En la era de la Industria 5.0, la fabricación centrada en el ser humano requiere una integración profunda entre los trabajadores y los sistemas inteligentes de programación de talleres. Sin embargo, la variabilidad inherente en la eficiencia de los trabajadores debido a efectos de aprendizaje y olvido plantea desafíos a la colaboración entre humanos, máquinas y logística, complicando así la programación de múltiples recursos en talleres inteligentes. Para abordar estos desafíos, este estudio propone un marco colaborativo humano-máquina-logística impulsado por tareas en tiempo real, diseñado para mejorar la coordinación de múltiples recursos en talleres inteligentes. Primero, el marco incorpora un modelo de aprendizaje-olvido para evaluar dinámicamente la eficiencia de los trabajadores, lo que permite ajustes en tiempo real a los estados de los recursos humanos-máquina-logística. Segundo, se introduce un enfoque de autoorganización impulsado por tareas, que permite a los recursos humanos, de máquinas y logísticos formar grupos adaptativos basados en los requisitos de las tareas. Tercero, se desarrolla un método de emparejamiento basado en la holgura de tareas para facilitar la asignación adaptativa en tiempo real de tareas a grupos de recursos. Finalmente, el método propuesto se valida a través de un estudio de caso de ingeniería, demostrando su efectividad en diferentes escalas de pedidos. Los resultados experimentales indican que, en promedio, el tiempo de finalización se reduce en no menos del 10%, el consumo de energía disminuye al menos un 8% y el tiempo de retraso se reduce en más del 70%. Estos hallazgos confirman la efectividad y adaptabilidad del método propuesto en entornos de producción altamente dinámicos y con múltiples recursos.