Hoy en día, el enfoque de las fábricas de flujo es la adopción de la demanda personalizada en el contexto de la fabricación orientada a servicios. Dado que las tareas de producción a menudo se caracterizan por una variedad múltiple, bajo volumen y un corto tiempo de entrega, se convierte en un factor indispensable incluir la logística de apoyo en las decisiones de programación prácticas para reflejar el transporte frecuente de trabajos entre recursos. Motivado por el contexto anterior, se propone un método híbrido basado en redes neuronales de retropropagación dual (BP) para satisfacer los requisitos de programación en tiempo real con el objetivo de integrar las actividades de producción y transporte. Primero, de acuerdo con diferentes atributos de recursos, la estructura jerárquica de una fábrica de flujo se divide en tres capas, respectivamente: la capa de tareas de operación, la capa de logística de trabajos y la capa de recursos de producción. Basado en las relaciones lógicas de proceso entre elementos intra-capa e inter-capa, se establece un modelo de superred de tareas de operación-logística-recurso. En segundo lugar, se diseña un algoritmo de programación de red neuronal BP dual para determinar una secuencia de operaciones que involucra el tiempo de transporte. La red neuronal 1 se utiliza para la clasificación inicial de la prioridad de las tareas de operación; y la red neuronal 2 se utiliza para el ordenamiento de tareas conflictivas en la misma prioridad, lo que puede reducir efectivamente la cantidad de tiempo computacional y acelerar drásticamente la velocidad de solución. Finalmente, la efectividad del método propuesto se verifica comparando el tiempo de finalización y el tiempo computacional para diferentes ejemplos. Los resultados de la simulación numérica muestran que, con el aumento de la escala del problema, la capacidad de solución del método tradicional se deteriora gradualmente, mientras que la red neuronal BP dual tiene un rendimiento estable y un tiempo computacional rápido.