第一章 緒論
1.3 研究範圍
近年來在世界景氣的穩定復甦下,加之中國大陸經濟強勢成長並成為世界工 廠之趨勢,運輸業近年來由遠東至世界各地的航線,無論客運或者貨運的需求都 急速成長,然而二者之景氣循環,存在時間與數量上之落差。此外,事件的發生 對短期營運而言有決定性的影響,例如近年來的 SARS 事件以及美西大罷工,分 別對客運以及貨運有不同程度的影響。值此趨勢下,航空公司為因應整體景氣的 復甦以及客/貨運景氣循環落差,檢視機隊組成以及個別航機營運效益,並據以 做成運量調度及採購汰換的決策已形成所須面對的重要課題。
依 世 界 貿 易 組 織 (World Trade Organazition, WTO) 服 務 業 貿 易 總 協 定 (General Agreement on Trade of Services, GATS)對於空運服務業之分類,由 WTO
分類清單(W/120)資料將空運服務業分為五部分:
1. 旅客運輸 (passenger transportation) 2. 貨物運輸 (freight transportation)
3. 租賃航空器含機組員 (rental of aircraft with crew) 4. 維修航空器 (maintenance and repair of aircraft) 5. 空運支持服務業 (supporting services for air transport)
在航空產業之分工模式中,就飛機製造流程而言,航機製造公司如波音及空 中巴士等,擔負機型概念開發、系統先期設計、後期系統整合及行銷業務等工作,
而各次系統工程則轉包上游各次系統及零組件廠商分工生產,整個上下游的生產 製造組裝部份以原始設計製造(Original Design Manufacturer, ODM)、專業代工 (Original Equipment Manufacturer, OEM)方式製造並分為四個層級,第一層級總 組裝為各製造大廠核心業務,第二層級為各次系統與裝備組裝,第三、四層級以 零組件製造為主,形成緊密的上下游製造體系,而這條飛機生產供應鏈的終端客 戶就是實際操作使用的航空公司。
實際操作飛機之航空公司及其相關支持產業即為空運服務業之範圍,除航空 公司使用航機作為客運與貨運之運輸營運用途外,亦包含各項周邊產業如以航機 及飛航組員為資產而經營租賃業務之產業、專職維修之航空公司附屬工廠或區域 維修中心、擁有原廠授權及技術支援進行航機客運與貨運不同用途改裝之專業工 廠或公司、以及地面各項航站與後勤服務系統等等,就航空公司而言,其所擁有 之機隊即可視為公司生產工具,因此對生產工具做最有效的應用即為增加航空公 司整體營運效率之最主要方式,本研究即對目標航空公司所在區域之航空運輸景 氣背景下,對其擁有之客運及貨運兩方面之機隊組成進行變動以求取其整體使用 效益上之最大化,並可進一步利用檢視設備生命週期之方式,分析個別航機藉由 改裝而改變其使用狀況後,對航空公司營運上之實質效益。整體航空運輸服務業 上下游之產業關係如圖 1.1 所示。
圖 1.1 航空運輸服務產業關係圖 資料來源:本研究整理
在 航 空 公 司 的 機 隊 建 構 方 面 , 大 致 分 為 客 運 機 (Passenger) 、 貨 運 機 (Freighter)、客運兩用機(Combi)三種類型,由於早年航空成本高昂及高價值貨 物較少,因此採用較多的客運及客貨兩用機,而以客機機腹空間可滿足包括郵遞 在內的大部份快速貨運需求,而隨高時間價值貨物及跨區運輸需求的增加,航空 公司對於採購全貨運機以滿足運量需求的動作也愈發迫切,但由於新機訂單製造 排程耗費較長的等待時間,而使飛機改裝廠逐一成立以滿足區域性需求,此類改 裝廠成立方式大都分為兩類,其一是由航空公司維修工廠加強維護及改裝能量所 獨立出來,另一種則是由地域性相關之航空公司結合或與原廠合資成立之改裝 廠,以彌補大型飛機製造廠商所不足的改裝能量並滿足區域性的改裝需求,另方 面也承接原飛機製造廠的特殊改裝方案,並作為整合各次系統的系統整合使用。
本研究是以航空公司機隊為研究對象,因應當時航空運輸景氣下,以機隊整體效 益最大化為目標之相關機隊規劃研究,如圖 1.2 所示。
圖 1.2 航空公司機隊運量調度示意圖 1.4 研究流程與架構
本研究流程如圖 1.3,首先針對航空公司機隊規劃與其應用方法做完整的文 獻回顧,並對實務上進行改裝之各種項目與細則,如:工期長短、成本支出、與 新購航機的優劣比較、成本改善程度等。再由航空景氣預測結合馬可夫鏈預測未 來需求資料,並結合考量各項營運成本及預期收益之營運效益模式,而於本研究 中釐訂改裝決策於航機成本支出及預期營收項之變動影響,並根據變動影響建立 本研究之研究架構,其中並由建立之航機改裝時程動態規劃模式對個別航機建立 航機生命週期模式,以營運效益建立針對個別航機隨機齡與使用狀況改變而變化 之模式,最後進行範例分析與敏感度分析以驗證本研究模式之可行性與應用性。
