研究者らは、製造サプライチェーンの回復力を高めるために、スキル制約付きモデル予測制御（MPC）手法を提案した。従来の生産在庫システムでは労働力のスキル制限が見落とされがちだが、実際には有資格労働者の利用可能性は継続的なトレーニングと認定維持に大きく依存する。この研究はCarlos Eduardo Sanoja氏によって主導され、動的最適化を通じてこの課題に取り組む。
提案された制御器は、各シフトの開始時に有限ホライゾンの混合整数計画問題を解く。意思決定変数には生産量、在庫水準、受注残、トレーニング計画が含まれる。特に、モデルは認定の二値状態を考慮する。つまり、労働者は認定を受けた場合のみ特定のタスクに従事でき、認定は時間とともに失効するため維持が必要であり、トレーニングは生産にも使用可能な貴重な労働時間を消費する。また、計画期間終了時の認定能力ギャップを評価する解釈可能な終端価値関数も含まれる。
制御器の性能評価は、合成環境SkillChain-Gymで実施された。この環境は、事前告知および突然の新スキルショック、需要ショック、欠勤、予測品質の変動、能力境界、トレーニング速度の変化など、多様なシナリオをシミュレートする。提案手法は、生産のみ、維持のみ、静的クロストレーニング保険、および強力な反応型ヒューリスティックと比較された。すべての実験は事前に固定された設定とペア統計の下で行われた。
結果は「体制依存性」を示し、普遍的な優位性はなかった。予測制御は、スキルや労働力のボトルネックが事前に予測可能でトレーニングが間に合う場合に最適なパフォーマンスを発揮した。例えば、既知のスキルショックの前に十分なトレーニング時間がある場合である。しかし、静的クロストレーニング保険は、突然のショック（予期しない欠勤や需要急増）に対して堅牢であり、特に需要が能力境界に近い場合や、ショック前に余裕があったために事前のクロストレーニングが安価な場合に効果的だった。
さらに、属性消去実験により、認定維持（失効防止）、失効認定の再取得（再認定）、および新規スキル獲得（新工程導入）の3つのスキル動態の影響が分離された。分析の結果、重要な決定要因はポリシーの適応性そのものではなく、予測可能性であることが明らかになった。攪乱が事前に予見可能であれば、予測制御はタイミングを最適化することで価値を生み出す。そうでなければ、単純な静的保険の方が信頼性が高い。この研究は、製造企業がスキル管理戦略を選択する際に、予測能力への投資と柔軟な保険の維持とのトレードオフを強調している。