English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 84007/84007 (100%)
造訪人次 : 62256874      線上人數 : 733
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/99051


    題名: 整合作業研究工具、檢索增強生成與大型語言模型之智慧排班生成系統;An Intelligent Shift Scheduling Generation System Using Or-Tools, Retrieval-Augmented Generation, and Large Language Models
    作者: 江振瑞
    貢獻者: 國立中央大學資訊工程學系
    關鍵詞: 智慧排班;約束規劃;提示工程;檢索增強生成;大型語言模型;決策支援;Intelligent Shift Scheduling;Contraint Programming;Prompt Engineering;Retrieval Augmented Generation (RAG);Large Language Models (LLMs);Decision Support
    日期: 2026-01-22
    上傳時間: 2026-01-23 16:31:28 (UTC+8)
    出版者: 國家科學及技術委員會(本會)
    摘要: 本研究團隊於前一年度已經運用Google作業研究工具(OR-Tools)建構二個人員排班系統,分別為醫療機構的護理人員排班系統以及航空業的航班維護人員排班系統,可以產出符合公共法規、組織規範、營運目標與人員偏好的排班方案。為進一步擴展系統的跨場域應用性、智慧化排班生成、合規性檢查與彈性調整,並提供具有智慧互動與解釋透明度的決策支援管理功能,本計畫提出一個稱為結構化約束規劃鏈(Structured Chain-of-Constraint-Programming, SCoCP)的提示工程(Prompt Engineering)概念,預計整合作業研究工具OR-Tools的約束規劃方法、代理型檢索增強生成(Agentic Retrieval-Augmented Generation, Agentic RAG)技術與大型語言模型(Large Language Models, LLMs),以建置一套智慧排班生成系統(Intelligent Shift Scheduling Generation System, ISSGS)。ISSGS包含三個主要模組: (1) 智慧排班生成與驗證模組(Intelligent Schedule Generation and Verification Module):可以根據給定的法規、排班約束與排班目標等規則文件,智慧化生成最佳排班,並自動驗證比對現有排班邏輯與規則文件的一致性。本計畫將透過代理式檢索增強生成(Agentic RAG)技術搭配LLM完成這個模組,使其能夠整合多個智能代理,將排班規則轉換為模型條件,生成OR-Tools程式碼以產出排班方案,並自動進行程式碼驗證與重構。 (2) 自適約束轉換與目標微調模組(Adaptive Constraint Transformation and Objective Refinement Module),可以偵測互相牴觸的硬性約束(hard constraint),將之轉換為軟性約束(soft constraint)納入目標函數(objective function)中,並自適地設定不同優先順序權重。本計畫依然預計透過Agentic RAG技術搭配LLM完成這個模組,使其能夠整合多個智能代理,根據OR-Tools約束規劃程式碼是否具有可行解(feasible solution)的狀態,自適地判斷哪些硬性約束具有互相牴觸可能,並依其重要性轉換為具有不同權重的軟性約束納入目標函數中。智慧代理也會根據更新的規則文件,自適地動態修正OR-Tools程式碼與進行目標函數加權的微調。 (3) 互動決策支援與說明模組(Interactive Decision Support and Explanation Module),支援回應細緻度調整與角色導向互動介面設定,可讓管理者透過自然語言查詢排班統計資訊與對應的關鍵績效指標,獲取排班方案的說明解釋,接受預警推送與即時的行動建議。本計畫同樣預計透過Agentic RAG技術搭配LLM完成這個模組,使其能夠整合多個智能代理,主動擷取最新規則文件與運營統計資料,進行彙整與分析,以回應高層管理者查詢,並提供具可追溯依據的說明內容,還能針對排班異常主動發出風險預警與可行的因應調整建議。 本計畫的執行預期可強化既有排班系統的管理彈性與營運效率,使其在面對排班規則調整、人力資源異動或法規更新等情境時,能智慧化完成模型修正與再生成,降低人工作業負擔並提升反應速度。同時,系統亦可協助管理高層即時掌握人力配置與排班績效,透過自然語言查詢獲取合規解釋、統計資料與異常資訊,作為決策優化與資源規劃的重要依據。藉由模組化智能代理的設計,亦可有效拓展系統至其他亟需合規排班的領域,如旅宿業與運輸業等,形成「智慧排班即服務(Intelligent Scheduling as a Service, ISaaS)」之新商業模式,進而發揮更高的社會與產業效益。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[資訊工程學系] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML4檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明