Использование двухэтапного D-Optimal подхода для выбора оборудования в гибких производственных системах

Почему это важно для современных заводов

По всему миру производители стремятся автоматизировать свои линии с помощью роботов, «умных» станков и компьютеризированных систем транспорта. Но насколько целесообразны те или иные вложения в автоматизацию? В этой статье вопрос рассматривается на примере реального электронного завода и даёт неожиданный вывод: система с лучшей эффективностью оказывается не полностью автоматизированной, а тщательно сбалансированной между машинами и людьми. С помощью продвинутых компьютерных экспериментов и симуляций авторы показывают, как выбрать оптимальный набор оборудования, чтобы сократить потери, ускорить производство и избежать лишних затрат на технологии.

Заводы как живые, гибкие системы

Исследование сосредоточено на гибкой производственной системе (FMS), где различные типы станков, роботов, складских блоков и транспортных устройств координируются центральным компьютером. В рассматриваемой компании две параллельные линии собирают низковольтные и высоковольтные электрические изделия, каждая проходит через пять основных этапов — от входного контроля до финальной упаковки. Руководство хочет, чтобы линии быстро реагировали на изменения заказов, но при этом действует в жёстких пределах по числу доступных станков и сотрудников. Вместо простого наращивания автоматизации исследователи задаются вопросом: какая комбинация автоматических и ручных ресурсов даёт наилучшую общую производительность в этих условиях?

Тестирование тысяч сценариев «что если» на виртуальной линии

Вместо экспериментов прямо на реальном производстве команда создает детальную компьютерную модель завода с помощью дискретно-событийного моделирования. Эта виртуальная линия воспроизводит поступление деталей, продолжительность операций, частоту брака и ситуации, когда станки и работники заняты или простаивают. Модель затем связывают с инструментом планирования экспериментов, который определяет, какие комбинации оборудования тестировать. Применяется специальный двухэтапный D-Optimal план, позволяющий охватить огромное количество вариантов с минимальным числом прогонов симуляции, при этом соблюдая фиксированную суммарную ёмкость в 84 единицы ресурсов, распределяемых между автоматизированным и ручным оборудованием.

Поиск золотой середины между людьми и машинами

Чтобы оценить, хороша ли та или иная конфигурация, авторы объединяют несколько практических показателей в единый балл. Включены такие метрики, как количество изделий в день, время нахождения деталей в системе, объём незавершённого производства между участками, уровень брака, загрузка станков и работников и динамика выпуска. Менеджеры компании помогают задать относительную важность этих показателей методом структурированного сравнения, отдавая приоритет более высокому выпуску годной продукции в короткие сроки и меньший (но не нулевой) приоритет снижению запасов и отходов. Каждая смоделированная конфигурация получает сводный рейтинг, отражающий реальные приоритеты завода.

Почему полная автоматизация не является лучшим вариантом

На первом этапе D-Optimal план сканирует широкий спектр уровней автоматизации, указывая на перспективные области. На втором этапе метод подробно исследует эти области и тестирует множество более тонких комбинаций оборудования. Результаты показывают сильную нелинейную зависимость: производительность растёт при увеличении автоматизации от текущего умеренного уровня, достигает пика примерно при 92,8% автоматизированных ресурсов, а затем падает по мере приближения к почти полной автоматизации. В этой оптимальной точке завод может увеличить суточный выпуск примерно на две трети, сократить брак примерно на 40%, уменьшить циклы и время производства и повысить загрузку оборудования, при этом лишь незначительно увеличив средний объём ожидающей в системе работы.

Что это значит для лиц, принимающих решения в промышленности

Главный посыл для неспециалистов прост: «больше автоматизации» не всегда лучше. На этом реальном электронном предприятии погоня за полной автоматизацией стоила бы дороже и дала бы худшие результаты в целом по сравнению с тщательно настроенной комбинацией, где небольшая, но важная доля работ остаётся ручной. Разработанный здесь двухэтапный метод с использованием компьютерного планирования даёт менеджерам практический инструмент для тестирования тысяч сценариев «что если» на цифровом двойнике их линии производства в рамках реальных ограничений по бюджету, персоналу и оборудованию. Подбирая показатели эффективности и ограничения, тот же подход может помочь и в других отраслях, позволяя заводам найти свою собственную золотую середину между людьми и машинами, а не слепо стремиться к 100% автоматизации.

Цитирование: 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

Ключевые слова: гибкие производственные системы, оптимизация уровня автоматизации, дискретно-событийное моделирование, выбор оборудования, Индустрия 4.0