Zweck Diese Studie befasst sich mit einem dual-ressourcen-beschränkten flexiblen Job-Shop-Planungsproblem (DRCFJSP) im Kontext von Industrie 5.0, bei dem sowohl Maschinen als auch Mitarbeiter koordiniert werden müssen. Sie integriert einen teamorientierten kollaborativen Lerneffekt, der die Fähigkeiten der Mitarbeiter dynamisch verbessert, und verwendet Intervallgraue Zahlen, um unsichere Bearbeitungszeiten darzustellen. Das Ziel ist es, die Durchlaufzeit, die maximale Teamlast und die gesamte Verbesserung der Fähigkeiten der Mitarbeiter gleichzeitig zu optimieren. Design/Methodik/Ansatz Ein mehrzielorientiertes graues dual-ressourcen-beschränktes flexibles Job-Shop-Modell wird vorgeschlagen, das Intervallgraue Zahlen zur Darstellung von Unsicherheiten und einen kollaborativen Lerneffekt zur Darstellung der Fähigkeitsevolution integriert. Um dieses Problem zu lösen, wurde ein wissensgestützter mehrzielorientierter evolutionärer Algorithmus (KGMOEA) entworfen, der ein vierlagiges Kodierungsschema und domänenspezifische Strategien wie wissensgestützte Populationsinitialisierung und Nachbarschaftssuche umfasst. Ergebnisse Der vorgeschlagene Algorithmus übertrifft Benchmark-Methoden in Bezug auf Konvergenz und Diversität. Die Integration von kollaborativen Lerneffekten reduziert die Gesamtdurchlaufzeit und verbessert die Effizienz der Ressourcenzuteilung. Experimentelle Ergebnisse bestätigen, dass die Methode die Produktionseffizienz mit der Entwicklung der Fähigkeiten der Arbeitskräfte unter Unsicherheit wirksam ausbalanciert. Praktische Implikationen Dieses Papier bietet einen praktischen Planungsrahmen für hochkomplexe Fertigungsumgebungen, wie z.B. Luftfahrt-Verbundwerkstätten, in denen Mensch-Maschine-Kollaboration und Fähigkeitenentwicklung entscheidend sind. Der vorgeschlagene Ansatz hilft, sowohl die Produktionseffizienz als auch das Wachstum der Mitarbeiterfähigkeiten unter unsicheren Bedingungen zu optimieren und unterstützt widerstandsfähige und nachhaltige Fertigung im Zeitalter der Industrie 5.0. Originalität/Wert Dieses Papier ist die erste Arbeit, die kollaborative Lerneffekte und Intervallgraue Zahlen in die DRCFJSP integriert und sowohl die dynamische Fähigkeitsevolution als auch Produktionsunsicherheiten gleichzeitig anspricht. Die Arbeit trägt zum Übergang von einer maschinenzentrierten zu einer menschlich-maschinen-kollaborativen Planung bei und bietet ein neues Modell und einen Algorithmus für lernorientierte Planung in unsicheren Umgebungen.
Chen et al. (Di,) untersuchten diese Fragestellung.