講 題：分散式多智能體動態決策方法及應用
主 講 人： 吳政鴻(Cheng-Hung Wu)
(國立台灣大學工業工程學研究所 教授兼所長)
主 持 人：林義貴 講座教授
主辦單位：陽明交通大學工業工程與管理系
時間：2026年3月30日(星期一) 13:20~15:20
地 點：管理二館520教室
演講摘要：這場演講聚焦於如何讓多個獨立智能體在不依賴中央控制的情況下，僅透過局部資訊與互聯協作，在瞬息萬變的環境中快速做出最佳決策。透過分散式強化學習等核心技術，解決複雜系統的擴充性與容錯問題，並廣泛應用於智慧交通、無人集群與自動化物流等實務領域。
演講性質：學術研究專題
歡迎聽講
國 立 陽 明 交 通 大 學 演 講
講 題：研發創意到可成功商化的產品-個人經驗談
主 講 人：陳炳煇(Ping-Hei Chen)
(國立台灣大學機械工程學系 終身特聘教授)
主 持 人：林義貴 講座教授
主辦單位：陽明交通大學工業工程與管理系
時間：115年3月23日(星期一) 13:20~15:20
地 點：管理二館520教室
演講摘要：本講座將結合多年研發實務，深入解析創新技術從「實驗室雛形」走向「市場規模化」的個人經驗分享。
演講性質：學術研究專題
歡迎聽講
講 題：AI基礎模型及其上中下游的應用
主 講 人：廖弘源(Hong-Yuan Mark Liao)
主 持 人：林義貴 講座教授
主辦單位：陽明交通大學工業工程與管理系
時間：2026年3月16日(星期一) 13:20~15:20
地 點：管理二館520教室
演講摘要：從基礎模型出發，串聯 AI 全產業鏈：上游建築算力、中游鍛造智慧、下游賦能萬業。 探索 AI 基礎模型如何從技術核心，轉化為改變世界的數位原動力。
演講性質：學術研究專題
歡迎聽講
講 題：From online algorithms to learning-augmented online algorithms
主 講 人：廖崇碩 (Chung Shou Liao)(國立台灣大學電機工程學系 教授)
主 持 人：林義貴 講座教授
主辦單位：陽明交通大學工業工程與管理系
時間：2026年3月9日(星期一) 13:20~15:20
地 點：管理二館520教室
演講摘要：討論如何把「機器學習的預測力」跟「傳統演算法的穩定性」結合起來，讓系統在面對不確定的未來時，既能跑得快，又能不翻車。
演講摘要：學術研究專題
歡迎聽講
講 題：從課本到真實世界：Operations Research 如何解決產業問題
主 講 人：林東盈(Dung-Ying Lin)
(國立清華大學工業工程與工程管理學系 教授兼系主任)
主 持 人：林義貴 講座教授
主辦單位：陽明交通大學工業工程與管理系
時間：2026年3月2日(星期一) 13:20~15:20
地 點：管理二館520教室
演講摘要：許多學生對 Operations Research (OR) 的印象，往往停留在課堂上的模型與作業，卻不清楚這樣的思維在產業中究竟如何被使用；本次交流將以實際產業合作經驗為背景，分享 OR 在不同產業場景中的真實應用樣貌。演講內容涵蓋航太與太空通訊、半導體製造、智慧製造與自動化設備、物流與倉儲系統，以及大型公共運輸與人力排班等領域；這些案例來自真實系統的建置與長期維運，面對的是設備數量龐大、資源高度受限、需求頻繁變動，以及必須全天候穩定運作的實務環境。透過這些案例，演講將說明 OR 在產業中扮演的角色，並非追求理論上的完美解答，而是協助企業在複雜限制下做出「可執行、可持續、能被信任」的決策。同學將看到，許多實務問題其實沒有標準答案，關鍵在於如何將問題結構化、釐清決策邏輯，並讓系統能在現實條件下穩定運作。
演講性質：學術研究專題
歡迎聽講
講 題：職涯發展分享：台灣美光
(Career Development and Sharing)
主 講 人：王偉豪(Howard Wang)
(台灣美光資深經理)
主 持 人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：114年12月16日(星期二) 13:20 ~ 15:10
地點：管理二館MB506
演講摘要：分享美光IE工作 以及職涯發展分享
演講性質：職場經驗分享
歡迎聽講
講 題：GenAI技術概述與產業落地案例
(Overview of GenAI Technology and Industry Application Cases)
主 講 人：李青憲(Ching-Hsien Lee) (工研院組長)
主 持 人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：114年12月10日(星期三) 8:40~10:10
地點：線上演講
演講摘要：說明生成式 AI（GenAI）的最新發展趨勢例如 AI Agent 所具備的多模態感知、語意理解、推理規劃與自主工具操作等關鍵能力。這些技術使 AI 不再僅是回應式系統，而能主動執行任務、協助決策並串接企業既有流程，成為提升效率與創新服務的核心動力。並針對多種應用場景進行介紹。
演講性質：職場經驗分享
歡迎聽講
講 題：Optimal decision making of a mass casualty incident in disaster responses
主 講 人：陳子立 副教授 清華大學工業工程與工程管理學系
主辦單位：陽明交通大學工業工程與管理系
時 間：114年12月8日(星期一) 13:20 ~ 15:20
地 點：管理二館MB520教室
演講摘要：After a severe disaster strikes, a large number of casualties, many severe, arise from a single disaster area or multiple disaster areas in a very short period of time. This event, called an MCI, not only disrupts the normal functioning of emergency department services of the hospital but also overwhelms available resources (e.g., personnel, bed, and ambulance) of the local healthcare system and emergency medical services. Therefore, efficient, critical mass casualty management (MCM) can substantially increase the survival probability of the casualties in the response phase of a disaster. MCM encompasses a series of decision-making processes from the strategic, tactical, and operational levels. Strategic decisions made during the pre-disaster