厭倦了 Excel Solver？改用 AI 優化您的排程與預算

挑戰：在眾多可能性中尋找「最佳」解決方案

想像你是一位負責制定每週員工班表的勞動力經理。你總共有 1,065 個專案工時需要在未來三週內完成，並且有 10 名員工可用。你下週的目標是安排其中三分之一的工時，也就是總共 355 小時。

這不僅僅是隨機分配工時。你必須遵守以下規則：

• 工會規定： 每位員工每週必須至少排班 20 小時。
• 防止加班： 為避免過勞和額外成本，任何員工每週工作不得超過 40 小時。
• 班次長度： 單個班次不得超過 8 小時。
• 實務考量： 你不能安排某人工作 3.75 小時。所有班次必須是整數。

你如何制定一個班表，既能達到 355 小時的目標，又能遵守所有這些限制條件？手動操作這項工作是一場反覆試驗的噩夢。你可能更改一個人的班表，卻發現它違反了另一個人的每週總工時，或者使總工時偏離目標。這是一個經典的優化問題，多年來，Excel 的解決方案是一個名為「規劃求解」的工具。

傳統方法：在 Excel 規劃求解迷宮中導航

Excel 規劃求解是一個功能強大的增益集，專為「假設分析」設計，它可以透過改變其他儲存格的值（受一組規則或限制條件約束），找到一個公式在單一儲存格（稱為目標儲存格）中的最佳值（最大值、最小值或特定值）。

對於我們的排班問題，使用規劃求解的傳統方法大致如下。

使用規劃求解的逐步指南

首先，你需要確保規劃求解增益集已啟用。它預設是不啟用的。你必須在 檔案 > 選項 > 增益集 > Excel 增益集 > 執行 中找到它，勾選「規劃求解增益集」方塊，然後點擊確定。

啟用後，你可以在「資料」索引標籤中找到它。以下是你為我們的場景配置它的方式：

1. 設定你的試算表： 你需要一個清晰的版面配置，其中定義了你的變數儲存格（每位員工的每日班次工時）和你的目標儲存格（每週總工時）。目標儲存格必須包含一個依賴於變數儲存格的公式，例如 SUM(B11:G20)。

   

2. 開啟規劃求解參數視窗： 你點擊規劃求解按鈕，就會看到這個對話框。複雜性從這裡開始。

   

3. 定義目標：

   • 設定目標： 你選擇包含目標公式的儲存格（例如，H21，即每週總工時）。
   • 目標值： 你選擇「目標值」並輸入 355。
   • 藉由調整變數儲存格： 你選擇將輸入每日班次的整個範圍（例如，B11:G20）。

4. 新增限制條件（困難的部分）： 現在你必須透過點擊「新增」按鈕，手動逐一新增每一條規則。

   • Agt_Hrs >= 20（每位員工的總工時必須大於或等於 20）
   • Agt_Hrs <= 40（每位員工的總工時必須小於或等於 40）
   • Shifts <= 8（任何單個班次儲存格中的值必須小於或等於 8）
   • Shifts = integer（任何單個班次儲存格中的值必須是整數）

   新增完畢後，你的對話框看起來擁擠且技術性強。

   

5. 選擇求解方法並求解： 你必須在「簡易 LP」、「GRG 非線性」和「演化」之間選擇。如果你不知道這些是什麼意思（大多數人不知道），你只是在猜測。最後，你點擊「求解」並祈禱一切順利。

傳統規劃求解的局限性

雖然功能強大，但這個過程充滿了問題，使得許多人難以接觸，對專家來說也很繁瑣：

• 令人畏懼的介面： 規劃求解參數視窗是舊軟體設計的遺物。它不直觀，感覺更像是在編程而不是使用試算表。
• 僵化且繁瑣的設定： 每一個限制條件都必須透過點擊和儲存格選擇手動輸入。儲存格參照中的一個小錯誤就可能使整個模型失效。
• 陡峭的學習曲線： 要有效使用規劃求解，你幾乎需要一個作業研究學位。理解線性和非線性問題之間的差異對於選擇正確的方法至關重要，錯誤的選擇可能導致失敗或次優結果。
• 難以迭代： 如果你的經理問：「很好，那在沒有人超過 40 小時的情況下，我們最多可以安排多少小時？」你必須回到規劃求解視窗，將目標從「目標值」更改為「最大值」，然後重新執行所有操作。每一個新的「假設」問題都需要手動重新配置。
• 錯誤處理能力差： 如果規劃求解失敗，它通常會給出模糊的訊息，例如「規劃求解找不到可行的解決方案」。它不會告訴你為什麼，讓你獨自除錯複雜的限制條件網絡。

