随着我国智能制造的不断发展,大量的制造企业开始重视智能制造的实施和应用,而智能制造的核心之一是如何有效地对各种制造资源进行优化配置,其中人力资源和加工装备作为机械加工车间生产现场的两种重要制造资源是资源优化的重要研究内容。因此,论文围绕多品种、小批量生产组织模式的机械加工车间,分析车间现场的人力资源和加工装备的关系,对车间现场的人力资源优化配置开展研究,是制造企业有效开展智能制造,实现制造企业转型升级和高质量发展亟待解决的重要问题之一。首先,机械加工车间中,零件加工工序的工时定额是生产现场的重要基础数据之一,它直接影响了车间现场的设备优化调度和人力资源优化调度的准确性,它的确需要考虑设备状况和人员能力的综合情况。而目前工序工时定额由管理人员采用作业测定法,结合管理人员经验给出结果,并且由于多品种小批量的生产特点,造成零件生产工艺的差异化,使得零件加工工序的工时定额更加难以预测,数据的准确性有待进一步提高。为解决多品种小批量生产中零件加工工序定额工时不确定的问题,提出了一种基于改进的差分聚类和遗传算法优化BP（Genetic Algorithm Back Propagation,GABP）神经网络算法预测方式,通过聚类算法对机加工零件的加工参数进行聚类,从而预测出零件加工各个工序的工时定额,为后续的研究打下重要基础。其次,在生产过程中存在不同的操作人员操作同一设备的加工能力不同以及同一操作人员操作不同设备的加工能力不同的现象,即存在差异性人员加工能力,从而导致操作人员的实际加工工时因其加工能力的差异而不同的现象。为解决操作人员实际加工工时的问题,分析了影响车间现场操作人员加工能力的各种信息,据此构建了一种操作人员加工能力评价指标体系;基于改进网络层次分析法（Analytic Network Process,ANP）和变精度粗糙集理论（Variable precision rough set,VPRS）求解指标权重,研究操作人员的加工能力评估值,从而确定一种操作人员加工能力值、操作人员实际工序加工工时及工序工时定额之间的函数关系,进行操作人员实际工时的估算研究,并进行了实例验证,为后续的车间现场人力资源调度的实际工时提供一种可行的方法。再次,在上述研究的基础上,结合加工零件的工艺路线信息和加工任务,基于零件工序的工时定额数据和操作人员的实际工时估算,根据车间的实际情况构建以最大完工时间最小为优化目标的机械加工车间现场人力资源优化调度模型,采用改进的遗传算法对模型求解;得到完工时间最小时的操作人员优化配置甘特图,结合实际的案例验证该求解的人力资源调度模型的可行性。从而为机械加工车间现场的人力资源的优化配置提供了一种思路。最后,根据企业的实际需求,设计并开发了一套机械加工制造车间人力资源调度系统,设计了相关的系统功能模型和系统信息模型。该系统具备了基础信息管理、工时管理、调度数据管理,操作人员调度管理等功能,在实际车间现场得到了一定的应用,促进了企业工时定额和实际工时的规范管理、现场人力资源和设备的优化配置,从而提高生产效率、降低生产成本。