A Real-Time Human–Machine–Logistics Collaborative Scheduling Method Considering Workers’ Learning and Forgetting Effects

Wenchao Yang

doi:10.3390-asi8020040

A Real-Time Human–Machine–Logistics Collaborative Scheduling Method Considering Workers’ Learning and Forgetting Effects

2025-08-22

0

PRE

AI

DOI：10.3390-asi8020040

原文链接

原文求助

摘要

En 中文

在Industry 5.0时代，以人为中心的制造需要工人与智能车间调度系统之间进行深度集成。然而，由于学习与遗忘效应导致工人效率固有的可变性，给人-机-物流协作带来了挑战，从而增加了智能车间中多资源调度的复杂性。为应对这些挑战，本研究提出了一种实时任务驱动的、人-机-物流协作框架，旨在提升智能车间中的多资源协调能力。首先，该框架引入学习-遗忘模型，动态评估工人效率，实现人-机-物流资源状态的实时调整。其次，引入一种任务驱动的自组织方法，使人力、机器和物流资源能够根据任务需求形成自适应群体。第三，开发了一种基于任务松弛时间的匹配方法，以促进任务向资源群体的实时、自适应分配。最后，该方法通过一项工程案例研究进行验证，证明其在不同订单规模下的有效性。实验结果表明，平均完成时间减少至少10%，能耗降低至少8%，延迟时间减少超过70%。这些发现证实了所提方法在高度动态、多资源生产环境中的有效性和适应性。

Keyword:

human–machine–logistics collaboration

learning-forgetting model

multi-resource scheduling

task-driven framework

smart workshop

A Real-Time Human–Machine–Logistics Collaborative Scheduling Method Considering Workers’ Learning and Forgetting Effects

摘要

期刊

机构