| 課程名稱 | 智慧營運-青年AI實戰養成班:AI 賦能營運優化(流通服務業) |
|---|---|
| 辦理單位 | 主辦:經濟部商業發展署|執行:商業服務業 AI 人才辦公室|培訓:工業技術研究院 |
| 完訓對外職稱 | 智慧營運優化工程師 |
| 總時數 | 240 小時(次產業 AI 應用課程 120h + 企業專題實作 120h;兩階段各每日 8 小時、每週 5 天、共 6 週) |
| 開課班別 | 中部班|國立臺中科技大學(臺中市北區三民路三段 129 號)|116/6/28(一)– 8/13(五) 北部班|龍華科技大學(桃園市龜山區萬壽路一段 300 號)|116/7/19(一)– 9/3(五) 兩班課程內容相同、排課日期不同;第 5 週與第 6 週之間安排休息週一週 |
| 每日時段 | 週一至週五|08:30–17:30(含中午休息 1 小時,每日 8 小時) |
| 班級規模 | 中部班、北部班兩班合計 50 人;第二階段每組 3–5 人(以 4 人為原則) |
| 核心架構 | VMDA(Value → Management → Data → AI)× iPAS 營運智慧分析師職能基準(輔以 iPAS AI 應用規劃師、iPAS 淨零碳規劃管理師)× 角色進化軸 |
| 課前線上課程 | 完成報名即開通:「解鎖 AI 時代的 0 到 1」、「流通營運的核心:AI 賦能倉儲與運輸管理」(自主學習,不計入 240 小時) |
| 完訓門檻 | 第一階段:出席 ≥ 90% 且後測 ≥ 80 分|第二階段:出席 ≥ 90% 且完成結訓專題報告與 Demo Day 公開發表並通過評核 |
| 學習獎勵金 | 第一階段完訓 2 萬元 + 第二階段完訓 3 萬元,全程最高 5 萬元 |
| 階段 | 週次 | 授課講師 | 關鍵特色 |
|---|---|---|---|
| 第一階段 次產業 AI 應用 |
Week 1–3 (120h) |
學校講師(主)/實務講師(輔) | VMDA × iPAS 營運智慧分析師|問得對 → 理得淨 → 看得懂 → 用得上|BOSS I / II / III + 第一階段後測 |
| 第二階段 企業專題實作 |
Week 4–6 (120h) |
實務講師(主)/學校講師(輔) W6 全體講師 + 合作廠商 |
擬真題專案(實務講師命題)|專案管理 × 專題衝刺|M1 / M2 / M3 + Demo Day + 企業就業媒合會 |
第一階段以 iPAS 營運智慧分析師的四項職責「問得對、理得淨、看得懂、用得上」為主軸,由資料驅動師(D)→ 管理工程師(M)→ AI 價值師(V+A)逐週進化,課程內容對應職能基準之工作任務(T1.1–T4);第二階段由實務講師提供擬真題專案,學員以分組方式完成專案管理、專題製作與成果發表,透過技能整合應用,進化至智慧營運優化工程師。
| Day | 主題 | 課程內容 | 職能對應 | 日期(中/北) |
|---|---|---|---|---|
| Day 1 | 啟動日 | 資料驅動次世代流通智慧——從 BMC × VPC 切入營運優化 | — | 中 6/28|北 7/19 |
| Day 2 | 問得對 | 營運情資掌握、需求訪談與目標確認 | T1.1 | 中 6/29|北 7/20 |
| Day 3 | 資料地圖 | 流通營運資料來源與結構化/非結構化資料 | T1.2 | 中 6/30|北 7/21 |
| Day 4 | 理得淨 | 資料盤點、清理與品質提升 × AI 輔助資料處理 | T2.1 | 中 7/1|北 7/22 |
| Day 5 | ★ BOSS I | 分析路徑規劃 × 流通營運資料診斷報告 | T2.2 | 中 7/2|北 7/23 |
| Day | 主題 | 課程內容 | 職能對應 | 日期(中/北) |
|---|---|---|---|---|
| Day 6 | 管理工程師開場 | 人、貨、場、車、路五元組與流通三流程 | — | 中 7/5|北 7/26 |
| Day 7 | 倉儲與運輸作業分析 | SIPOC 流程分析、作業瓶頸與主例外應變 | — | 中 7/6|北 7/27 |
| Day 8 | 分析方法實作 | 時間序列、多變量分析與需求預測 | T2.2 | 中 7/7|北 7/28 |
| Day 9 | 看得懂 | 關鍵結果/績效指標(KRI/KPI)儀表板與視覺化呈現 | T3.1 | 中 7/8|北 7/29 |
| Day 10 | ★ BOSS II | 營運問題診斷與解決方案比較 | T3.2 | 中 7/9|北 7/30 |
| Day | 主題 | 課程內容 | 職能對應 | 日期(中/北) |
|---|---|---|---|---|
