Benefício mútuo do sistema de manufatura em nuvem e clientes por meio da integração de programação, aceitação de pedidos e equidade sob uma estratégia de manutenção

Por que fábricas compartilhadas mais inteligentes importam

Cada vez mais produtos, de capas de celular customizadas a peças médicas, são fabricados em redes flexíveis de fábricas em vez de uma única planta. Na manufatura em nuvem, empresas compartilham máquinas por meio de uma plataforma online, algo parecido com alugar poder de processamento na nuvem. Isso levanta uma grande questão: como um sistema assim pode manter clientes e fábricas satisfeitos ao mesmo tempo — entregando no prazo, cobrando preços justos e ainda obtendo lucro — enquanto lida com falhas de máquinas? Este estudo aborda esse desafio diretamente.

Como funciona a produção compartilhada na nuvem

Em um sistema de manufatura em nuvem, muitos clientes enviam pedidos para serem produzidos por um conjunto de fábricas geograficamente dispersas, cada uma com máquinas e capacidades diferentes. A plataforma precisa decidir quais pedidos aceitar, qual fábrica e máquina devem executar cada trabalho e em que sequência eles devem ser processados. Também deve considerar tempos de envio e penalidades por terminar muito cedo ou muito tarde em relação à data de entrega solicitada pelo cliente. Como a capacidade é limitada e perder prazos é custoso, aceitar todo pedido não é realista nem rentável. O cerne do problema é encontrar um plano que faça o melhor uso possível dos recursos compartilhados enquanto trata os clientes com equidade.

Balanceando preço, equidade e saúde das máquinas

Os autores constroem um modelo matemático que integra várias decisões em vez de tratá-las separadamente. Primeiro, eles definem preços dos produtos usando uma regra de “benefício mútuo”: o preço deve ser maior que o custo real de produção e logística do sistema, mas menor do que o quanto o cliente está disposto a pagar. Em segundo lugar, definem a satisfação do cliente em termos de quanto menos ele paga em relação ao seu limite máximo pessoal, e introduzem um objetivo de equidade que reduz a disparidade entre os clientes melhor atendidos e os pior atendidos. Em terceiro lugar, calculam a utilidade do próprio sistema a partir do lucro, comparando-o com um cenário de melhor caso para que as utilidades de cliente e sistema possam ser ponderadas em escalas semelhantes. Esses três objetivos — alta satisfação geral, equidade e bom lucro do sistema — são otimizados em conjunto.

Manter máquinas confiáveis e cronogramas realistas

Uma adição chave neste trabalho é o tratamento explícito do desgaste das máquinas e da manutenção. Máquinas envelhecem conforme trabalham e podem falhar inesperadamente. O modelo permite diferentes níveis de manutenção preventiva que podem “rejuvenescer” a máquina em graus variados, assim como reparos mínimos após quebras súbitas que apenas restauram a operação sem reduzir o desgaste subjacente. A manutenção consome tempo e dinheiro, mas reduz o risco e o custo de falhas futuras. O modelo agenda simultaneamente trabalhos e janelas de manutenção em máquinas paralelas através de múltiplas fábricas, ao mesmo tempo em que monitora como essas escolhas afetam taxas de falha, necessidades de reparo e desempenho de entrega. Penalidades por terminar cedo ou tarde também são incluídas, incentivando cronogramas que se alinhem com as datas de vencimento dos clientes em vez de simplesmente correr para terminar o mais cedo possível.

Testando estratégias de decisão mais inteligentes

Como o problema combinado é muito complexo, os autores usam um algoritmo evolutivo avançado, NSGA-II, para procurar um conjunto amplo de soluções “ótimas de Pareto” — planos nos quais não é possível melhorar um objetivo (por exemplo, lucro) sem prejudicar outro (como equidade). Eles comparam seu modelo integrado completo com várias versões simplificadas que omitem manutenção, omitem manutenção preventiva ou reparo mínimo, ou ignoram antecipação e atraso. Em uma variedade de cenários simulados, o modelo completo oferece consistentemente melhores trade-offs: maior lucro do sistema, menor custo médio para o cliente e diferenças menores na satisfação entre clientes. Em alguns casos, adicionar a estratégia de manutenção mais que dobra o lucro ao mesmo tempo em que reduz os custos dos clientes e diminui as lacunas de equidade.

O que isso significa para clientes e provedores

Para um leitor geral, a principal conclusão é que a coordenação “inteligente” na manufatura em nuvem pode realmente ser vantajosa para todos. Ao decidir, de forma unificada, quais pedidos aceitar, como programá-los, quando manter máquinas e como definir preços, a plataforma pode manter as máquinas mais saudáveis, reduzir quebras inesperadas e ajustar as entregas às datas prometidas. Ao mesmo tempo, pode cobrar preços que permaneçam dentro da zona de conforto de cada cliente enquanto evita grandes desigualdades na forma como diferentes clientes são atendidos. O estudo mostra que planejamento e manutenção cuidadosos não são apenas detalhes técnicos: são alavancas centrais para construir sistemas de produção baseados em nuvem que sejam lucrativos, confiáveis e percebidos como justos por seus usuários.

Citação: 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

Palavras-chave: manufatura em nuvem, programação da produção, manutenção preventiva, precificação justa, otimização multiobjetivo