DOI: https://doi.org/10.30574/gjeta.2026.26.1.0011
تاريخ النشر: 2026-01-17
المؤلف: S. M. Masum Alam وآخرون
الموضوع الرئيسي: التصنيع المتقدم وتحسين اللوجستيات
نظرة عامة
تقدم ورقة البحث إطار عمل ذكي لتحسين تدفق المواد مصمم لتعزيز الإنتاجية والكفاءة في أنظمة التصنيع واللوجستيات الحديثة. أصبحت طرق التعامل مع المواد التقليدية، التي تعتمد على التتبع اليدوي والجدولة الثابتة، غير كافية بشكل متزايد بسبب تعقيدات بيئات الإنتاج المعاصرة وتغير الطلب. يستفيد الإطار المقترح من مستشعرات إنترنت الأشياء (IoT) وتقنية تحديد الهوية بموجات الراديو (RFID) لتسهيل المراقبة المستمرة واتخاذ القرارات التكيفية. من خلال استخدام RFID لتحديد المواد بشكل فريد ومستشعرات IoT لجمع البيانات في الوقت الحقيقي حول حالة المعدات وظروف الحركة، يستخدم الإطار خوارزميات تحسين ديناميكية لضبط التوجيه والجدولة استجابةً للظروف التشغيلية الحالية.
تظهر التجارب المعتمدة على المحاكاة أن الإطار يقلل بشكل كبير من أوقات انتظار المواد، ويحسن توازن الموارد، ويعزز الكفاءة العامة للنظام مقارنةً بالطرق الثابتة التقليدية. تؤكد النتائج على إمكانية دمج تقنيات IoT وRFID لإدارة تدفق المواد الذكي في سياقات التصنيع الذكي. تشمل اتجاهات البحث المستقبلية دمج التعلم الآلي للتحليلات التنبؤية، والتوسع إلى تنسيق متعدد المنشآت، والتحقق من خلال دراسات حالة صناعية في العالم الحقيقي لتقييم القابلية للتوسع والأثر الاقتصادي.
مقدمة
تؤكد مقدمة الورقة على أهمية كفاءة تدفق المواد في التصنيع واللوجستيات الحديثة، مع تسليط الضوء على التحديات التي تطرحها التعقيدات المتزايدة ومتطلبات العملاء الديناميكية. يمكن أن يؤدي تدفق المواد غير الفعال إلى الازدحام، وأوقات الانتظار الطويلة، وارتفاع التكاليف التشغيلية، وانخفاض الاستجابة. تكافح طرق التعامل مع المواد التقليدية، التي تعتمد على التخطيط الثابت والرؤية المحدودة، للتكيف مع الاضطرابات في الوقت الحقيقي مثل أعطال الآلات وتقلبات عبء العمل. يقدم ظهور الصناعة 4.0 فرصًا لمعالجة هذه التحديات من خلال الرقمنة والأتمتة الذكية، لا سيما عبر تقنيات إنترنت الأشياء (IoT) وتحديد الهوية بموجات الراديو (RFID). تسهل هذه الابتكارات المراقبة في الوقت الحقيقي لحركات المواد وظروف النظام، مما يحول الأنظمة التقليدية إلى بيئات غنية بالبيانات.
على الرغم من إمكانيات هذه التقنيات، تجادل الورقة بأن مجرد جمع البيانات في الوقت الحقيقي غير كافٍ لتحسين الأداء. يتطلب التحسين الفعال دمج تقنيات الاستشعار مع نماذج اتخاذ القرار التكيفية التي يمكن أن تستجيب ديناميكيًا للظروف المتغيرة. يهدف البحث إلى تطوير إطار عمل ذكي لتحسين تدفق المواد يستفيد من مستشعرات IoT وتتبع RFID لتحسين الكفاءة التشغيلية، والمرونة، والأداء العام للنظام في إعدادات التصنيع واللوجستيات الذكية. تنبع دافع هذه الدراسة من الفجوة الملحوظة بين نشر هذه التقنيات المتقدمة في الاستشعار وتطبيقها الفعال في تحسين تدفق المواد، وهو أمر حاسم لتعزيز الإنتاجية ومرونة النظام.
طرق
توضح هذه القسم تطوير إطار عمل ذكي لتحسين تدفق المواد يدمج مستشعرات إنترنت الأشياء (IoT) وتتبع تحديد الهوية بموجات الراديو (RFID) لتعزيز المراقبة في الوقت الحقيقي والتحكم التكيفي في بيئات التصنيع. على عكس طرق التحسين الحالية، التي غالبًا ما تتطلب موارد حسابية كبيرة وبيانات تدريب واسعة، يهدف هذا الإطار إلى توفير حل خفيف الوزن يعالج تحديات النشر العملية مثل تكامل النظام وقابلية التوسع. تتضمن المنهجية تحويل بيانات المستشعر الخام إلى قرارات تحسين توجيه المواد والجدولة من خلال آلية تحسين مغلقة، مما يضمن الاستجابة للظروف التشغيلية الديناميكية.
