91猫先生

:::

最新消息

高教創新電子報內頁文章.jpeg
01
《高教创新》专题报导:叁分鐘础滨排班,培养学生跨域解题力
2026.01.01
    面對少子化與醫護人力吃緊的挑戰,如何優化醫院日常運作的「排班表」,成為各大醫療機構穩定醫療品質的核心工程。長庚大學经营分析研究中心主任暨工商管理學系教授吳侃近期率領團隊,從醫療現場的真實需求出發,成功研發出「智慧醫療排班系統」。這項兼具創新科技與產學實務的學研成果,近日榮登2026年1月號《高教創新》雜誌(第066-01期)的專題報導(P36-P37),其兼顧醫護福祉與行政效率的卓越創新,備受外界高度關注與肯定。     傳統的醫院排班不僅耗時,更是繁複的「NP-hard(非確定性多項式時間困難問題)」運籌與演算法挑戰。吳侃教授指出,團隊透過深度訪談、現場觀察,將法規、技能匹配、個人偏好等醫療現場的高度複雜元素,成功轉化為「專家知識庫」,再由 AI 進行佈局最佳化。 這套系統最大的創新在於「不必依賴大數據,僅憑輸入條件即可在 3 分鐘內產出合規且貼近現場需求的班表」。目前該系統在林口長庚醫院藥劑部實質證實: 排班產出效率高:人工作業時間約需十小時,排班系統將期縮短至一分鐘內 法規與制度合規:制度限制皆於決策生成階段即被滿足,一次產出即可採用 人力適應與組織運作改善:排班結果更穩定反映人員需求,降低公平性爭議與調整壓力     除了技術創新,這套系統更回流至長庚大學的教學現場,在智慧工廠與工業4.0課程中,常以「智慧醫療排班系統」為案例,作為引導學生理解 AI、演算法與跨領域合作的教材。     吳侃教授強調,排班問題本質上是運籌學與演算法的整合,需要跨越統計、資料分析、AI模型與醫療流程等高度複雜的跨領域知識: 「學生在這個過程中學會的不是操作工具,而是『怎麼思考與拆解問題』。」     參與專案的資訊、管理與商業背景學生,原本各具專業或偏重單一管理知識,但在這套創新的課程設計下,皆能在團隊中找到發揮空間,轉化為推動系統與跨域溝通的橋樑。正如吳侃教授所言,跨域並非強迫每個人都變成工程師,而是「讓每個人都知道自己如何與其他專業合作」 ,而這正是未來人才不可或缺的核心素養 。 長庚大學此項「智慧醫療排班系統」不僅成功解決醫療實務痛點,更體現了學術研究轉化為實際社會貢獻的「產學雙贏」典範。未來,團隊將持續深化系統優化,將智慧管理能量輻射至更多醫療與產業現場。 高教創新1月號 刊登期數: 第 066-01 期(2026年1月1日發報) 報導頁碼: P36 - P37 專題報導
排班系統視圖
02
《經濟日報》長庚大學開發智慧醫療排班系統 改善智慧醫療人力管理
2025.12.05
在少子化與人口老化雙重趨勢下,台灣醫療體系面臨嚴峻人力資源挑戰。據衛福部統計,近5年護理人員離職率持續維持在11%至15%之間,其中,工作負荷與排班制度被列為影響從業意願的關鍵因素。對中大型醫療機構而言,如何在有限人力下維持服務品質,同時保障員工權益,已成為重要管理課題。 ■突破AI極限:以「專家知識為骨,AI優化為用」的創新架構 有別於傳統AI模型在處理排班問題時的局限性,特別是在面對需要經驗判斷與邏輯推演的複雜情境時,由長庚大學经营分析研究中心吳侃教授帶領的天行智能新創團隊開發的「智慧醫療排班系統?,開創性的採用「專家知識為骨,AI優化為用」的技術架構。研發團隊透過系統化的深度訪談與現場觀察,將資深管理者的排班智慧轉化為可計算的參數體系,將法規遵循、技能匹配等「硬性約束」與公平性、個人偏好等「軟性約束」進行精細化建模,建立起完整的專家知識庫。在此堅實基礎上,再導入多層次AI深度學習技術進行局部優化,使系統無需依賴海量歷史數據即可運作,僅憑內建醫療法規資料庫與專家邏輯,即能在3分鐘內自動生成完全合規且高度貼近實際需求的完善班表。 吳侃教授表示,這套系統在應對醫療現場最棘手的「臨時換班」需求時展現出卓越效能,能在1分鐘內從上千種可能組合中快速找出最佳解決方案,徹底改變傳統需要多人複雜互換的作業模式。系統的智能應變能力不僅大幅提升人力調度的彈性與效率,更確保醫療服務品質不會因人力波動而受到影響,實現從基礎排班到動態調度的全面優化,為醫療機構提供真正實用且高效的智能管理解決方案。 ■實證效益:管理效率與人力品質雙重提升 在林口長庚醫院藥劑部的實證場域中,經過半年系統實測,展現具體成效:節省99%排班時間,達成100%法規遵循,降低20%加班成本,人員滿意度提升50%,人力使用效率提高30%。即使經歷組長變更,系統也能確保排班作業穩定運作,大幅縮短新任主管學習時間。聯新國際醫院同樣透過系統節省100%排班檢核時間,管理人員得以將節省時間投入團隊建設與服務品質提升。預計下一階段導入智能換班模組後,將進一步優化人力調度效率。

- 各項資訊 -