Взаимная выгода системы облачного производства и клиентов через интеграцию планирования, принятия заказов и справедливости в условиях стратегии обслуживания

Почему умные совместные фабрики важны

Все больше продуктов — от индивидуальных чехлов для телефонов до медицинских деталей — изготавливаются в гибких сетях фабрик, а не на одном заводе. В облачном производстве компании делят оборудование через онлайн‑платформу, немного как арендуют вычислительную мощность в облаке. Это ставит важный вопрос: как такая система может одновременно удовлетворять и клиентов, и фабрики — обеспечивать своевременную поставку, взимать справедливую цену и при этом получать прибыль — при этом справляясь с поломками оборудования? В этом исследовании авторы прямо берутся за эту задачу.

Как работает совместное производство в облаке

В системе облачного производства многие клиенты передают заказы для изготовления множеству географически разбросанных фабрик с разным оборудованием и возможностями. Платформа должна решить, какие заказы принимать, какая фабрика и какое оборудование будут выполнять каждую задачу и в каком порядке это делать. Также нужно учитывать время доставки и штрафы за выполнение слишком рано или слишком поздно по сравнению с желаемой датой доставки клиента. Поскольку емкость ограничена, а пропуск сроков обходится дорого, принимать все заказы нереалистично и невыгодно. Суть проблемы — найти план, который наилучшим образом использует совместные ресурсы и при этом справедливо относится к клиентам.

Баланс между ценой, справедливостью и состоянием машин

Авторы создают математическую модель, которая объединяет несколько решений вместо их по‑отдельного рассмотрения. Во‑первых, они устанавливают цены на продукты по правилу «взаимной выгоды»: цена должна быть выше истинной производственной и логистической стоимости для системы, но ниже того, что клиент готов заплатить. Во‑вторых, удовлетворенность клиента определяется тем, насколько меньше он платит по сравнению со своим личным верхним лимитом, а также вводится цель справедливости, сокращающая разрыв между лучшим и худшим обслуживанием клиентов. В‑третьих, система рассчитывает свою полезность на основе прибыли, сравнивая её с эталоном наилучшего случая, чтобы полезности клиента и системы можно было сопоставить по схеме. Эти три цели — высокая общая удовлетворенность, справедливость и хорошая прибыль системы — оптимизируются совместно.

Поддержание надежности машин и реалистичность расписаний

Ключевым дополнением в этой работе является явное учёт износа машин и обслуживания. Оборудование стареет в процессе работы и может неожиданно выходить из строя. Модель допускает разные уровни профилактического обслуживания, которое может «омолодить» машину в разной степени, а также минимальный ремонт после внезапного отказа, который лишь восстанавливает работоспособность, не устраняя накопленный износ. Обслуживание требует времени и денег, но снижает риск и стоимость будущих поломок. Модель одновременно планирует задания и окна обслуживания на параллельных машинах в нескольких фабриках, отслеживая, как эти решения влияют на частоту отказов, необходимый ремонт и выполнение сроков доставки. Включены также штрафы за слишком раннюю или слишком позднюю сдачу, что стимулирует расписания, совпадающие с датами доставки клиентов, а не просто стремящиеся к максимально раннему завершению.

Тестирование более умных стратегий принятия решений

Поскольку объединённая задача очень сложна, авторы используют продвинутый эволюционный алгоритм NSGA‑II для поиска широкого набора «паретооптимальных» решений — планов, в которых нельзя улучшить одну цель (например, прибыль), не ухудшив другую (например, справедливость). Они сравнивают свою полную интегрированную модель с несколькими упрощёнными вариантами, в которых опущены обслуживание, профилактическое обслуживание или минимальный ремонт, либо игнорируются ранняя и поздняя сдача. В ряде смоделированных сценариев полная модель последовательно даёт лучшие компромиссы: большую прибыль системы, меньшую среднюю стоимость для клиента и меньшую разницу в удовлетворённости между клиентами. В некоторых случаях добавление стратегии обслуживания более чем удваивает прибыль, одновременно снижая расходы клиентов и сокращая разрывы в справедливости.

Что это значит для клиентов и поставщиков

Для широкой аудитории главное — «умная» координация в облачном производстве действительно может быть выгодна для всех. Решая в единой модели, какие заказы принимать, как их планировать, когда обслуживать оборудование и как устанавливать цены, платформа может сохранять машины в лучшем состоянии, уменьшать неожиданные поломки и согласовывать поставки с обещанными датами. Одновременно она может устанавливать цены в рамках комфортного диапазона для каждого клиента и избегать крупных неравенств в обслуживании разных клиентов. Исследование показывает, что продуманное планирование и обслуживание — это не просто технические детали: это ключевые рычаги для создания облачных производственных систем, которые прибыльны, надёжны и воспринимаются пользователями как справедливые.

Цитирование: 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

Ключевые слова: облачное производство, планирование производства, профилактическое обслуживание, справедливое ценообразование, многоцелевое оптимизирование