設施購置/汰換相關研究

為降低機場營運成本，本研究在確保機場飛航安全、維持旅客服務品 質及機場財務健全之目標下，以研究週期內所有設備之折舊、運轉、維護、

延遲及汰換損失等總成本最小化，構建設備購置/汰換時程決策模式。故本 節將進ㄧ步回顧有關動態規劃、設施購置/汰換及運量預測方面之文獻。

2.2.1 動態規劃文獻回顧

本研究在建構動態規劃決策模式時，係引用作業研究中動態規劃

（Dynamic Programming）數學觀念及模式構建技巧，以表達具有動態時間 延續觀念及時間性遞迴之長期設施購置/汰換時程決策模式。有關設備汰換

時程之研究方法中，動態規劃數學模式觀念最先是由 Bellman [19]在 1955 年提出，主要重點為在一定時間長度內找出最佳決策，其所做決策會因時 間點不同而影響決策後之系統總成本，而動態規劃模式主要特點是能將決 策成本隨時間變動之特性充分表達。動態規劃可分為確定性動態規劃問題 ( Deterministic Dynamic Programming )與機率性動態規劃問題( Probabilistic Dynamic Programming)。在確定性動態規劃問題中，下一階段之狀態完全決 定於目前階段之狀態與決策。而機率性動態規劃問題下個階段狀態卻不完 全取決於現階段之狀態與決策，而是存在一組機率分配，依據這組機率分 配決定下個階段最可能發生之狀態及其相對成本。Hartam[20]以機率性動 態規劃數學模式之觀念，將設備利用視為隨時間變動之變數，且將各種利 用機率配合其相對成本，並同時考慮設備年資及累積使用情況為決策因 子，決策出單一設備最佳汰換時程。

王秋棠[21]將模糊觀念導入汰換模式，運用模糊運算、模糊迴歸、模 糊動態規劃發展模式，並提出汰換區間（Replacement Interval）、模糊汰換 年限及因應產業環境情境下之模糊汰換空間。模糊汰換年限，可使企業對 設備重置財務預算提早規劃，模糊汰換空間則可讓企業依個別情境作不同 汰換決策，而非一成不變之汰換方式。賴明材[22]以隨機過程方法，依系 統性質或設備失效模式，構建單元件系統及多元件系統之各種置換模式，

訂定適當置換策略。另譚紹榮[23]建構技術突破下機具重置模式，並假設 技術突破呈某種機率分佈，構建其遞迴通式做為重置與否之判斷準則。王 清祥[24]將資本設備性質分為效率固定型及效率遞減型兩類，在確定情況 下，分別構建資產重置模型，以決定何時更換最為經濟。有關運輸設施汰 換之研究，王大明[25]以排程為目標，考慮故障率、停機數量及成本等因 素，探討橋式貨櫃起重機大維修及汰換最適排程，提昇基隆港作業服務品 質。

綜上所述，有關動態規劃數學模式應用於設備汰換之研究，過去多屬 工業工程領域中用以決策工廠生產設備之最佳汰換時程，且以單一設備為 主而未同時考慮多種設備之汰換情況，並多著重於生產成本或產品不良率 之分析。鮮少以運輸場站為主且同時考量設備汰換、維護保養、營運等成 本與旅客處理容量及服務品質等因素。本研究將動態規劃數學模式應用於 國際機場航站大廈出境多設施購置/汰換時程之決策模式，且同時考量設備

折舊、運轉、維護保養及旅客作業或班機起飛延遲等成本，並整體考量研 究週期內各項設備之最佳購置/汰換時程與數量。

2.2.2 設施購置/汰換相關文獻

設備維護保養過去在工業工程及機械工程領域之研究已有許多。

Kercecioglu [26]將維護定義為：使無故障之單元維持在可靠且安全之運轉 狀態，而故障單元則將其恢復至可靠且安全之正常運轉狀態。一般而言，

設備維護可分為預防維護（Preventive Maintenance）及矯正維護（Corrective Maintenance）兩種類型。前者為視設備之運轉狀況，為使其保持在特定狀 態而作有計劃之維護工作；後者為當設備某一零件或部分系統功能發生故 障，為使設備復原至特定狀態所採取之行動。Pham and Wang [27]以維護程 度將維護分為五種狀況，其包括完全維護（Perfect Maintenance）、不完全維 護（Imperfect Maintenance）、最小修復（Minimal Repair）、較糟維護（Worse Maintenance）及最糟維護（Worst Maintenance）等狀況。其中，完全維護 為設備經維護後可變成全新狀態；最小修復乃當設備發生故障時將其排 除，使設備之狀態回復至與故障前相同；而不完全維護則視設備實施維護 後會使其狀態回復至較新狀態，其回復程度介於完全維護與最小修復之間。

有回顧過去有關設備維護方式可將其分成週期性與非週期性兩大類 型，目前產業界多採用週期性維護，即將設備於固定週期進行維修保養。

表 7 彙整過去有關維護政策之研究，其簡述如下：

1.週期性維護

週期預防維護為在一固定間隔時間實施預防維護，若在維護間隔中發 生故障，則進行維修（Repair）。如 Canfield[28]、Park, et al. [29]、Chun [30]及 Tsai, et al. [31]等文獻。目前產業界多採用週期性維護，即將設 備於固定週期進行維修保養。

2.非週期性維護

有關非週期性維護可約略分為下列幾類：

(1)故障極限政策（Failure Limit Policy）

此策略為假設當設備可靠度或故障率到達一預定水準時則施行預防 維護，如 Lie and Chun[32]及 Jayabalan and Chaudhuri[33]等。

