在醫療技術發達的現今社會與健保體制下，往往會看到大型醫院掛號窗口總是大排長龍的看診人潮，熱門的掛號時段總是擠滿了就診病患，醫院的人力分配是影響著醫院的服務品質，所以排班問題是非常值得重視的一環。
而在醫院所有排班作業上以醫師的排班是直接影響病患的，在醫學中心當中各科別的醫師人數是非常多的，如何在有限的看診時段，將醫生排班以符合病患所需是當務之急。
本研究依台灣某醫學中心門診掛號病歷資料庫病患就診與就醫之屬性，本研究即以病患就診屬性，包括：看診日期、看診科別、醫師別等，以資料探勘之關聯技術，直接透過資料庫取得門診就診資料，尋求病患就診之行為模式。
本研究以資料探勘分析資料的關聯法則，找出高頻項重複看診的醫師，將被以重複看診次數最多的醫師排班排在一起，可以讓病患減少來院就診的天數，本研究醫學中心針對本研究所找出項主要醫師排班關聯規則，以腫瘤科在醫院方面將可以減少95.43%的排班組合時間所進行醫師排班花費的時間，且病患看診時間的節省部分，本研究針對10%的隨機資料庫驗證，發現平均將會改善7.3.%的病患來院就診天數，可以驗證本研究使用關聯法則是對於病患有明顯的看診天數的減少，故本研究所使用的研究流程可以供給其他醫學中心作為醫生排班的參考依據。
醫院以本研究所提出的改善方法，進行建構醫學中心門診醫師排班作業系統，將會提升整體服務品質，最後本研究提出以關聯法則建構找出新的排班規則應用模型，提供給不同的醫院或是部門別在於醫師人力資源的排班上有新的參考依據，對於醫院與民眾都有減少其負擔是益處。

For medical technology good developed and the health care system in modern society, large hospital always have many patients for outpatient services of popular time. The staff allocation of hospital is important that affect the quality of hospital services and the scheduling is also an important part.
All scheduling operations in the hospital on the doctor's scheduling are direct influence on patients in medical center, the number of physicians is very much, and how to physicians scheduling to meet patient demand in a limited time is important.
In this study, according to a medical center in Taiwan, out-patient medical records database of patients registered with the medical doctor attributes, this study is to patients through attributes, including: to see the doctor the date of clinic, other physicians, to the association data mining techniques directly through the database to obtain information on outpatient visits, for patients through their behavior.
In this study, using data mining association rules to identify duplicates frequency of physicians seeing patients, will be to repeat the number of visiting arrangements with the largest physician scheduling and patients can reduce the number of days to hospital. The Medical Center Research Institute for the association to identify major physician scheduling rules to oncology in hospitals will be able to reduce the 95.43 % of scheduling time for physician scheduling combination of the time, and patients to see the doctor to save part time of this study, 10% of the random database verification found that the average will improve 7.36% of patients to hospital days. This study can verify the association rules in is significant for the patients to see the doctor to reduce the number of days so that research process used in this study can provide other medical centers as a reference for scheduling of doctors.
To construct an outpatient medical center physician scheduling the operating system, the hospital will improve the overall quality of medical service, and finally used to association rules to find a new application model for scheduling rules that available to the different department of the hospital or physician is for the scheduling of human resources have a new reference for the hospital and the patients have the benefits of reducing their cost.