لتقييم فعالية الإطار، تم إنشاء بيئة تصنيع محاكاة، تتميز بمحطات عمل مترابطة ومسارات تعامل مع المواد مشتركة. تدخل المواد النظام وفق أنماط وصول عشوائية وتخضع لعدة مراحل معالجة، مع تجهيز كل وحدة بعلامة RFID للتتبع المستمر. يتم نشر مستشعرات IoT عبر نقاط مختلفة، بما في ذلك السيور والوسائد، لمراقبة المعلمات الحرجة مثل أطوال الطوابير وتوافر الموارد، مما يسهل اتخاذ القرارات في الوقت الحقيقي والتحكم التكيفي. توضح بنية النظام العامة التفاعل بين طبقات الاستشعار، والاتصال، والذكاء ضمن هذا الإطار المبتكر.
نتائج
تقيّم قسم النتائج إطار عمل تحسين تدفق المواد الذكي المقترح الذي يستخدم مستشعرات IoT وتتبع RFID. تركز التحليلات على تأثير الاستشعار في الوقت الحقيقي، والمراقبة المستمرة، واتخاذ القرارات التكيفية على أداء النظام في ظروف التشغيل الديناميكية. يتم تقييم الإطار مقارنةً بنظام توجيه وجدولة ثابت تقليدي، يُستخدم عادةً في التصنيع واللوجستيات التقليدية.
يتم تقييم مقاييس الأداء مثل كفاءة الوقت، والإنتاجية، واستخدام الموارد بشكل كمي، مما يكشف عن تحسينات عددية كبيرة. تؤكد المناقشة على المزايا التشغيلية لدمج الذكاء في الوقت الحقيقي في التحكم في تدفق المواد، مما يشير إلى أن الإطار المقترح يعزز الفعالية العامة للنظام مقارنةً بالطرق التقليدية.
مناقشة
تسلط قسم المناقشة في الورقة الضوء على القيود الحرجة لأنظمة التحكم في تدفق المواد التقليدية في البيئات الصناعية، التي غالبًا ما تعتمد على سياسات التوجيه والجدولة الثابتة التي تفشل في التكيف مع الاضطرابات في الوقت الحقيقي. يجادل المؤلفون بأنه على الرغم من دمج مستشعرات IoT وتقنية RFID، فإن نقص آليات اتخاذ القرار الذكية يمنع الاستخدام الفعال للبيانات في الوقت الحقيقي، مما يؤدي إلى عدم الكفاءة مثل ازدحام المواد وعدم استخدام الموارد بشكل كاف. تحدد الورقة الحاجة إلى إطار عمل آلي وذكي قادر على تفسير بيانات تدفق المواد بشكل مستمر لتحسين سلوك النظام ديناميكيًا.
لمعالجة هذه التحديات، يقترح المؤلفون إطار عمل تحسين ذكي يدمج تقنيات IoT وRFID مع منطق اتخاذ القرار في الوقت الحقيقي. يحول هذا الإطار بيانات المستشعر الخام إلى رؤى قابلة للتنفيذ، مما يسمح بالتوجيه والجدولة التكيفية بناءً على الظروف التشغيلية الحالية. تم تصميم النظام المقترح للاستجابة بشكل استباقي للاضطرابات، مثل الاختناقات أو التأخيرات، مما يقلل من أوقات الانتظار ويوازن استخدام الموارد. تقدم الورقة تقييم أداء شامل يظهر تحسينات كبيرة في المقاييس الرئيسية، مثل تقليل وقت انتظار المواد وزيادة الإنتاجية، مقارنةً بالطرق التقليدية. تؤكد النتائج على إمكانية الإطار في تعزيز الكفاءة التشغيلية في بيئات التصنيع الحديثة، مما يمهد الطريق للبحث المستقبلي في التحليلات التنبؤية وتنسيق المنشآت المتعددة.
DOI: https://doi.org/10.30574/gjeta.2026.26.1.0011
Publication Date: 2026-01-17
Author(s): S. M. Masum Alam et al.
Primary Topic: Advanced Manufacturing and Logistics Optimization
Overview
The research paper presents an intelligent material flow optimization framework designed to enhance productivity and efficiency in modern manufacturing and logistics systems. Traditional material handling methods, reliant on manual tracking and fixed scheduling, are increasingly inadequate due to the complexities of contemporary production environments and variability in demand. The proposed framework leverages Internet of Things (IoT) sensors and Radio Frequency Identification (RFID) technology to facilitate continuous monitoring and adaptive decision-making. By utilizing RFID for unique material identification and IoT sensors for real-time data collection on equipment status and movement conditions, the framework employs dynamic optimization algorithms to adjust routing and scheduling in response to current operational conditions.
