臺灣博碩士論文加值系統

國軍部隊各項勤務工作具備每日24小時且全年無休之特性，因此人員多重勤務排班及休假規劃，除了要滿足人力需求外，尚需符合相關規定及任務執行需求。然而，現有之相關研究，大都未考慮此一現實，而且只單方面處理單一排班或單一排班與排休問題。然而，實務上，多重勤務排班與排休有其緊密關聯性，必須整合探討，方能滿足複雜的實務需求。本文先針對人員之多重勤務排班及排休問題發展數學規劃模型，在滿足各項任務需求及人員滿意度極大化的多重條件下，經由各勤務權重之設定，可求得最佳化多重勤務排班及休假規劃之班表。經由實證資料測試結果顯示，本文所提出之數學規劃模型，能迅速而有效地求解多重勤務排班及排休之整合問題，大幅改善人工排班的缺失，並提升多重組合排班與排休之效率。

Each task of military needs to be carried out 24 hours a day, not only requires sufficient workforce but a lot operation rules should be followed. It is not just arranging a single work for a period. In reality, military crews have to deal with multiple tasks even on holiday so that they should be scheduled appropriately. In this study, we construct an integer programming model to solve the multiple shifts scheduling problem and maximize the total satisfaction for crews. Through by the setting of each weight for works and dayoff, the optimal shifts scheduling result can be obtained. According the testing case, this model could finish the roster more efficiency and overcome the drawbacks of shifts scheduling by hand.

摘要 I
Abstract III
致謝 V
目錄 IV
圖目錄 VIII
表目錄 IX
一、緒論 1
1.1研究動機 1
1.2研究目的 2
1.3研究限制 2
1.4研究方法 3
1.5研究流程 4
二、文獻探討 5
2.1文獻彙整 5
2.2文獻評論 9
三、研究方法 11
3.1現今所遇問題 11
3.2勤務排班之問題 12
3.3符號定義 14
3.4模式建構 16
3.5權重之分配 20
四、範例測試 23
4.1值勤資料分析(值勤日期之排定) 24
4.3排班暨休假權重之計算 28
4.4測試結果與分析 33
4.5執行結果分析 35
4.6執行時間、公平性及人員滿意度之改善 35
五、結論 45
參考文獻 47
附錄 51
作者簡介 127

1.中華民國102年-四年期國防總檢討，http://qdr.mnd.gov.tw/，2013。
2.中華民國102年-國防報告書，http://report.mnd.gov.tw/，2013。
3.丁榮堂，「電廠大修人力指派最佳決策模式之研究-以水力電廠為例」，國立中央大學土木工程學系，未出版碩士論文，2009。
4.李彥毅，「消防安全設備檢查人力指派最佳化模式之研究」，國立中央大學土木工程學系，未出版碩士論文，2011。
5.杜宇平，「空服員排班網路模式之研究」，國立中央大學土木工程學系，未出版博士論文，2000。
6.馬文娜、藍柏鼎、宮大川，「建置以「航段」為基之空服員整合型排班決策支援系統」，管理與系統，2009，第16卷，第4期，第637-658頁。
7.陳建名，「機關消防設備勘查驗人力最佳化之研究-以新北市政府消防局為例」，國立中央大學土木工程學系，未出版碩士論文，2011。
8.陳瑛琺，「公園巡查人力指派最佳化之探討」，國立中央大學土木工程學系，未出版碩士論文，2011。
9.曾麗卿、侯玉松、陳美珠，「護理人員排班程式設計與實作」，醫療資訊雜誌，2012，第21卷，第1期，第1-9頁。
10.黃允成，「以整數規劃法解醫院護理排班之問題」，技術學刊，1999，第14卷，第4期，第563-570頁。
11.黃允成、康家榮，「應用OLE 技術進行護理排班與排休問題之探討」，全球商業經營管理學報，2009，第1期，第89-103頁。
12.黃允成、康家榮，「應用整合式電腦排班模型改善護理排班品質之研究」，品質學報，2011，第18卷，第3期，第187-209頁。
13.黃允成、簡仕翰、康家榮，「考慮人員偏好下護理排班與休假問題之整合探討」，醫護科技期刊，2009，第11卷，第1期，第57-69頁。
14.葉慶仲，「機關衛生稽查人力指派最佳化模式之研究」，國立中央大學土木工程學系，未出版碩士論文，2008。
15.鄭詩慈、翁新惠、張博論，「經驗法則式護理人員Excel排班系統之開發」，醫療資訊雜誌，2005，第14卷，第3期，第45-62頁。
16.Azaiez MN. and Al Sharif SS., “A 0-1 goal programming model for nurse scheduling”, COMPUTERS &; OPERATIONS RESEARCH, Vol. 32, 2005, pp. 491–507.
17.Burke Edmund K., Li Jingpeng., Qu Rong., “A hybrid model of integer programming and variable neighborhood search for highly-constrained nurse rostering problems”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol. 203, 2010, pp. 484–493.
18.Ernst AT., Jiang H., Krishnamoorthy M., Sier D., “Staff scheduling and rostering: A review of applications, methods and models”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol. 153, 2004, pp. 3-27.
19.Glass Celia A., Knight Roger A., “The nurse rostering problem: A critical appraisal of the problem structure”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol. 202, 2010, pp. 379-387.
20.Jaumard B, Semet F., Vovor T., “A generalized linear programming model for nurse scheduling”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol. 107, 1998, pp. 1-18.
21.Millar HH and Kiragu M., “Cyclic and non-cyclic scheduling of 12 h shift nurses by network programming”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol. 104, 1998, pp. 582–592.
22.Miller H. E. P. William., J. R. Gustave., “Nurse scheduling using mathematical programming”, Operations Research Vol. 24, 1976, pp. 857-870.
23.Tsai, C. C and Li, H. A., “A two-stage modeling with genetic algorithms for the nurse scheduling problem”, EXPERT SYSTEMS WITH APPLICATIONS, Vol. 36, 2009, pp. 9506–9512.
24.Valouxis Christos., Gogos Christos., Goulas George., Alefragis Panayiotis., Housos, Efthymios, “A systematic two phase approach for the nurse rostering problem”, EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, Vol.219, 2012, pp.425–433.
25.Wong, G. Y. C. and Chun A.H.W, “Constraint-based rostering using meta-level reasoning and probability-based ordering”, Engineering Applications of Artificial Intelligence, Vol. 17, 2004, pp. 599–610.