目錄
中文摘要 i
英文摘要 ii
誌謝 iv
目錄 v
圖目錄 vii
表目錄 viii
第一章、前言 1
1.1 研究背景與動機 2
1.2 研究目的 2
1.3 研究範圍與限制假設 3
1.4 研究流程 3
第二章、文獻探討 5
2.1 醫療服務品質 5
2.2 資料探勘 6
2.3 關聯法則 13
2.4 排班作業 20
第三章、研究方法 27
3.1 研究架構 27
3.2 醫院門診資料收集 29
3.3 資料過濾與篩選 31
3.4 資料編碼與轉換 32
3.5 判斷資料充實 33
3.6 分析軟體SPSS Clementine 10.1 33
3.7 建立病患與看診科別之關聯性 34
3.8 評估結果是否正確 39
第四章、實證研究 40
4.1 問題架構 40
4.2 資料準備 40
4.3 關聯規則推導 42
4.4 資料關聯分析 44
4.5 驗證關聯規則 47
4.6 小結 50
第五章、結論與未來建議 54
5.1 結論 54
5.2 未來建議 55
參考文獻 56
中文文獻 56
英文文獻 60
附錄一、SPSS Clementine 10.1關聯法則操作步驟 63
附錄二、Access資料庫轉換匯入至Excel 71
附錄三、個人簡歷 79

圖目錄
圖1 研究流程圖 4
圖2 資料庫知識探勘流程 8
圖3 本研究資料探勘流程步驟 29
圖4 部份資料庫呈現 30
圖5APRIORI 演算法之架構圖 36
圖6 高頻項目集之產生過程 38
圖7 病患就診資料庫來源 40
圖8 軟體操作關聯法則模組 41
圖9 設定資料庫欄位判讀 41
圖10 設定支持度門檻 42
圖11 設定信心度門檻 43
圖12 整體數據分析結果 44
圖13 就診年齡分布 45
圖14 來院看診日期 45
圖15 設定資料隨機亂數 49
圖16 新增排班規則至ACCESS資料庫 51
圖17 建構ACCESS排班資料庫 52


表目錄
表1 資料探勘於醫學的應用 11
表2 支持度和信賴度代表的意義 15
表3 關聯法則相關應用 18
表4 關聯法則於醫學的應用 19
表5 針對醫院人力相關研究 24
表6 個案醫院提供資料庫屬性欄位 30
表7病患就診行為類別 31
表8 研究期間內病患看診次數的人數 31
表9 醫師看診次數 32
表10 病患就診紀錄 37
表11 7筆規則符合筆數 43
表12 參考病例對應專業醫師 46
表13 個案醫院腫瘤科原始排班 47
表14 判斷增益值是否顯著 48
表15 關聯規則的準確性 49
表16 建議醫師排班組合 51
表17關聯法則建議新排班規則 53

中文文獻
1.王琪雅(2007)，門診醫療服務品質量表之建構，長榮大學企業管理所碩士論文。
2.王行一(2001)，最佳化排課系統之建立，技術學刊，16(4)，587-593
3.王仁傑(2000)，有效找出較長資料項目型樣的關聯法則之研究，逢甲大學資訊工程所碩士論文。
4.王乃弘(1995)，民眾對選擇醫院因素及態度之研究:以中部數家醫院為例，中國醫藥學院醫務管理研究所碩士論文。
5.石育欣(2006)，以資料探勘分析改善急診檢傷分級與醫師排班作業，勤益科技大學工業工程與管理所碩士論文。
6.邱芝駖(2007)，總額預算之醫療成本控制對醫師公義及病患的影響，中正大學社會福利所博士論文。
7.吳冠模(2008)，航機高階檢查人力最佳配置之研究，中華技術學院飛機系統工程研究所碩士論文。
8.吳天方(2006)，台灣中部地區民眾就醫選擇與醫療機構品牌形象相關之研究，亞洲大學經營管理學系碩士論文。
9.吳翠平(2008)，台灣醫院歇業原因之探討，亞洲大學健康暨醫務管理學系碩士論文。
10.吳旭智、賴淑貞(2001)，Data Mining 資料探勘理論與實務顧客關係管理的技巧與科學，台北：維科圖書有限公司。
11.李宇欣、楊承道(1999)，雙勤務人員排班問題，運輸計畫季刊，208(3)，409-420。
12.吳瓊治(2003)，運用知識管理-提昇醫療品質，品質月刊，39(6)，28-31。
13.來明義(2006)，智慧型演算法之護理人員排班之理論分析與系統實作，屏東科技大學資訊管理所碩士論文。
14.林詩芹 (2003)，以限制規劃構建全年無休服務人員排班模式一以客服人員排班為例，國立交通大學運輸科技與管理學系碩士論文。
15.林傑斌(2002)，資料採掘與OLAP 理論與實務，台北：文魁出版社。
16.林宏哲(2005)，應用有趣度挖掘部份關聯法則之演算法高價值，國立成功大學資訊管理所碩士論文。
17.林瑞堯、馬少平(1992)，人工智慧導論，台北：儒林圖書公司。
18.林美珠、李玉春(2003)，全民健保中醫門診總額支付制度實施前醫療服務品質之研究，台灣衛誌，22(3)，204-216。
19.林佳瑤(2003)，利用品質機能展開改善護理之家服務品質要素，中國醫藥學院醫務管理研究所碩士論文。
20.周鴻儒、高森永、陳育忠(1997)，國軍醫院門診病患滿意度調查研究，國防醫學，5(25)，431-438。
21.柯慧青(2007)，組織異常人力發展之探討-以公立醫院護理人員「主動申請降調」為例，國立雲林科技大學企業管理所碩士論文。