Simulation-based experiments demonstrate that the framework significantly reduces material waiting times, improves resource balance, and enhances overall system efficiency compared to conventional static methods. The findings underscore the potential of integrating IoT and RFID technologies for intelligent material flow management in smart manufacturing contexts. Future research directions include the incorporation of machine learning for predictive analytics, expansion to multi-facility coordination, and validation through real-world industrial case studies to assess scalability and economic impact.
Introduction
The introduction of the paper emphasizes the significance of material flow efficiency in modern manufacturing and logistics, highlighting the challenges posed by increasing complexity and dynamic customer demands. Inefficient material flow can lead to congestion, long wait times, elevated operational costs, and diminished responsiveness. Traditional material handling methods, which rely on static planning and limited visibility, struggle to adapt to real-time disruptions such as machine failures and workload fluctuations. The advent of Industry 4.0 presents opportunities to address these challenges through digitalization and intelligent automation, particularly via the Internet of Things (IoT) and Radio Frequency Identification (RFID) technologies. These innovations facilitate real-time monitoring of material movements and system conditions, transforming conventional systems into data-rich environments.
Despite the potential of these technologies, the paper argues that merely collecting real-time data is insufficient for performance enhancement. Effective optimization necessitates the integration of sensing technologies with adaptive decision-making models that can respond dynamically to changing conditions. The research aims to develop an intelligent framework for material flow optimization that leverages IoT sensors and RFID tracking to improve operational efficiency, flexibility, and overall system performance in smart manufacturing and logistics settings. The motivation for this study arises from the observed gap between the deployment of these advanced sensing technologies and their effective application in optimizing material flow, which is crucial for enhancing productivity and system resilience.
Methods
The section outlines the development of an intelligent material flow optimization framework that integrates Internet of Things (IoT) sensors and Radio Frequency Identification (RFID) tracking to enhance real-time monitoring and adaptive control in manufacturing environments. Unlike existing optimization methods, which often demand significant computational resources and extensive training data, this framework aims to provide a lightweight solution that addresses practical deployment challenges such as system integration and scalability. The methodology involves converting raw sensor data into optimized material routing and scheduling decisions through a closed-loop optimization mechanism, ensuring responsiveness to dynamic operating conditions.
To evaluate the framework’s effectiveness, a simulated manufacturing environment was created, featuring interconnected workstations and shared material handling routes. Materials enter the system following stochastic arrival patterns and undergo multiple processing stages, with each unit equipped with an RFID tag for continuous tracking. IoT sensors are deployed across various points, including conveyors and buffers, to monitor critical parameters such as queue lengths and resource availability, thereby facilitating real-time decision-making and adaptive control. The overall system architecture illustrates the interaction between the sensing, communication, and intelligence layers within this innovative framework.
Results
The results section evaluates the proposed intelligent material flow optimization framework that utilizes IoT sensors and RFID tracking. The analysis focuses on the impact of real-time sensing, continuous monitoring, and adaptive decision-making on system performance in dynamic operating conditions. The framework is benchmarked against a conventional static routing and scheduling system, commonly employed in traditional manufacturing and logistics.
Performance metrics such as time efficiency, throughput, and resource utilization are quantitatively assessed, revealing significant numerical improvements. The discussion emphasizes the operational advantages of integrating real-time intelligence into material flow control, suggesting that the proposed framework enhances overall system effectiveness compared to traditional methods.
Discussion
The discussion section of the paper highlights the critical limitations of traditional material flow control systems in industrial settings, which often rely on static routing and scheduling policies that fail to adapt to real-time disruptions. The authors argue that despite the integration of IoT sensors and RFID technology, the lack of intelligent decision-making mechanisms prevents effective utilization of real-time data, leading to inefficiencies such as material congestion and underutilization of resources. The paper identifies the need for an automated, intelligent framework capable of continuously interpreting material flow data to optimize system behavior dynamically.
To address these challenges, the authors propose an intelligent optimization framework that integrates IoT and RFID technologies with real-time decision-making logic. This framework transforms raw sensor data into actionable insights, allowing for adaptive routing and scheduling based on current operational conditions. The proposed system is designed to respond proactively to disturbances, such as bottlenecks or delays, thereby minimizing waiting times and balancing resource utilization. The paper presents a comprehensive performance evaluation demonstrating significant improvements in key metrics, such as reduced material waiting time and increased throughput, compared to traditional methods. The findings underscore the framework’s potential for enhancing operational efficiency in modern manufacturing environments, paving the way for future research in predictive analytics and multi-facility coordination.