圖片來源: 

長榮航空

一例一休新制上路,排班問題再度成了企業資訊部門的新任務之一,尤其對於上千名員工的航空公司而言,要在短短幾天內重新調整班表規則來符合法規,更是一個複雜的數學難題。

不過,對長榮航空電算本部應用程式三部經理李建武而言,這個問題並不難,因為長榮早在一年前就導入了一套智慧排班系統,只要重新調整規則,就很快地產生調度上千名地勤的合規新班表。

長榮為了支援70多架飛機的全天候維修勤務,加上機場第一線服務顧客的人力,累計超過1千多名人力,不同類型的職務角色更多達13種,為了安排每月班表,過去往往得提早2個月開始規劃才行,但仍會遇到不少情況來不及調度人力。例如機場暴雨或大雪時,航班大亂的時候,對航空公司最大的挑戰,不只是安撫旅客的情緒,更關鍵是得緊急調派人手,支援各種航班異動衍生的維修人力需求。

原本長榮就有一套班表系統,但只能用於桃園機場的櫃臺、出入境服務兩大運務系統的月班表,甚至排班耗時甚久,李建武表示,地勤班表時,得在2個月前蒐集各類勤務需求、人力動態,再花上3~4周彙整、規劃才能順利安排上千名地勤人員每月班表,來滿足70多架飛機的勤務支援需求,但長榮仍然覺得耗時太久,尤其遇到緊急人力調度,或人員臨時請假,甚至是遇到機場暴雨或大雪時,航班大亂時,航空公司得調派人手,安撫顧客,還要重新調度後端維修人力來支援延誤航班衍生的維修任務。

隨著北高兩地機場航班數和服務旅客人數越來越多,所以,在2015年時,長榮決定重新擬定機場運務人力的管理策略,一併也打造更優化的排班系統。最後花了一年,採用IBM iLog CPLEX最佳化分析引擎工具,利用AI技術中的類神經演算法,來分析關鍵變數,搭配數學最佳化計算,打造出新的智慧型排班系統,在2016年一月正式上線,也不只用於桃園機場,還擴大納入了松山和高雄等三地人力和勤務的排班。

因為最佳化分析引擎只是一個通用型的工具,得將完整的規則和判斷條件轉換成數值資料,才能利用分析引擎來找出最佳作法。長榮委外給顧問來將排班義務規則轉換成合適的數學規則。

負責導入的育學雲端資深技術顧問黃士峰表示,長榮排班最高原則是「班表作業時間最小化」,也就是要可以盡量減少重複人力或閒置等待的時間。主要從勤務和人力兩個向度來建立規則,列出了上百個基礎的參數,例如得考慮13種不同勤務角色的需求、人員職能、航班資料、旅客人數、勞基法要求、工時、其他業務流程需要排班規則等。

例如若有一名資深維修技師請假,系統不只是安排時間,還得分析他負責工作所需的職能,哪些可支援的技師具備這些職能,但還得要有和請假技師相當的年資才能勝任,最後還得加上這些支援技師原有班表,不能超時工作,或得額外支付加班費等進行綜合調度才行。

黃士峰表示,光是其中有一組地勤維修小組,將各項參考參數和規則排列組合後,產生了上百萬個可以放入排班最佳化數學模型計算用的變數。不過,多達百萬等級的變數量,複雜性太高,所以,長榮進一步使用了類神經演算法,比較不同班表規劃決策樹的優劣,來找出關鍵變數,來減少龐大數學運算的負擔。

長榮智慧系統上線後,最明顯的好處,李建武表示,事前蒐集蒐集勤務需求和人力資訊的時間從2個月縮短到1個月,班表製作時間也從3~4周縮短到2周。也因排班規則模型化和系統化,新系統還增加了線上調班和即時審查的機制,遇到有人臨時要請假,不是由主管先指派,而是排班系統能自動找出該時段合適能力也有空輪班的人手,再由主管定奪。

遇到向機場因天氣關閉而航班延誤,需要大量緊急人手時,智慧排班系統還能列出一個「戰鬥班表」,通知目前閒置有空的人力,到特定機門緊急支援。所以,向一例一休這類新法規要求的異動,也只需重新增加更多規則,再落實到下一次排班表作業時即可。

不只用於當下調度,李建武透露,掌握整體人員調度和勤務輪班的實際資料後,就可以用來預測未來,航班增加或飛機數量成長後的需求,例如可以預測當長榮飛機數量成長到100臺時,哪一類勤務角色,需要增加多少人力,就足以因應。讓真實的歷史排班資料成為企業預估未來人力需求的規劃參考之一。


Advertisement

更多 iThome相關內容