方案 01
排班與人員配置
同時檢查休假希望、資格、所需人數和連續工作限制，自動產生排班候選方案。
- 輸入
- 員工, 可上班時間, 休假希望, 資格, 所需人數
- 規則
- 連續工作上限, 班次間隔, 夜班次數, 公平性, 門市間移動
- 輸出
- 排班表, 人手不足, 未滿足的希望, 負荷偏差
解決方案 / 決策自動化
把每天由人決定的事，自動化。
誰、何時、在哪裡、按什麼順序分配？系統會整理人員、時間、資格、車輛、設備、交期等條件，並產生可執行的候選方案。
- 資源人員、車輛、設備、庫存
- 起始資料可從 Excel 或 CSV 開始
- 輸出候選方案、未滿足條件、理由
人員：技能、可用時間、偏好
時間：開始、結束、截止日期
地點：距離、移動、區域
資源：車輛、設備、庫存
約束求解器
硬性約束排程絕不能違反的規則。
軟性約束在可能情況下希望尊重的偏好。
目標函式定義更好排程的評分標準。
可執行的候選方案
目標函式: 定義更好排程的評分標準。
目標函式: 定義更好排程的評分標準。
可執行輸出可執行的候選方案
- 分配
- 順序
- 未滿足條件
- 理由
依日常決策選擇
現在，你們反覆在決定什麼？
請從每天實際做出的判斷來選擇，而不是從技術名稱開始。各頁面會說明需要的資料、可遵守的條件和可得到的結果。
依目的篩選
顯示 6 項
方案 02
到府與巡迴排程
綜合可訪視時段、資格、服務連續性和移動時間，產生可執行的一日計畫。
- 輸入
- 訪視對象, 時間窗, 所需時間, 負責人員, 位置, 資格
- 規則
- 符合度, 訪視頻率, 直行直歸, 休息, 緊急案件, 服務連續性
- 輸出
- 依負責人員劃分的計畫, 移動時間, 未分配, 變更候選
方案 03
派車與配送路線
根據配送對象、車輛、裝載量和時間指定，產生車輛分配和巡迴順序候選方案。
- 輸入
- 配送對象, 貨量, 車輛, 司機, 時間指定, 據點
- 規則
- 裝載上限, 車型條件, 工作時長, 配送時間窗, 休息, 停靠順序約束
- 輸出
- 按車輛的路線, 總距離, 裝載率, 未配送, 時間違規
方案 04
製程與生產排程
在交期、設備、人員、材料、製程順序和換線條件下，產生可執行的製程方案。
- 輸入
- 訂單, 製程, 所需時間, 設備, 作業人員, 材料到貨
- 規則
- 製程前後關係, 設備不能重疊, 具資格人員配置, 執行時間, 換線, 保養停機
- 輸出
- 製程甘特圖, 延遲排程, 設備負荷, 瓶頸, 衝突位置
方案 05
人員與案件匹配
根據資格、經驗、區域、可用時間、客戶符合度和目前負荷，為每個案件提示負責人員候選。
- 輸入
- 案件條件, 人員技能, 經驗, 區域, 可用時間, 負荷
- 規則
- 必備資格, 負責上限, 持續負責, 利潤, 優先客戶, 符合度
- 輸出
- 候選排序, 分配方案, 推薦理由, 未滿足條件
方案 06
訂貨、庫存和其他計畫
訂貨數量、庫存分配、會議日程、教室配置等不屬於上述五類的業務，也可以從條件和評價標準開始整理。
- 問題
- 是否每次都要比較多個候選，並決定一個計畫或數量？
- 開始
- 目前使用的 Excel, 需要遵守的規則, 好結果的定義
- 答案
- 是否適合自動化, 需要的資料, 最初驗證範圍
沒有符合該條件的解決方案。
從業務到數學模型
把現場語言變成可計算的形式。
自動化的核心不只是程式碼，而是區分「必須遵守的條件」「盡量尊重的偏好」和「要改善的指標」。選擇業務後，模型範例會隨之切換。
模型 / SHIFT-001排班與人員配置
範例模型資料輸入資料
硬性約束必須遵守的條件
軟性約束儘量尊重的偏好
目標函式改善指標
90 秒適用性檢查
哪些業務適合數學自動化？
選擇符合的項目後，頁面會顯示建議的推進方式。這不是銷售用評分，而是初次洽詢前的判斷參考。
1輸入內容不會傳送或儲存。
2結果較低並不表示不能自動化。
3最終判斷需要檢視 Excel 和業務規則。
如實說明邊界
適合的條件，以及應先整理的條件。
並非所有業務都需要進階最佳化。有些業務用簡單規則即可解決，有些則應先整理資料。
適合數學自動化的工作流程。
- 可以區分硬性規則和偏好排班、到府服務、派車、製程安排和案件分配，通常都有可在人工比較候選方案前先檢查的約束條件。
- 已有可開始使用的資料現有表格、CSV 或少量代表案例，通常足以開始第一個模型驗證。
- 需要解釋結果原因價值不只是縮短排程時間。系統也應顯示未滿足條件、取捨關係和理由。
第一步不是直接做生產系統，而是用真實資料做小型計算原型並比較。
自動化前需要先整理的情況。
- 規則仍停留在經驗中如果每位排程負責人使用的規則不同，應先定義哪些條件必須始終遵守。
- 源資料不穩定如果名稱、日期和地點尚未結構化，應先整理資料，再進行最佳化建模。
- 成功標準不清楚如果無法說明哪個排程更好，應在開發前先定義評價指標。
這種情況下，不強推最佳化專案，而是先從資料整理或小範圍規則化開始。
常見問題
選擇方案前的常見問題。
這些問題用於在洽詢前區分排程自動化和一般系統開發。
一開始就需要完美的最佳化模型嗎？
不需要。首先把目前的判斷拆分為資料、硬性規則、偏好和評價指標。模型可以從小範圍開始。
可以從 Excel 或 CSV 開始嗎？
可以。如果能理解欄位含義和規則，代表性的 Excel 或 CSV 通常可以用於第一個原型。
所有判斷都會完全自動化嗎？
不會。系統應展示候選方案、未滿足條件和理由，讓人員能夠審查和調整最終判斷。
如果業務不屬於這五個方案怎麼辦？
如果不屬於這五類，請進入診斷。訂貨、庫存、會議、教室配置等許多分配和數量決策也可以被建模。
所有判斷都必須完全自動化嗎？
不需要。先產生候選方案讓人員確認、只重算發生變化的部分、或讓人員處理未分配項目等半自動化方式也很有效。
小規模公司也適合嗎？
比起公司規模，判斷是否頻繁重複、負擔是否較大更重要。人數不多但條件複雜、每週都需要長時間調整時，也值得驗證。