出版日期：2025-12-04 00:00:00

著者：王晉元; 牛福琪; 林至康

會議名稱：中華民國運輸學會114年年會暨學術論文國際研討會

會議地點：臺北市，臺灣

摘要：在物流作業中，配送計畫產製結果將直接影響物流公司之車輛調度效率、作業可行性、營運成本與整體供應鏈運作的穩定性。然而，目前多數業者仍高度依賴以人工方式進行規劃，雖在執行時較具有彈性，但在面對龐大且複雜之任務時，容易導致規劃效率低落，並進一步造成運能浪費與成本增加。隨著當前配送需求迅速攀升，現行作業模式之限制逐漸顯露。因此，為提升產製效率並減輕人工作業負擔，本研究以關聯規則學習為基礎，從物流公司歷史配送資料中萃取各項託運任務間起迄組合之潛在關聯，藉以建構一套可模擬人工經驗之配送計畫演算法，並結合地理相鄰性進行任務整併與空間最佳化。模型設計同時納入目標函數與工時、重量等實務常見限制，以提升任務規劃之可行性與合理性。研究以臺灣本島某物流業者之實務資料進行驗證，結果顯示所提出之模型可有效整合任務、提升經驗重現程度並考量工時配置與空駛情況；同時，藉由敏感度分析也確認了模型之穩定性與適用性。整體而言，本研究所提出之模型具備一定程度之實務應用潛力，能有效協助物流業者建立一套兼顧效率與經驗傳承之智慧配送決策機制。

關鍵字：物流規劃問題;配送計畫產製;關聯規則學習;排班演算法;任務整併

語言：zh_TW

會議性質：國際

校內研討會地點：無

研討會時間：20251204~20251205

通訊作者：林至康

國別：TWN

出處：中華民國運輸學會114年年會暨學術論文國際研討會論文集