張炳騰老師指導3位碩士生論文參加2018年7月3日於東海大學舉辦之2018全國「工業工程與管理」碩士論文競賽成績豐碩。
題目：剖析航空路線績效表現與優化資源分配佈局：以長榮航空為決策背景
研究生：林庭瑜
獲得 服務系統與科技管理組 優勝
論文摘要：
長榮航空在2013年加入星空聯盟，透過聯盟資源共享降低公司整體營運成本。策略聯盟為外部的資源配置與整合，對於長期發展而言，勢必有多項投資項目要執行。如何協助決策者在龐大營運規模及資源有限下，即時顯示各航線營運績效，進行資源調整以避免資源浪費的產生，為航空業永續經營的重要議題，進而剖析航線營運可能遭遇的問題為（1）如何即時顯示每條航線的營運狀況（2）哪些航線是屬於獲利/虧損狀態（3）哪些航線是重要且必須立即改善（4）航線改善的優先順序為何（5）航線改善所需投資金額數目為何。
本研究透過重要度、載客率及營收成本比三個指標，建立三維度重要度-績效度分析的航線營運視覺化儀表板，輔助決策者檢視航線的營運績效及評估哪些航線需優先投資改善。另建立「資源配置模型」，協助航空公司找出提高整體營收成本比的最佳資源配置組合。本研究以長榮航空為案例，蒐集2003-2016年航線飛行、營收及成本數據，以（1）有限資源配置（2）無限資源配置（3）額外資源配置等三種情境模擬各航線的營運結果，作為航空業下一年度公司營運績效改善的重要參考依據。
題目：結合動態競爭理論與資料包絡分析法探討智慧型手機廠商競爭優勢
指導老師：張炳騰老師
研究生：蔡緯綸
獲得 服務系統與科技管理組 佳作
論文摘要：
隨著智慧型手機同業競爭者劇增、市場需求快速改變，台灣廠商因缺乏動態競爭思維而無法快速回應，導致在整體營運績效表現上不理想。本研究以智慧型手機知名品牌廠商為探討對象，分析其如何於動態競爭環境下取得優勢，提供台灣廠商標竿學習對象。本研究使用動態競爭理論探討廠商間競爭過程，透過資料包絡分析法評估廠商競爭後之績效表現，最後將評估結果結合BCG矩陣，提供廠商後續經營之方向與建議。研究結果如下：(1) 主流設計出現以前，企業競爭以專利訴訟為主；而出現之後則以研發費用、企業併購等為主。(2) 早期投入之管銷費用對企業影響程度大；而晚期則是研發費用對企業影響程度大。(3) 根據BCG矩陣結果顯示，Malmquist Index為評估企業是否持續成長的重要指標。
題目：基於季節性與混沌現象之分離性建構時間序列預測系統方法類型之研究
研究生：曾柏健
獲得 作業研究組 佳作
論文摘要：
混沌是一種非線性但隱含規則的系統，掌握此特性是預測模式發展值得探討的方向。近年隨著預測模式相關研究的發展，將各理論(如模糊理論、類神經網路)與混沌現象相互結合，掌握混沌現象造成的變動性，藉以提升預測準確度的相關研究也持續被提出。
本研究除了納入上述探討因混沌現象造成預測結果失真，進而分析掌握其變動性降低誤差的相關研究之外，亦將探討另一造成預測結果失真的變動因子：季節性變動(Seasonal variation)，其特點為有規律性，呈現的周期性變動。目前以混沌理論結合季節性變動進行預測的相關研究仍屬稀少，但季節性(Seasonality)對於預測結果所帶來的影響亦是不容忽視的因素，本研究觀察到由於混沌現象與季節性兩個變動因子有其可分離性(Separability)與不可分離性(Inseparability)差別，現有研究方法並未考慮季節變動性的可分離性，僅直接進行混沌預測與季節性調整，更容易出現預測結果失真的情況。
本研究提出之預測系統中，於預測初期藉由資料季節性變動的可分離性與不可分離性，資料處理方法將分成三大類型，類型-I (Type-I)-去除季節性後資料仍具有混沌現象；類型-II (Type-II)-季節性變動去除後資料混沌現象消失；類型-III (Type-III)-季節性指數混沌處理，此三類型資料處理方法將各別應用和研究多個預測方法。在預測方法中，本研究除考慮模糊不確定環境下模糊集合概念和預測方法進而提出非模糊與模糊預測系統外，更探討基於模糊理論衍生的直覺模糊集合概念，使資料的表達更貼近實際問題。
經預測方法產生的長、短期預測結果將與其他傳統方法(如迴歸分析預測、結合類神經網路類型模式的混沌預測 (ANN-type-model-applied chaotic forecasting methods)等方法)比較。同時本研究並將探討不同領域問題資料(如交通流量、原料產量、電力負載、出生人數、空氣汙染指標等)做為預測模式之驗證。研究結果顯示，經季節性與混沌處理並結合模糊與直覺模糊理論的預測方法，能比傳統方法更貼近實際的預測結果；在長期預測結果中，模糊類神經方法的預測結果能掌握資料的長期趨勢，代表本研究的方法能克服過往研究中若時間序列預測方法的預測周期過長，會導致預測結果失真的問使資料的表達更貼近實際問題。
經預測方法產生的長、短期預測結果將與其他傳統方法(如迴歸分析預測、結合類神經網路類型模式的混沌預測 (ANN-type-model-applied chaotic forecasting methods)等方法)比較。同時本研究並將探討不同領域問題資料(如交通流量、原料產量、電力負載、出生人數、空氣汙染指標等)做為預測模式之驗證。
