臺灣博碩士論文加值系統

預估服務時間在許多服務業，例如提供預約服務之產業，是影響服務品質的重要因素。於服務產業下許多服務系統之服務時間，均由多種影響因素所決定服務時間。然而各項因素所造成之影響並非呈線性可加或遵循可預期之模式，故導致推估預測服務時間之困難度增加，而預測之不準確性將大幅降低服務系統之使用效率及增加顧客於服務系統中之等待時間，導致服務品質下降。本文以美髮服務業為研究案例，並針對實際服務時間數據資料做為期三個月蒐集，並將數據資料分為二部份探討，其一為訓練資料，另一部份為驗証。於推估時間模型上則以應用基因演算法並以Excel巨集程式撰寫來推導此服務系統各項因素對服務時間影響之權重，進而建立一個服務時間預測之模型。經實際測試資料之驗證，本模式在預測之準確度與以單獨考慮服務種類之平均時間進行預測時間或憑服務人員經驗主觀判斷服務時間上均有顯著改善，故顯示本研究之方法可實際運用於多重因素影響服務時間之系統。

Service time estimation has become increasingly important in a variety of service industries, particularly in those allowing reservations of service, which can greatly affect the service quality. The service time is usually determined by a number of factors, which are often unpredictable or non-linearly dependent of these factors. Such a situation has increased the difficulty in predicting the expected service time, resulting in system inefficiency because of increased customer waiting time, and the degradation of the service quality. This paper, focusing on the beauty solon industry, proposes a prediction model based on the service times collected in three months for evaluating the factor weights in order to estimate the service time in a more accurate way for a reservation using genetic algorithms. The testing results show that significant improvements have obtained by using the proposed model in terms of the averaged service time and the human-intervened judgments. The proposed model can be applied in numerous service industries where multiple factors are of concerned.

目 錄 摘 要 i Abstract ii 誌 謝 iii 目 錄 iv 圖目錄 vi 表目錄 vii 第一章 緒論 1 1.1 研究背景與動機 1 1.2 研究目的 1 1.3 研究範疇 2 1.4 研究流程與論文架構說明 2 第二章 文獻探討 5 2.1 國內外相關於多因子影響下預測模型之研究 5 2.1.1 利用各技術方法預測相關研究 5 2.1.2 各預測效能之探討 7 2.2 基因演算法(GENETIC ALGORITHM) 9 2.2.1 基因演算法之演變 9 2.2.2 基因演算法基本特性 10 2.2.3 基因演算法之運算流程 11 2.3 VBA介紹 13 2.3.1 Excel VBA的開發環境 14 2.3.2 Excel VBA之特性 15 第三章 研究理論與方法 19 3.1 基因演算法 19 3.1.1 編碼 19 3.1.2 產生初始族群 21 3.1.3 設定適應度函數量 21 3.2 基因演算法之運算子 21 3.2.1 複製 21 3.2.2 交配 22 3.2.3 突變 23 3.2.4 終止條件 23 3.3 演算法之流程 24 第四章 實驗結果與分析 25 4.1 資料蒐集內容 25 4.2 資料分析 25 4.3 基因演算法各項參數設定 28 4.4 實證結果分析 31 第五章 結論與未來展望 36 5.1 結論 36 5.2 未來研究方向 37 參考文獻 38 圖目錄 圖1.1 顧客得知服務時間之服務流程 2 圖1.2 本文研究流程圖 3 圖2.1 基因演算法之演變 9 圖2.2 基因演算法運算流程圖 12 圖2.3 啟動Visual Basic編輯器 14 圖2.4 Visual Basic 編輯器視窗 14 圖3.1 遺傳演算法基本單元 20 圖3.2 浮點編碼表示法 20 圖3.3 二元編碼多點式交換 22 圖3.4 浮點編碼單點式交換 23 圖3.5 基因運算法則運算模式架構 24 圖4.1 影響因子之編碼方式 28 圖4.2 基因預測時間之誤差演化結果 31 圖4.3 經驗、平均時間、基因演算推估服務時間差異比較 32 圖4.4 項目11下各預測方法預估差異時間分析 32 圖4.5 項目17下各預測方法預估差異時間分析 33 圖4.6 項目22下各預測方法預估差異時間分析 34 圖4.7 項目26下各預測方法預估差異時間分析 34 表目錄 表2.1 預測相關文獻整理表 6 表2.2 預測方法優缺點比較表 7 表2.3 基因演算法之優缺點 11 表2.4 VB與VBA的差異比較表 13 表4.1 前500筆訓綀資料項目分類代碼及人數統計表 26 表4.2 影響服務因子之權重表示法 27 表4.3 平均服務項目時間類別表示法 28 表4.4 各項因子權重參數 30

