İnsan–robot üretim sistemleri için bulanık tabanlı çok amaçlı çizelgeleme

İnsanlar ve robotların birlikte plan yapması neden gerekli

Günümüz fabrikaları kısa ürün ömürleri, seçici müşteriler ve hızla değişen siparişlerle başa çıkmak zorunda. Birçok fabrika esnek kalabilmek için artık insan işçilerle işbirlikçi robotları harmanlıyor. Ancak ne kadar üretileceğine, ne zaman üretileceğine ve hangi işlerin insanlara ya da robotlara verileceğine karar vermek, özellikle gelecek siparişler ve işlem süreleri belirsiz olduğunda artık basit bir tablo işi değil. Bu çalışma bu düğümü doğrudan ele alıyor ve paranın, hızın ve teslimat güvenilirliğinin aynı anda dengelendiği bir üretim planlama ve insan–robot iş çizelgeleme yaklaşımı öneriyor.

Geleceği tahmin etme zorluğu

Üreticiler genellikle müşterilerin kaç adet sipariş vereceğini veya her işin ne kadar süreceğini tam olarak bilmezler; bu durum özellikle özelleştirilmiş, düşük hacimli üretimde belirgindir. Bir görev robotla daha hızlı olabilir ama insanla daha esnek olabilir ve gerçek çevrim süreleri ürün karışımı, çalışan deneyimi ve teknik aksaklıklarla değişir. Geleneksel planlama araçları çoğunlukla sabit, bilinen sayılar varsayar veya olasılık modelleri oluşturmak için uzun geçmiş kayıtlarına dayanır. Birçok insan–robot hattında bu tür kayıtlar basitçe mevcut değildir. Sonuç olarak şirketler ya fazla üretip fazladan stok maliyetiyle karşı karşıya kalma ya da eksik üretim nedeniyle kıtlık, gecikmiş teslimatlar ve ceza maliyetleri riskiyle karşılaşır.

Tüm fabrikayı gören tek bir plan

Yazarlar, fabrikayı aynı anda iki düzeyde ele alan bütünleşik bir model kuruyor. Orta vadeli planlama düzeyinde her dönemde her üründen kaç adet üretileceğine, ne kadar stok tutulacağına ve ne kadar eksikliğe ve geri siparişe izin verileceğine karar veriliyor. Atölye düzeyinde ise her iş istasyonunda hangi operasyonların insanlar veya robotlar tarafından hangi sırayla yapılacağı belirleniyor. Her ürünün birden fazla istasyondan geçmesi gerekiyor ve her istasyon insan veya robot tarafından farklı hız ve maliyetlerle işletilebiliyor. Üretim miktarları, stoklar, eksiklikler, görev atamaları ve iş sıralamasını tek birleştirilmiş problem olarak ele alarak model, planlama ile çizelgeleme ayrı ele alındığında genellikle gözden kaçan ödünleşmeleri yakalıyor.

Bulanık bilgiyi anlamlandırma

Talep ve işlem sürelerinin kesinmiş gibi davranmak yerine çalışma bunları daha az veya daha çok olası değerler içeren aralıklar—sözde bulanık sayılar—olarak tanımlıyor. Yazarlar ardından aslında bu aralıkların daha kötümser yanına eğilen riskten kaçınan bir şema uyguluyor. Bu "güvenilirlik-kısıtlı" yaklaşım, tam olasılık dağılımlarına başvurmadan seçilen bir inanç düzeyinde (örneğin yüzde 80) planların uygulanabilir kalmasını gerektiriyor. Bulanık talep ve işlem süreleri temkinli keskin değerlere çevriliyor ve ortaya çıkan matematiksel model üç hedefi aynı anda gözetiyor: toplam finansal getiriyi (net bugünkü değer) maksimize etmek, tüm işlerin bitirilmesine kadar geçen süreyi (makespan) minimize etmek ve ürünlerin ne kadar erken veya geç teslim edildiğinin toplamını minimize etmek.

İyi uzlaşılar aramak

Birleşik insan–robot planlama problemi son derece karmaşık olduğundan ve ürün, istasyon ve dönem sayısıyla hızla büyüdüğünden kesin yöntemler yalnızca küçük oyuncak örnekler için işe yarıyor. Yazarlar önce epsilon-kısıt yöntemi olarak bilinen kesin bir matematiksel teknik kullanarak küçük örneklerde modellerini doğruluyor. Gerçekçi, büyük fabrikalar içinse üç doğadan esinlenen arama stratejisine yöneliyorlar: NSGA‑II (genetik algoritma), MOPSO (parçacık sürü optimizasyonu) ve MOWOA (balina ilhamlı algoritma). Üçü de farklı hedeflerin birbirini kötüleştirmeden iyileştirilemediği çeşitli "Pareto" çözümler kümeleri üretiyor. 15 test problemi ve Çin’deki gerçek bir paketleme tesisinde balina‑temelli yaklaşım tutarlı şekilde daha çeşitli ve dengeli seçenekler buluyor; kâr, hız ve teslimat performansının ideal karışımına daha yakın sonuçlar veriyor.

Pratikteki ödünleşmelerin anlamı

Çözümler yöneticiler için önemli açık desenler ortaya koyuyor. Robotlara daha fazla dayanmak bitirme sürelerini kısaltıyor ve erken/şirket geç teslimatları azaltıyor, ancak robot satın alma ve devreye alma maliyetleri net bugünkü değeri aşağı çekiyor. Talep veya işlem sürelerindeki daha yüksek belirsizlik genellikle üretimi uzatıyor, eksiklikleri artırıyor ve finansal performansı düşürüyor. İlginç olarak, banka faiz oranlarındaki değişiklikler gelecekteki nakit akışlarının iskonto edilmesi yoluyla net bugünkü değeri güçlü biçimde etkilerken, gerçek çizelgelere—kimin neyi, ne zaman ve hangi istasyonda yapacağına—neredeyse hiç etki etmiyor. Genel olarak çalışma, belirsizlik altında planlama ile insan–robot çizelgelemenin bütünleştirilmesinin, bu kararları ayrı ayrı ele almaktan daha verimli ve gerçekçi işletme senaryoları ortaya çıkarabileceğini gösteriyor.

Uzman olmayanlar için büyük resim çıkarımı

Uzman olmayan bir okuyucu için mesaj basit: insanlar ve robotlar bir üretim hattını paylaşıyorsa ve gelecek belirsizse, şirketlerin her şeyi birlikte planlayan araçlara ihtiyacı var—ne kadar üretileceği, nerede depolanacağı ve her adımı kimin yapacağı—ve temel sayıların yalnızca yaklaşık olduğunu kabul eden bir yaklaşım. Belirsizliği temkinli bir şekilde ele alan yöntemle gelişmiş arama algoritmalarını birleştirerek bu çalışma fabrika yöneticilerine akıllı, açıklanabilir çizelge seçenekleri sunuyor. Her seçenek daha fazla kazanç sağlama, işleri daha hızlı bitirme ve teslimatları vaat edilen tarihlere yakın tutma arasındaki ödünleşmeyi gösteriyor; yöneticilerin strateji ve bütçelerine en uygun risk ve robot kullanım düzeyini seçmelerine yardımcı oluyor.

Atıf: Deng, Y., Huang, B. & Lai, S. Fuzzy-based multi-objective scheduling for human–robot manufacturing systems. Sci Rep 16, 11253 (2026). https://doi.org/10.1038/s41598-026-40004-9

Anahtar kelimeler: insan–robot işbirliği, üretim çizelgeleme, bulanık optimizasyon, çok amaçlı planlama, imalat sistemleri