인간 작업자를 배려하는 것은 제조 부문의 지속가능성에 있어 중요한 측면이다. 본 논문은 인간–기계 제조 시스템에서의 작업 배분 문제를 제시한다. 이 문제의 핵심은 서로 다른 작업 선호도와 능력을 지닌 인간 작업자의 특성을 면밀히 고려하는 데 있다. 그러나 인간 작업자의 특성은 대개 내재적(암묵적)이며, 이는 문제의 수학적 정식을 어렵게 만든다. 또한 작업 완료와 기계 고장과 같은 제조 시스템에서의 변동성은 널리 나타난다. 이러한 과제를 해결하기 위해, 본 논문은 인간 작업자의 관측 불가능한 특성과 제조 시스템의 확률적 성격을 수용하기 위한 딥 강화학습 기반 접근법을 제안한다. 작업 배정 과정에서 축적된 과거 데이터를 활용하여 작업을 인간 또는 기계 중 어느 쪽에 배정할지 결정한다. 제안된 모델이 개별 인간 작업자의 작업 역량과 피로 수준을 작업 배정에 반영함으로써, 기존의 규칙 기반(dispatching) 기법과 비교하여 스케줄링 관련 성능 지표를 개선함을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.