團隊簡介 提案名稱： OR-LLM 雙引擎自動化排班平台

提案簡介 醫療與照護機構的排班規則極其複雜，除需滿足跨科別與個案的需求外，更受限於勞基法與工時規範等硬性法規。長期以來，醫療院所高度依賴資深人力進行手工試排與反覆協調，不僅耗費大量高階醫事人員的時間，更形成難以量化的隱形成本。隨著衛福部將智慧排班覆蓋率納入政策指標，排班自動化已從行政輔助升級為醫療機構的政策剛需。Schedule-Agent 團隊提出「OR-LLM 雙引擎自動化排班平台」，結合受控式大型語言模型與作業研究（OR）求解器，打造一套兼具自然語言理解與確定性邏輯運算的智慧排班引擎，將原本動輒數小時甚至數天的排班作業縮短至三十分鐘內完成，大幅減輕醫護行政負擔。

核心創新與技術特點 本平台的核心技術在於「受控式 LLM-Agent」雙引擎架構。系統讓大型語言模型專注於聽懂排班者的自然語言需求，並從預先建置的限制式 pattern 庫中挑選元件與填入參數；真正的數學建模與最佳化求解則交由確定性的作業研究求解器（CP-SAT）執行。這種將自然語言理解與邏輯求解解耦的設計，徹底解決了傳統生成式 AI 容易產生的幻覺與不可稽核風險，確保系統對硬性法規與工時限制的違反數恆為零，即便面臨極限衝突條件，系統也會清楚輸出衝突說明而非硬湊排班。此外，平台具備可稽核、可嵌入與可複製的特性，支援 HL7 FHIR 與醫院資訊系統（HIS）介接，可採用地端部署以符合醫療資安規範，並能隨著法規與規則異動進行全程可追溯的調控。

目標市場與商業化構想 面對台灣邁入超高齡社會所帶來的照護人力調度需求，以及各級醫院與長照機構的政策考核壓力，本專案定位於龐大的 B2B 醫療與長照軟體市場。商業模式採 B2B2B 軟體獨立開發商（ISV）授權機制，將排班最佳化引擎授權給產業整合商，由其結合在地化流程與終端系統，並向醫療機構收取訂閱費與高階模組費，實現與一次性客製化脫鉤的可永續收入模式。目前本系統已於馬偕紀念醫院（住院醫師排班）與台灣血液基金會（採血人員排班）成功實地導入，將排班作業時間由六小時大幅降至半小時（效率提升約 92%），並已取得實質採購付費與跨場域推擴合約，充分驗證了該引擎跨機構複製的強大商業潛力。

團隊背景與優勢 Schedule-Agent 團隊由東吳大學資訊管理學系王子騫教授領軍，並與台灣大學工業工程學研究所深度合作研發，集結了 LLM-Agent 工程、作業研究建模、商業開發與真實醫療場域導入的多方頂尖人才。團隊核心優勢在於同時具備「穩定的結構化 LLM 控制」、「Agent 工程技術」、「專業 OR 建模能力」以及「醫學中心與捐血中心累積的真實場域落地經驗」。相較於一般純軟體開發商或管理顧問公司，團隊能精準將第一線醫護人員的口語化需求转化为可執行的數學模型，並已透過真實個案證明其系統穩定度與商業效益，為醫療產業提供最扎實且可信賴的智慧排班解方。