دانشگاه ایوان‌کی مهندسی سیستم و بهره‌وری 2538-2195 6 3 2026 11 22 Reinforcement Learning Framework for Workload Distribution and Scheduling in Multi-Model Production Lines چارچوبی ترکیبی مبتنی بر یادگیری تقویتی برای توزیع بار کاری و زمان‌بندی در خطوط مونتاژ مدل ترکیبی 287 301 734036 10.22034/sep.2026.2077232.1426 FA فهیمه تنهایی استادیار، گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه کوثر بجنورد، بجنورد، ایران 0000-0002-1388-9289 Journal Article 2025 11 09 This study introduces an innovative approach to addressing the dual challenges of line balancing and sequencing in mixed-model assembly lines through the integration of artificial intelligence. By combining deep neural networks (DNNs) and reinforcement learning (RL), the proposed framework simultaneously optimizes workstation load distribution and task ordering. Historical production data—including task processing times, the total number of workstations, and inter-task dependencies—were collected and structured into predictive models. A Deep Q-Network (DQN)-based RL agent was developed to dynamically assign tasks to stations and determine their execution sequence in real time, aiming to minimize makespan and maximize overall line efficiency. In parallel, DNNs were employed to forecast task processing durations and evaluate the feasibility of relocating tasks across stations. Numerical experiments using real-world production data demonstrate that the proposed method significantly reduces idle time, decreases task waiting periods, and streamlines workflow continuity. Furthermore, benchmarking against conventional optimization techniques—such as Genetic Algorithms and Simulated Annealing—highlights the advantages of this machine learning–driven strategy, particularly in achieving near-optimal solutions more rapidly and with greater adaptability. این مطالعه، رویکردی نوآورانه برای مواجهه با چالش‌های دوگانه «بالانس خط» و «توالی‌سازی» در خطوط مونتاژ ترکیبی، از طریق ادغام هوش مصنوعی ارائه می‌دهد. با تلفیق شبکه‌های عصبی عمیق و یادگیری تقویتی، چارچوب پیشنهادی به‌طور هم‌زمان توزیع بار کاری ایستگاه‌ها و ترتیب اجرای وظایف را بهینه می‌سازد. داده‌های تاریخی تولید شامل زمان‌های پردازش وظایف، تعداد کل ایستگاه‌ها و وابستگی‌های بین وظایف، جمع‌آوری و در قالب مدل‌های پیش‌بینیکننده ساختاردهی شدند. یک عامل یادگیری تقویتی مبتنی بر شبکه Q عمیق توسعه داده شد تا وظایف را به‌طور پویا و در زمان واقعی به ایستگاه‌ها تخصیص دهد و ترتیب اجرای آن‌ها را مشخص کند، با هدف حداقل‌سازی زمان کل تولید و حداکثرسازی کارایی کلی خط. به‌موازات، از شبکه‌های عصبی عمیق برای پیش‌بینی مدت زمان پردازش وظایف و ارزیابی امکان جابه‌جایی وظایف بین ایستگاه‌ها استفاده شد. آزمایش‌های عددی با استفاده از داده‌های واقعی تولید نشان می‌دهد که روش پیشنهادی به‌طور چشمگیری زمان بیکاری را کاهش می‌دهد، دوره‌های انتظار وظایف را کوتاه می‌کند و تداوم جریان کار را بهبود می‌بخشد. افزون بر این، مقایسه با روش‌های بهینه‌سازی مرسوم مانند الگوریتم‌های ژنتیک و تَبرید شبیه‌سازی‌شده مزایای این راهبرد مبتنی بر یادگیری ماشین را برجسته می‌سازد؛ به‌ویژه در دستیابی به راه‌حل‌های نزدیک به بهینه با سرعت بیشتر و انعطاف‌پذیری بالاتر. https://systems.eyc.ac.ir/article_734036_0a2efa98a1257072d72bdbc3f00e92e9.pdf