ثورة في تخطيط المهام: الذكاء الاصطناعي الآمن يتنبأ بإرهاق العمال في التصنيع!

في عصر Industry 5.0، أصبح التعاون بين الإنسان والروبوت جزءًا أساسيًا لتحسين الإنتاج وضمان رفاهية العمال. وقد تم تسليط الضوء في دراسة جديدة على مشكلة تخطيط وتخصيص المهام بين الإنسان والروبوت (HRTPA) وكيفية تحديد مواعيد تنفيذ المهام والأشخاص المناسبين لأدائها، بما يضمن كفاءة عالية مع الحفاظ على حدود الأمان للتعب الجسدي.

تتسم بيئة العمل بالتغيرات المستمرة، مما يزيد من تعقيد المهمة بشكل كبير. حيث أن نماذج التعب التقليدية غالباً ما تعتمد على معايير محددة مسبقًا تعكس طريقة تقليدية لا تأخذ في الاعتبار التغيرات اليومية في حساسية التعب للعمال بسبب ظروف العمل المتغيرة أو قلة النوم. لذا، جاء الابتكار الحالي ليضع تركيزه على معالجة هذه القيود، حيث اعتُبرت معلمات التعب كمعلمات غير دقيقة يُمكن تقديرها أثناء الإنتاج.

يقدم البحث نموذج PF-CD3Q، والذي يعتمد على تقنية التعلم المعزز الآمن (Safe Reinforcement Learning)، الذي يدمج بين مرشح الجسيمات (Particle Filter) ونموذج التعلم المزدوج المتنازع عليه والمقاوم للقيود (Constrained Dueling Double Deep Q-Learning). تم تطوير مرشحات تعتمد على تقديرات التعب لمراقبة حالة التعب البشرية وتحديث معلمات نموذج التعب في الوقت الفعلي.

والأهم من ذلك، أن هذه التقديرات تُدمج في العملية المتبعة لتقديم تنبؤات دقيقة بمستويات التعب أثناء اتخاذ القرارات، مما يسمح باستبعاد المهام التي تتجاوز حدود التعب، وبالتالي صياغة المشكلة كعملية قرار ماركوف مقيدة (Constrained Markov Decision Process). يعد هذا التقدم خطوة نحو بيئات عمل أكثر أمانًا وتكيفًا، مما يفتح أفقاً جديداً لتحسين الإنتاجية وجودة الحياة في العمل.