在服装生产线中,管理者通常凭借直觉和经验进行工人调度和工序编排,缺少基于历史生产相关数据的分析,难以进行产前预判。为此,充分利用历史生产数据,使用机器学习技术科学地预判工人产前效率,以提高生产线的平衡率。首先,收集了某工厂13个订单的526个生产数据并通过分位数划分法对效率进行等级划分。其次,基于生产数据的特征,在员工生产效率预测任务中选择了随机森林集成学习模型,并与其它8个模型进行了综合比较。最后,通过递归式特征消除法,从15个初始特征中筛选出实现模型最大预测性能的最优特征组以优化模型。优化后结果显示,随机森林模型展现出优异的预测性能,在回归任务中,验证集R2值为0.836,而均方根误差值为0.116;在分类任务中,其验证集平衡F分数值为0.823。研究结果表明,使用随机森林模型可以实现产前工人效率的有效预测,预测结果可避免管理者在调度时做出错误决策,同时为生产线的优化和柔性调度提供参考。