stage determine the pre-positioning of the candidate casualty collection points (CCPs) such as shelters, schools, parking lots, hospitals etc. Tactical decisions made at the beginning of post-disaster response phase determine the opening decision from the candidate CCPs and the allocation decision of scarce emergency medical resources (EMS) including ambulances, firefighters, and medical personnel to quickly mitigate the severity of potential threats. To minimize the number of deaths and maximize the number of survivors, the following operational decisions are dynamically made over time given CCP locations and EMS resource: (1) the patient prioritization determines the order of casualties transported to the hospital; (2) the hospital selection transfers severe casualties to appropriate hospitals by ambulances; and (3) the ambulance redeployment re-dispatches the ambulances which have completed service to the CCPs in need. In this talk, we will investigates tactical and operational decisions in the post-disaster stage using stochastic optimization approaches such as simulation optimization, stochastic programming and approximate dynamic programming. By collaborating with National Science and Technology Center for Disaster Reduction (NCDR) and obtaining an earthquake scenario occurring in Tainan City, Taiwan, the computational efficiency of the proposed stochastic optimization model and algorithm is demonstrated and verified.
演講性質：學術研究專題
歡迎聽講
講 題：Scheduling with Obligatory Tests
主 講 人：梁雅鈞 助理教授 清華大學資訊工程學系
主辦單位：陽明交通大學工業工程與管理系
時 間：114年12月1日(星期一) 13:20 ~ 15:20
地 點：管理二館MB520教室
演講摘要：
Motivated by applications such as medical treatments and aircraft maintenance, we study a scheduling problem in which each job consists of two operations: a test and a processing step. The test time of each job is known in advance, whereas the processing time becomes known only after the test has been completed. Using competitive analysis, we investigate algorithms that aim to minimize the total completion time of 𝑛 jobs on a single machine.
Our main result is a novel analysis showing that the natural 1-SORT algorithm achieves a competitive ratio of at most 1.861. For the special case where all test times are identical, we further show that a simple threshold-based algorithm has a competitive ratio of at most 1.585. We also establish a lower bound: no deterministic algorithm can have a competitive ratio better than $\sqrt{2}$, even when test times are uniform.
This is joint work with Konstantinos Dogeas and Thomas Erlebach.
演講性質：學術研究專題
歡迎聽講
講 題：跨領域學習與職涯分享：心理學 × 工業工程 × AI
(Cross-Disciplinary Learning and Career Sharing: Psychology × Industrial Engineering × AI)
主 講 人：謝博硯(Po-Yen, Hsieh)
(台積電工程師)
主 持 人：劉建良 教授
主辦單位：陽明交通大學工業工程與管理系
時間：114年12月2日(星期二) 13:20 ~ 15:10
地點：管理二館MB506
演講摘要：本次演講將分享從心理學背景到工業工程碩士，再到機器學習工程師的跨領域職涯歷程。首先介紹各階段的學習經驗與心路歷程，說明當下的思考與抉擇，幫助學生瞭解跨領域學習的挑戰與收穫。接著說明目前的工作內容與專案經驗，包括AI在產業中的實際應用，以及軟體開發的技能與流程，並展示工程師的一日工作安排。隨後比較學校學習與業界實務的差異，提供業界看待問題的角度與重點，並探討跨領域背景帶來的優勢，說明工業工程在製造業與AI領域的價值。演講亦將分享AI對工作模式的影響，包括不同面向的工作輔助方式及最新AI技術應用，幫助學生瞭解未來科技趨勢與職涯發展機會。最後將提供建議，鼓勵學生勇於探索不同領域並迎接新的挑戰。
演講性質：職場經驗分享
歡迎聽講