參考文獻1. 王皓正(2001)，「應用遺傳演算法於長期潮汐預報之研究」，交通大學土木工程研究所碩士論文。 2. 何佳祥(2002)，「應用基因演算法優化類神經網路於污水廠興建成本預估之研究」，雲林科技大學環境與安全工程研究所碩士論文。 3. 吳綉翎(2002)，「以經濟附加價值(EVA)預測高科技公司之股價-類神經網路模式」，高雄第一科技大學資訊管理研究所碩士論文。 4. 林重賢(2001)，「手術時間預測模式建立」，台灣大學醫療機構管理研究所碩士論文。 5. 洪士吉（1998），「VBA巨集程式範例」，旗標公司。 6. 許志鈞（2003），「企業財務危機預警模式－基因演算法、倒傳遞網路與遞迴網路之應用」，台北大學企業管理研究所碩士論文。 7. 胡國岱(1996)，「醫院門診掛號時間之研究」，中正大學企業管理學系碩士論文。 8. 邱千恕（2003），「以基因演算法估算現金卡風險變數兩層權重參數之研究」，台北大學統計學系碩士論文。 9. 彭垂星 (2003)，「應用Excel VBA建構DRAM成品測試廠短期生產排程之研究」，中華大學科技管理研究所碩士論文。 10. 黃錦鍾(2004)，「製造週期時間預估之研究—以齒輪刀具製造廠為例」，清雲科技機械工程研究所碩士論文。 11. 楊金聲(2004)，「利用類神經網路與線性迴歸進行成本預測之研究-以印刷電路板產業為例」，中原大學資訊管理研究所碩士論文。 12. 廖佳彥(2005)，「最佳就診時間即時預估與查詢系統之設計 」，國立嘉義大學生物機電工程學系碩士論文。 13. 賴郁玲(2005), 「以基因演算法求解最少延遲工作數下總延遲時間最小化之單機排程問題」，南台科技大學工業管理研究所碩士論文。 14. 蕭瑞民(2000),「以等候網路求解醫院藥局人力調配最佳化之研究」，成功大學工業管理研究所碩士論文。 15. Brahimi, M. and Worthington, D. J. (1991), “The Finite Capacity Multi-Server Queue With Inhomogeneous Arrival Rate and Discrete Service Time Distribution – And Its Application to Continuous Service Time Problems, ” European Journal of Operational Research, Vol. 50, No. 3,pp.310-324. 16. Cheng, T.C.E. and Wang, G. (2000), “Single Machine Scheduling with Learning Effect Considerations,” Annals of Operation Research, Vol. 98,No.1 ,pp. 273-290. 17. Jong, De. and Kenneth, A. (1987), “Using Genetic Algorithms to Search Program Spaces,” Proceedings 2nd International Conference on Genetic Algorithms and their Applications, pp.210-216. 18. French, S. (1982),“Sequencing and Scheduling: An Introduction to the Mathematics of the Job-shop,” John Wiley & Sons, New York. 19. Funda, S. and Ulusoy, G. (1999), “Parallel Machine Scheduling with Earliness and Tardiness Penalties,” Computers & Operations. Research, Vol. 26,No. 8, pp. 773-787. 20. Goldberg, D. E. (1989), “Genetic Algorithms in Search”, Optimization, and Machine Learning,Addison-Wesley, 21. Haupt, R.L. (1995), “An Introduction to Genetic Algorithms for Electromagnetics,” IEEE Antennas and Propagation Magazine, Vol. 37,No. 2, pp. 7 -15. 22. Holland, J. (1975), “Adaptation in Natural and Artificial Systems,” University of Michigan Press. 23. Knosala, R. and Wal, T. (2001), “A production scheduling problem using genetic algorithm,” Journal of Materials Processing Technology, Vol. 109,No. 3, pp. 90-95. 24. Packard, N. H. (1990) , “A genetic learning algorithm for the analysis of complex data.” complex systems, Vol. 4, No 5, pp. 543--572. 25. Srinivas, M. and Lalit, M.P. (1994), “Genetic Algorithms: A Survey,” IEEE computer, Vol. 27,No.2,pp.18-20. 26. http://www.microsoft.com/taiwan/