从百万变数找出优化调度关键，长荣靠AI打造智慧班表

长荣航空

一例一休新制上路，排班问题再度成了企业资讯部门的新任务之一，尤其对于上千名员工的航空公司而言，要在短短几天内重新调整班表规则来符合法规，更是一个複杂的数学难题。

不过，对长荣航空电算本部应用程式三部经理李建武而言，这个问题并不难，因为长荣早在一年前就导入了一套智慧排班系统，只要重新调整规则，就很快地产生调度上千名地勤的合规新班表。

长荣为了支援70多架飞机的全天候维修勤务，加上机场第一线服务顾客的人力，累计超过1千多名人力，不同类型的职务角色更多达13种，为了安排每月班表，过去往往得提早2个月开始规划才行，但仍会遇到不少情况来不及调度人力。例如机场暴雨或大雪时，航班大乱的时候，对航空公司最大的挑战，不只是安抚旅客的情绪，更关键是得紧急调派人手，支援各种航班异动衍生的维修人力需求。

原本长荣就有一套班表系统，但只能用于桃园机场的柜台、出入境服务两大运务系统的月班表，甚至排班耗时甚久，李建武表示，地勤班表时，得在2个月前蒐集各类勤务需求、人力动态，再花上3～4周彙整、规划才能顺利安排上千名地勤人员每月班表，来满足70多架飞机的勤务支援需求，但长荣仍然觉得耗时太久，尤其遇到紧急人力调度，或人员临时请假，甚至是遇到机场暴雨或大雪时，航班大乱时，航空公司得调派人手，安抚顾客，还要重新调度后端维修人力来支援延误航班衍生的维修任务。

随着北高两地机场航班数和服务旅客人数越来越多，所以，在2015年时，长荣决定重新拟定机场运务人力的管理策略，一併也打造更优化的排班系统。最后花了一年，採用IBM iLog CPLEX最佳化分析引擎工具，利用AI技术中的类神经演算法，来分析关键变数，搭配数学最佳化计算，打造出新的智慧型排班系统，在2016年一月正式上线，也不只用于桃园机场，还扩大纳入了松山和高雄等三地人力和勤务的排班。

因为最佳化分析引擎只是一个通用型的工具，得将完整的规则和判断条件转换成数值资料，才能利用分析引擎来找出最佳作法。长荣委外给顾问来将排班义务规则转换成合适的数学规则。

负责导入的育学云端资深技术顾问黄士峰表示，长荣排班最高原则是「班表作业时间最小化」，也就是要可以尽量减少重複人力或闲置等待的时间。主要从勤务和人力两个向度来建立规则，列出了上百个基础的参数，例如得考虑13种不同勤务角色的需求、人员职能、航班资料、旅客人数、劳基法要求、工时、其他业务流程需要排班规则等。

例如若有一名资深维修技师请假，系统不只是安排时间，还得分析他负责工作所需的职能，哪些可支援的技师具备这些职能，但还得要有和请假技师相当的年资才能胜任，最后还得加上这些支援技师原有班表，不能超时工作，或得额外支付加班费等进行综合调度才行。

黄士峰表示，光是其中有一组地勤维修小组，将各项参考参数和规则排列组合后，产生了上百万个可以放入排班最佳化数学模型计算用的变数。不过，多达百万等级的变数量，複杂性太高，所以，长荣进一步使用了类神经演算法，比较不同班表规划决策树的优劣，来找出关键变数，来减少庞大数学运算的负担。

长荣智慧系统上线后，最明显的好处，李建武表示，事前蒐集蒐集勤务需求和人力资讯的时间从2个月缩短到1个月，班表製作时间也从3～4周缩短到2周。也因排班规则模型化和系统化，新系统还增加了线上调班和即时审查的机制，遇到有人临时要请假，不是由主管先指派，而是排班系统能自动找出该时段合适能力也有空轮班的人手，再由主管定夺。

遇到向机场因天气关闭而航班延误，需要大量紧急人手时，智慧排班系统还能列出一个「战斗班表」，通知目前闲置有空的人力，到特定机门紧急支援。所以，向一例一休这类新法规要求的异动，也只需重新增加更多规则，再落实到下一次排班表作业时即可。

不只用于当下调度，李建武透露，掌握整体人员调度和勤务轮班的实际资料后，就可以用来预测未来，航班增加或飞机数量成长后的需求，例如可以预测当长荣飞机数量成长到100台时，哪一类勤务角色，需要增加多少人力，就足以因应。让真实的历史排班资料成为企业预估未来人力需求的规划参考之一。