表 7 設備維護政策文獻彙整

資料來源：本研究歸納整理。

(2)順序預防維護政策（Sequential PM Policy）

Nakagawa[34]發展順序預防維護政策，其令第 k 次之維護間隔時間為

X

X

X

其假設隨著設備使用時間越久，設備老化現象越嚴重，而需較高頻率 之預防維護次數。如 Pham and Wang [35]及 Dedopoulos and Smeers[36]

作 者 維護方式 目標函數考慮之成本 最佳解求解法 Jayabalan and

Chaudhuri

等。

(3)維修極限政策（Repair Limit Policy）

維修極限政策可分為兩類，一類為當設備故障時若評估修理費用小於 設定之上限，則進行修理，否則進行設備汰換；另一類為當設備故障 時若可在設定時間內完成則修理，否則進行汰換。如 Yun and Bai [37]

及 Pham and Wang[35]等。

回顧過去文獻（MIL-STD-2173,[38] 及 Lam, [39]），一般維護作業可 區分為保養、修理及更換三種，其中保養為改善系統操作條件，即消除系 統在使用過程中環境惡化現象，如消除震動、過熱及零件運動時卡住等。

修理主要針對系統在使用一段時間後累積損傷之恢復，即恢復可靠度已退 化之零組件以降低其故障率。而更換係對故障無法修復組件或經數次維修 已不具修理價值之組件的更新，由於此涉及較多之拆卸技術及維護成本，

故通常針對系統內關鍵性組件或模組進行，以避免系統發生嚴重傷害。一 般而言，具有老化特性之設備，其維護通常屬於不完全維護。Canfield[28]

研究指出，設備運轉會產生操作應力並使設備發生老化現象，而瞬間故障 率會隨設備老化而增加。Chan and Shaw[40]認為經過預防維護後，設備失 效率會減少，所減少程度受設備年齡與預防維護次數所影響。Sherif and Smith[41]曾整理最佳維護政策之各種求解方法，包括線性規劃、非線性規 劃、動態規劃、Pontryagin 法之極大化原理、混合整數規劃法、決策理論、

搜尋法、啟發式等八種。

綜觀上述文獻，其考慮之成本因素包含預防維護成本、預防置換成本、

矯正成本以及最小修復成本等。其建構之維護成本模型多以維護間隔或維 護次數作為決策變數，並以總維護成本最小化為目標函數而求得最佳維護 政策。本研究將設備維護成本分類為例行預防保養成本及故障修理成本兩 部分，前者與設備年齡及使用頻率有關，而後者則受設備故障頻率及故障 嚴重性影響，通常為設備可靠度之函數。

2.2.3 運量預測相關研究回顧

過去航空運量預測相關研究很多，所應用之方法大多為多元線性迴歸

模式、時間數列模式等，如 Huth and Eriksen[42]、Horonjeff and Mckelvey[43]

及 Boeing Commercial Airplane Group[44]等。然而線性迴歸模式假設變數間 獨立，且要求大樣本量、樣本具較好的分佈規律等條件。而時間數列模式 假 設 歷 史 資 料 為 穩 定 (Stationary) 且 模 式 殘 差 為 高 斯 分 佈 (Gaussion Distribution)，利用隨機統計方法作為預測，亦須要求大量樣本且須具有典 型統計分佈

(

⁾

研究期程內各時程之旅客運量為影響設備購置/汰換時程之重要變數，

Horonjeff and Mckelvey[43]回顧過去有關航空客運量預測之文獻，將其使用 方法可歸納為四類，第一類為判斷預測法(Forecasting by Judgment)即利用專 家判斷(Professional Judgment)，針對未來經濟發展趨勢做出判斷並且修正預 測 需 求 量 。 第 二 類 為 趨 勢 投 影 及 推 測 法 (Trend Projection and Extrapolation)，應用線性推測、指數推測、Logistics 曲線推測及 Gompertz 曲線推測等推測型態，以統計方法分析旅客需求量之趨勢。第三類方法為 市場分析法(Market Analysis Methods)，主要分析旅客社經特性對旅運需求 量之影響，以市場佔有率模式預測區域性航空運量，或運用市場定義模式 以旅客特性區分市場，藉此預測該市場之運量。最後一類方法為計量經濟 法(Econometric Modeling Method)，此法在航空運量預測中最常被運用，計 量經濟為運用多元迴歸分析法，配合過去旅客量資料，瞭解影響旅客需求 量之因素彼此間關係，藉以預測未來需求量。

過去有關臺灣地區國際航空旅客需求預測之研究，交通部運輸研究所 委託荷蘭機場顧問公司[46]以各國國內生產毛額、相對匯率及代表政經事 件之虛擬變數，分別建立各國往來臺灣之旅客運量預測模式。許巧鶯、溫 裕弘[47]將灰色理論應用於航空客運量預測，運用 GM(1，1)時間數列預測 模式及多變量 GM(1，N)系統預測模式，證實以灰色模式建構之國際航空客 運量預測模式，確實比傳統使用迴歸分析模式與 ARIMA 模式較具解釋及預

過去有關臺灣地區國際航空旅客需求預測之研究，交通部運輸研究所 委託荷蘭機場顧問公司[46]以各國國內生產毛額、相對匯率及代表政經事 件之虛擬變數，分別建立各國往來臺灣之旅客運量預測模式。許巧鶯、溫 裕弘[47]將灰色理論應用於航空客運量預測，運用 GM(1，1)時間數列預測 模式及多變量 GM(1，N)系統預測模式，證實以灰色模式建構之國際航空客 運量預測模式，確實比傳統使用迴歸分析模式與 ARIMA 模式較具解釋及預