從百萬變數找出優化調度關鍵，長榮靠AI打造智慧班表

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。