本研究以劉素妙(2002)的研究中所建構的航空公司動態機隊規劃模式為基 礎,建立每個決策時區的是否進行改裝以及選擇進行改裝航機之決策,並由客、
貨機於實務上之不同特性,參考前述經由文獻回顧所釐訂之各項成本函數,進而 構建新的成本函數項及決策式,並希冀進一步結合前述文獻所構建之每個決策時 區所原有的四項決策(新購、淘汰、新租、停租),形成一完整機隊規劃決策之研 究。
本研究之架構如圖 1.4,由各項成本、營收及決策項皆隨時間而逐期變動之 觀念,分別建構航機於各時區內之預期營收、營運成本,並加入對客運機與貨運 機不同特性之考量,並更進一步建構航機改裝時程決策變數,與預期營收及營運 成本項之關係,以營運效益為考量,以改裝於航機營運效益之改善值作為決策依 據,並綜合對預期營收及營運成本之影響及對於客運與貨運機不同特性,以及工 程進行時無營收而僅有成本支出與機會成本之考量,以期得出營運效益最大化之
航機生命週期模式。在航空公司營運成本方面可分為直接營運成本與間接營運成 本,間接營運成本為包含行銷、人事管理、旅客服務等,與經營航線不直接相關 而屬支援性質,與所服務之旅客量或處理之貨物量正相關,而直接營運成本為包 含航機油耗、機組人員、地勤作業、機場使用費、維修之變動及固定成本等成本 項,並依據客、貨機之特性不同而分別建立,結合營運成本及預期營收項即為一 系統化之各時區機隊營運效益模式。
而在決策函數中,由是否改裝工程為起始決策考量,並結合預期未來經濟面 景氣變動影響運量需求而使預期營收變動之上下波動情形,再以前後時區由決策 產生形成之動態遞迴影響,對決策發生點當下所在之時區及其下個時區形成多重 面向之決策考量。再運用改裝航機數目與選擇條件判斷式選擇可符合運量條件與 營運效益改善之航機組合,建立該時區航空公司機隊航機改裝時程決策,並由決 策結果與下一時區航機機齡增加因素結合,成為下一時區航空公司客/貨運機隊 組成。
圖 1.3 研究流程圖
圖 1.4 研究架構圖
第二章 文獻回顧與探討
本研究主要探討在航空市場中,航空公司因應市場經濟面的循環所造成景氣 波動,以及客、貨運景氣循環特性形成兩者景氣循環落差之情況下,由航空公司 決策依據機隊中各航機之營運效益為考量基準,尋求營運效益最大化之決策以達 成最佳運量調度之目標,並配合動態規劃(Dynamic Programming)模式,反應機 隊規劃模式具有時間上前後時區間,決策行為具有時間遞迴相互影響之關係。在 文獻回顧的部分,將分為四個部分說明:2.1 灰色預測模式及馬可夫鏈預測 2.2 航空運量預測研究 2.3 機隊規劃相關研究 2.4 機率性動態規劃相關研究 2.5 生命 週期模式相關研究。
2.1 灰色預測模式及馬可夫鏈預測
本研究於旅客/貨物需求運量之預測模式,以 2.1.1 節灰色預測模式、2.1.2 節馬可夫鏈預測說明。
2.1.1 灰色預測模式
本研究為精確預測航空客/貨運之未來運輸需求量,先以灰色理論模式預測 構建預測需求量變化趨勢之航空旅客/貨物需求量預測模式,再結合馬可夫鏈轉 移機率分析以提高灰色模式預測之精確度。第一部份的灰色預測理論不直接對原 始數列建構預測模式,而是將原始數列以累加生成(Accumulated Generating Operation, AGO)運算構建模式,由灰色理論假設任何隨機過程都是在一定幅值範 圍與時間區間內變化的灰色量之灰色過程,即稱為隨機過程,將原始離散不規則 之運量數據,經累加生成過程後成為指數規律數據,再建立微分方程並以最小平 方法求解,之後反向以累減生成(Inverse Accumulated Generating Operation, IAGO) 方式還原,構建灰色 GM(1,1)數列預測模式。灰色理論經證明以超過 4 筆歷史數 據資料即可構建模式,亦即滿足數據強度(potency) 4 (Deng et al.,1988)。因此可 以較少量之數據進行數列生成、數列預測、數列還原以獲得預測結果,其預測之 操作過程如下(鄧聚龍,1999):
≥
1. 取得一二維平面上之數列X
( )
0 ,數列中每個 X 軸座標都有相對之 Y 軸座標 值,而同一 Y 軸座標可能會對應到多個 X 軸座標值,以 k 表示同 Y 軸座標值 所對應的 X 軸座標值之順序編號,則x( )
0( )
k 即為該 Y 軸座標值所對應之 X 軸 座標值。將所有對應到同一座標值之點集合[
k,x( )
0( )
k]
在平面上繪製成一條曲線X
( )
0 。2. 在 Y 軸取數個固定參考值
ζ
i,i=1,2,...,m。且數列X( )
0 中最大值為MaxX ( )
0 ,最小值為
MinX ( )
0 ,則為灰色理論模式預測對固定參考值
ζ
i之預測模式,如下所示{ } ( )
(
0)
i( )
0i