新方法：使用 Excel AI 代理 (Excelmatic)

與其強迫你學習一個複雜的工具，如果你能直接告訴 Excel 你想實現什麼呢？這就是像 Excelmatic 這樣的 Excel AI 代理所承諾的。你上傳你的檔案，並使用自然語言來定義你的優化問題。

Excelmatic 充當你的數據分析師，將你的簡單語言請求轉換為尋找最佳解決方案所需的複雜邏輯，完全繞過規劃求解介面。

使用 Excelmatic 的逐步指南

讓我們使用對話式方法來解決完全相同的排班問題。

1. 上傳你的數據檔案

首先，將包含排班範本的 Excel 檔案拖放到 Excelmatic 中。AI 會立即讀取你的標題並理解你的數據結構。

2. 用語言描述你的目標和限制條件

無需填寫表格，你只需在聊天框中輸入你的請求。你可以一次陳述整個問題。

• 使用者： 「我需要你填寫範圍 B11:G20 中的班表。目標是讓儲存格 H21 中的總工時恰好等於 355。

  請遵循以下規則：

  1. 每位員工的每週總工時（在範圍 H11:H20 中）必須在 20 到 40 之間。
  2. B11:G20 中的每個單獨班次值必須是整數。
  3. 每個單獨班次值也必須小於或等於 8。」

3. 審查結果並透過後續問題進行迭代

Excelmatic 處理你的請求，在後台執行優化，並為你填入班表，直接在介面中呈現最終表格。它會找到一個滿足你所有條件的解決方案。

但真正的魔力在這裡發生。你現在可以透過提問來探索不同的情境。

這種對話式迭代在傳統規劃求解中是不可能的。過去需要多次返回複雜對話框的操作，現在只需一句話就能完成。

4. 下載你的結果

一旦你對某個情境感到滿意，就可以將完成的班表下載為一個新的 Excel 檔案，準備好與你的團隊分享。

傳統規劃求解 vs. Excelmatic：快速比較

常見問題

問：我需要理解像「簡易 LP」這樣的演算法才能使用 Excelmatic 進行優化嗎？ 答：完全不需要。Excelmatic 根據你的自然語言描述在幕後處理正確演算法的選擇。你只需關注「做什麼」，AI 會處理「怎麼做」。

問：當我將敏感的公司數據（如員工班表或財務模型）上傳到 Excelmatic 時，安全嗎？ 答：是的。Excelmatic 以數據安全為優先考量。你的檔案會安全處理，不會用於訓練其他 AI 模型，並且你保留對數據的完全所有權。對於特定的企業需求，可以討論安全政策。

問：Excelmatic 能處理排班以外的問題嗎？ 答：可以，任何你會使用規劃求解處理的問題，Excelmatic 都能處理。這包括預算分配（例如，「在 5 個渠道中，用 10 萬美元預算最大化行銷投資報酬率」）、物流規劃（例如，「找到最便宜的運輸路線」）或產品組合優化（例如，「考慮材料限制，我們應該生產哪些產品以最大化利潤？」）。

問：如果我的請求不清楚怎麼辦？AI 會直接失敗嗎？ 答：不會。對話式 AI 的一個關鍵優勢是，如果你的請求不明確，它會要求澄清。例如，如果你說「最大化利潤」但沒有指定利潤公式在哪裡，Excelmatic 會問：「哪個儲存格或欄位代表利潤？」

問：我可以將結果放回原始的 Excel 檔案中嗎？ 答：可以，你可以下載一個包含 Excelmatic 生成的解決方案的新 Excel 檔案。然後，你可以將這些數據複製並貼上到你的主工作簿中。

採取行動：立即升級你的 Excel 工作流程

多年來，複雜的優化一直是 Excel 高階用戶的專屬領域，他們願意與規劃求解增益集搏鬥。花在設定、除錯和重新執行情境上的時間，本可以用於更高價值的戰略思考。

透過擁抱 Excel AI 代理，你不僅僅是找到一種更快的方式來完成舊任務。你正在從根本上改變你與數據互動的方式。你可以提出複雜的問題，在幾秒鐘內測試假設，並解鎖那些先前埋藏在技術複雜性之下的洞察。

停止與對話框搏鬥。開始與你的數據對話。

立即免費試用 Excelmatic 並上傳你的第一個優化問題。你甚至可以使用本文中的提示開始。