowanego poziomu, osiąga szczyt przy około 92,8% zautomatyzowanych zasobów, a następnie spada wraz z zbliżaniem się linii do niemal całkowitej automatyzacji. W tym punkcie optymalnym fabryka może zwiększyć dzienną produkcję o około dwie trzecie, zmniejszyć ilość odpadów o około 40%, skrócić czasy cykli i produkcji oraz podnieść wykorzystanie urządzeń, przy jednoczesnym tylko nieznacznym wzroście średniej ilości pracy oczekującej w systemie.

Co to oznacza dla decydentów z przemysłu

Główne przesłanie dla osób niezajmujących się specjalistycznie tematem jest proste: „więcej automatyzacji” nie oznacza automatycznie lepiej. W tej rzeczywistej fabryce elektroniki dążenie do pełnej automatyzacji kosztowałoby więcej i dawałoby gorszą ogólną wydajność niż starannie wyregulowana mieszanka, w której niewielka, lecz kluczowa część pracy pozostaje ręczna. Opracowana tu dwuetapowa, komputerowo wspomagana metoda daje menedżerom praktyczny sposób testowania tysięcy scenariuszy „co jeśli” na cyfrowym bliźniaku linii produkcyjnej, w realistycznych granicach budżetu, kadry i wyposażenia. Poprzez dostosowanie miar wydajności i ograniczeń ten sam sposób może wspierać dobór wyposażenia w innych sektorach, pomagając fabrykom znaleźć własny złoty środek między ludźmi a maszynami zamiast ślepego dążenia do 100% automatyzacji.

Cytowanie: 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

Słowa kluczowe: elastyczne systemy produkcyjne, optymalizacja poziomu automatyzacji, symulacja zdarzeń dyskretnych, dobór wyposażenia, Przemysł 4.0