22.梁文洲(2007)，資料探勘應用於醫療行銷分析之研究-以中部某基層醫療院所為例，靜宜大學資訊管理研究所碩士論文。
23.陳燕雪(2006)，兩岸醫療制度分析與醫院護理人力之探討，東海大學工業工程與經營管理所碩士論文。
24.陳梅櫻(2009)，以資料探勘技術分析台灣某地區醫院急診檢傷分類資料庫之研究，勤益科技大學工業工程與管理所碩士論文
25.陳威宇(2008)，建構檢傷分類知識管理規劃系統-以台灣某醫學中心為例，勤益科技大學工業工程與管理所碩士論文
26.陳耀茂(2006)，資料探勘利用Clementine使用手冊，台北：鼎茂圖書出版社。
27.陳佳慶(2007)，資料探勘於國人就醫行為習性之研究，南台科技大學資訊管理研究所碩士論文。
28.陳秀雯(2003)，電子病歷資訊共享效益分析之研究，中原大學工業工程研究所碩士論文。
29.陳佳楨(1991)，資料探勘應用於就診行為與醫師排班之研究-以埔里基督教醫院為例，暨南國際大學資訊管理所碩士論文。
30.陳育銘(2008)，結合5W1H與本體論進行網路資料探勘技術之研究，南華大學資訊管理所碩士論文。
31.陳仁惠、鄭仲興、方世杰(2005)，門診醫療服務品質與病患滿意度對於關係導向行為之影響，醫護科技學刊，7(2)，187-202。
32.陳建銘(2001)，類神經網路於Web Mining之應用，台北科技大學商業自動化與管理研究所碩士論文。
33.張瑩慧(2005)，門診病患就醫行為相關因素之探討，中台醫護技術學院醫務管理研究所碩士論文。
34.張育智(2006)，工程雜項人員聘用方式最佳化模式之研究，中央大學土木工程學系碩士在職專班碩士論文。
35.黃凱屏(2001)，內外部顧客調查-以彰化醫院為例，大葉大學工業工程碩士論文。
36.黃永東(2005)，國際上以六標準差專案改善醫療品質之探討，品質月刊，41(7)，17-21。
37.黃維縈(2005)，總額支付制度、部分負擔與醫師誘發需求之關係，義守大學管理研究所碩士論文。
38.揚元琪(2007)，綜合法則歸納系統之延伸研究，國立中山大學資訊管理學系碩士論文。
39.彭金堂(2004)，分析電業自由化市場競爭機制與配電事故診斷資料挖礦之研究，國立清華大學工業工程與管理學系博士論文。
40.詹光台(2000)，一個以動態門檻值為基礎的多維關係法則探勘方法之研究，東吳大學企業管理研究所碩士論文。
41.練昭佾(2004)，在選擇醫院或診所接受牙醫醫療之身心障礙者特性與其影響因素，中國醫藥大學醫務管理所碩士論文。
42.趙明彥(2000)，類神經網路為基底的彈性門診預約系統，華梵大學工業工程所碩士論文。
43.蔡鴻旭、李姿儀、鍾志明(2001)，若瑟醫院門診資料的知識發現，2001年第五屆資訊管理學術暨警政資訊實務研討會，38-43。
44.賴政皓(2007)，應用資料探勘技術提升急診醫學檢傷分類之一致性─以台灣某醫學中心急診醫學部為例，勤益科技大學工業工程與管理所碩士論文。
45.劉泓郁(2003)，建構一個以模糊關聯法則為基礎之產品開發系統，元智大學工業工程所碩士論文。
46.謝宇俊(2007)，以資料探勘技術分析健保高醫療資源使用病患特徵，國立台北護理學院資訊管理所碩士論文。
47.蘇芷凡(2003)，資料採礦之實務一心血管之交互作用與用藥分析，國立政治大學統計管理碩士論文。
48.蘇昭明、吳孟璵、周思齊、詹雅婷(2000)，GPS環境下公車車輛調度作業之研究，599-608，台北：中華民國運輸協會第十五屆論文研討會。
49.蘇昭明(2005)，公路汽車客運多場站人員與車輛排班問題，中華大學運輸科技與物流管理所碩士論文。

英文文獻
1.Atlason, J., Epelman, M. A. and Henderson, S. G. (2004), Call center staffing with simulation and cutting plane methods, Annals of Operations Research, 127, 333-358.
2.Agrawal, R. and Srikant, R.(1994) , Fast algorithms for mining association rules, Proceedings of the 20th international conference on very large data bases,478-499.
3.Barboza, A. O., Carnieri, C., Steiner, M. T. A. and Siqueira, P. H. (2003), Operations research techniques in the call center schedule problem, Gestao and producao, 10(1), 109-127.
4.Bhulai, S., Koole, G. and Pot, G. (2005), Simple methods for shift scheduling in multi-skill call centers, Technical report, University, Amsterdam.