| Day 11 | AI 價值師開場 | V 宣言與 AI 導入評估 | iPAS AI 應用規劃師 | 中 7/12|北 8/2 |
| Day 12 | 辨識(Recognition)支柱 | 分群、分類、預測與異常偵測 | — | 中 7/13|北 8/3 |
| Day 13 | 優化 × 代理支柱 | 庫存、揀貨、路徑優化(Optimization)與 AI 智慧代理(Agent) | — | 中 7/14|北 8/4 |
| Day 14 | 用得上 | 商業溝通、成效驗證 × 營運減碳效益 | T4;iPAS 淨零碳規劃管理師 | 中 7/15|北 8/5 |
| Day 15 | ★ BOSS III | AI 賦能營運優化提案 + 第一階段後測 | — | 中 7/16|北 8/6 |
註:BMC 為商業模式圖(Business Model Canvas),VPC 為價值主張圖(Value Proposition Canvas);T1.1–T4 為 iPAS 營運智慧分析師職能基準(BLM2421-008v3)之工作職責與任務代碼;BOSS 為每週第 5 天的整合關卡任務。
| Day | 主題 | 課程內容 | 里程碑 | 日期(中/北) |
|---|---|---|---|---|
| Day 16 | 專案管理實務 | 範疇、時程、分工與風險管理 | — | 中 7/19|北 8/9 |
| Day 17 | 擬真題專案說明 | 實務講師命題 × 專題啟動會議 | — | 中 7/20|北 8/10 |
| Day 18 | 專題問題定義 | SCQA × V 宣言 | — | 中 7/21|北 8/11 |
| Day 19 | 資料盤點與分析計畫 | 資料取得、清理與分析路徑 | — | 中 7/22|北 8/12 |
| Day 20 | ★ Milestone M1 | 專題提案審查 + 業師回饋 | M1 | 中 7/23|北 8/13 |
| Day | 主題 | 課程內容 | 里程碑 | 日期(中/北) |
|---|---|---|---|---|
| Day 21–24 | 專題製作衝刺(Sprint) | 資料分析 × AI 模型 × 優化方案設計(32 小時) | — | 中 7/26–29|北 8/16–19 |
| Day 25 | ★ Milestone M2 | 期中審查 + 業師回饋 | M2 | 中 7/30|北 8/20 |
| 休息週 | 無排課 | 各組依 M2 回饋自主修正專題 | — | 中 8/2–6|北 8/23–27 |
| Day | 主題 | 課程內容 | 里程碑 | 日期(中/北) |
|---|---|---|---|---|
| Day 26–27 | 成果整合 × Demo Day 彩排 | 專題整合、簡報與系統展示彩排(16 小時) | — | 中 8/9–10|北 8/30–31 |
| Day 28 | ★ Milestone M3 · Demo Day | 成果發表(對外),邀請企業代表觀摩並參與評審,學研界講師與業師聯合評核 | M3 | 中 8/11|北 9/1 |
| Day 29 | 企業就業媒合會 | 流通服務業、企業內部物流/供應鏈部門、流通資訊服務業與物流設備業 | — | 中 8/12|北 9/2 |
| Day 30 | 結業式 × 職涯銜接 | 結業、職涯銜接與後續就業追蹤說明 | — | 中 8/13|北 9/3 |
流通服務業同時承受數位轉型(DX)與永續轉型(SX)壓力,營運優化目標由 QCD 擴展為 QCD + 碳。物流是高度整合的活動,本班以智慧物流為核心切入,培育能面向雙軸轉型的次世代流通人才。一句話:資料是新的資產(BI),AI 是新的產能,碳是新的成本。
以 VMDA 方法論為骨架、iPAS 營運智慧分析師職能基準為培育主軸,輔以 iPAS AI 應用規劃師與淨零碳規劃管理師職能,課程內容對應職能基準工作任務,有助學員後續準備 iPAS 能力鑑定。
次產業 AI 應用課程 3 週打底(D → M → V+A),企業專題實作 3 週整合(M1 → M2 → Demo Day),中間安排休息週讓各組依業師回饋修正專題。
第二階段由工研院實務講師命題,學員分組完成專案管理、專題製作與成果發表;Demo Day 次日舉辦企業就業媒合會,媒合對象涵蓋流通服務業、企業內部物流/供應鏈部門、流通資訊服務業與物流設備業。
國立臺中科技大學(中部班)與龍華科技大學(北部班)同步招生、分別開課,課程內容相同,學員可依居住地區選擇;助教團隊由 AI 應用工程學程在學學生擔任,提供每日學習回饋與進度落後預警。
完成報名即開通兩門課前線上課程先行建立 AI 與流通營運基礎;第一階段完訓 2 萬、第二階段完訓 3 萬,全程最高 5 萬元學習獎勵金。