5.Browne.J (2000), Scheduling employees for around-the-clock operations, IIE Solutions, 32(2), 30-33.
6.Bartholdi, J. J.(1981),A guaranteed-accuracy round-off algorithm for cyclic scheduling and set covering, Operations Research,29,501-510.
7.Beasley, J. E. and Cao.B (1996), A tree search algorithm for the crew scheduling problem, European journal of operational research,94(3) ,517-526.
8.Combesa, C., Meskensb, N., Rivatc C. and Vandammeb, J.P. (2007), Using a KDD process to forecast the duration of surgery, International Journal of Production Economics, 112(1),279-293.
9.Chi, C. L., Nick Street, W., Ward, M. M. (2008), Building a hospital referral expert system with a prediction and optimization-based decision support system algorithm, Journal of Biomedical Informatics, 41(2),371-386.
10.Causmaecker, P. D., Demeester, P., Berghe, G. V. and Verbeke, B. (2004),Analysis of real-world personnel scheduling problems, Proceedings of the 5th International Conference on Practice and Theory of Automated Timetabling, Pittsburgh,183-197.
11.Carven, M. W. and Shavlik, J. W. (1997), Using neural networks for data mining,Future Generation Computer Systems,13(2-3),221-229.
12.Fayyad, U. M. (1996), Data mining and knowledge discovery : Making Sense out of Data, IEEE Expert,11(5),20-25.
13.Fisher, A. W. (1971), Patients' evaluation of outpatient medical care, Journal of Medical Education,46(3),238-244.
14.Groselj, C. (2002), Data mining problems in medicine, Computer-Based Medical System, Proceedings of the 15th IEEE Symposium on, 377 -380.
15.Gillespic, G. (2000), Deploying an I.T cure for chronic diseases, Health Data Management, 8(7)68-70.
16.Hui, S. C. and Jha, G. (2000), Datamining for customer service support, Information and Management,38(1),1-13.
17.Han, J. and Kamber, M. (2001), Data mining: concepts and techniques, San Francisco: morgan kaufmann publisher.
18.Hand, D. J. (1998), Data mining: statistics and more? The American Statistician, 52(2), 112.
19.Han, J. (2001), Data mining: concepts and techniques. Simon Fraser University: Micheline Kamber.
20.Lau, H. C. (1996), On the complexity of manpower shift scheduling, Computers and Operations Research, 23(1), 93-102
21.Liu, C. H., Chen, L. S.and Hsu, C. C.(2008), An association-based case reduction technique for case-based reasoning, Information Sciences,178(17),3347-33553.
22.Maitri Thakur. (2009), Data mining for recognizing patterns in foodborne disease outbreaks, Journal of Food Engineering,97(2010),213-227
23.Morris, J. G. and Showalter, M. J. (1983), Simple approaches to shift days-off and tour scheduling problems, Management Science, 29(8), 942-950.
24.Martello, S. and Toth, P.(1986),A heuristic approach to the bus driver scheduling problem, European of journal operations research,24(1),106-117.
25.Megiddo, N. and Srikant, R. (1998), Discovering predictive association rules, Knowledge Discovery in Databases and Data Mining, 274-278.
26.Millar, H. H. and Kiragu, M. (1998), Cyclic and non-cyclic scheduling of 12h Shift Nurses by Network Programming ,European Journal of Operational Research,104(3),582-592.
27.Park, J. S., Chen, M. S. and Yu, P. S. (1995), An effective hash based algorithm for mining association rules, 24(2), 175-186.
28.Quinlan, J. R.(1986), Induction of decision tree, Machine Learning,1(1), 81-106.
29.Shi, Y.H (2009), Improving scheduling of emergency physicians using data mining analysis, Expert Systems with Applications , 36(2009) 3378-3387
30.Savasere, A. (1995), Mining for strong negative associations in a large data- base of customer transactions, Proceedings of IEEE International Conferen-ce on Data Engineering, ICDE'98, 494-502
31.Shirley, O. (1999), Data mining, distributed networks and the laboratory, Healthl Management Technology,20(5),26-3
32.Toivonen, H. (1996), Sampling large databases for association Rules, VLDB 1996, 134-145.
33.Wilson, A. M., Thabane, L. and Holbrook, A. (2003), Application of data mining techniques in pharmacovigilance, Journal of Clinical Pharmacology, 57(2), 127-134.
34.Wang, W. Y., Gupta, D. and Potthoff, S. (2009), On evaluating the impact of flexibility enhancing strategies on the performance of nurse schedules, Health policy, 93(2),188-200.