以工作站為單位的排班法：兼顧尖峰產能與離峰成本的配置邏輯

為什麼「今天幾個人上班」是錯的問法

多數餐廳排班的第一句話是：「明天幾個人上班？」這句話聽起來很自然，卻藏著一個致命的簡化：把人力當成一個整體的數字，而不是一組對應不同產出位置的能力。外場三個人，可能一個在帶位、一個在送餐、一個在結帳；廚房三個人，可能一個在炸爐、一個在炒爐、一個在備料。同樣是「三個人」，放在不同工作站，產能差距可以非常大。

以工作站為單位的排班法，核心邏輯只有一句：先問每個工作站每個時段需要多少產出，再回推需要多少人力。尖峰時段炸爐需要兩雙手，離峰時段只要半雙手（可合併其他工作站），排班表就應該反映這件事，而不是用「全店今天排五個人」這種平均主義來處理。

這也是數位轉型真正的起點。很多老闆以為轉型就是導入 AI 排班系統，但如果連自己店裡哪個工作站在哪個時段是瓶頸都說不清楚，AI 只會把你的混亂排得更整齊而已。工具只會放大你既有的秩序或混亂，所以第一步永遠是先找出「人做得很爛的事」——例如靠記憶排班、靠感覺補人、靠加班救火——把這些事情結構化，工具才有意義。

第一步：拆解工作站，而不是拆解職稱

工作站（station）和職稱（position）是兩件事。職稱是「外場服務生」，工作站是「帶位站」「送餐站」「結帳站」「飲料站」。同一個外場服務生，在尖峰時可能被指派到送餐站，離峰時合併到結帳站。排班單位如果是職稱，你會陷入「外場要幾人」的模糊討論；排班單位如果是工作站，你會得到「週五晚上七點，送餐站需要兩人、結帳站需要一人」這種可以驗證的結論。

具體做法：

• 列出所有工作站：從顧客進門到離場，以及從點單到出餐，逐一寫下每個需要獨立人力才能運作的節點。廚房可粗分為備料、冷台、炸爐、炒爐、出餐口；外場可粗分為帶位、點餐、送餐、結帳、清潔。
• 標記可合併性：哪些工作站在離峰時可以由同一人兼任？例如離峰時帶位與結帳合併、備料與出餐口合併。這一步直接決定離峰成本能不能降下來。
• 標記不可合併性：哪些工作站一旦合併就會拖垮出餐速度或造成安全風險？例如尖峰時的炸爐與炒爐通常不建議由同一人操作。
• 定義每站的標準產出：例如「送餐站一人每小時可送幾桌」「炸爐一人每小時可出幾份炸物」。不需要精確到小數點，但要有可觀察的區間，作為後續配置的依據。

常見錯誤：把「主管」當成一個工作站。主管通常是跨站的支援與調度角色，應該獨立於工作站之外思考，否則你會把管理能力當成產能來算，尖峰時反而少了一雙手。

第二步：畫出時段需求曲線，找出真正的尖峰與離峰

很多餐廳對尖峰的認知是憑印象的：「中午很忙」「晚上更忙」。但排班需要的是每個工作站、每個時段的需求量。做法不難，用一兩週的觀察與紀錄即可：

• 以半小時為單位記錄：每個工作站每半小時的待處理量，例如點單數、出餐數、結帳筆數、帶位組數。
• 標出瓶頸站：哪個工作站的待處理量最早堆積？那個站就是尖峰時的關鍵限制。排班補人應該優先補瓶頸站，而不是平均分配。
• 區分「量大的尖峰」與「質雜的尖峰」：有些時段訂單量不大，但客製化需求多、外送單穿插，導致工作站切換頻繁。這種時段需要的是經驗豐富的人，而不是更多人手。
• 找出離峰的可合併區間：例如下午兩點到四點，送餐站與結帳站需求都低，可合併為一人；此時把人力移到備料站，為晚尖峰做準備。

這一步的產出，是一張「工作站 × 時段」的需求矩陣。有了這張表，排班就不再是猜謎，而是填空。數位工具在這裡能幫上忙，但前提是你已經有這張表；沒有這張表，再貴的系統也只是把錯誤的假設自動化。

第三步：用「工作站需求」回推班表，而不是用「總人數」分配

當你有了需求矩陣，排班的順序應該反過來：不是先決定今天有幾個人，再把他們塞進班表；而是先決定每個時段每個工作站需要多少人，再把現有人力對應上去。具體操作：

• 先排不可移動的關鍵站：尖峰時段的瓶頸站優先配置最熟練的人，這些人一旦請假，要有明確的替代人選與訓練計畫。
• 再排可合併的站：離峰時段將可合併的工作站交給同一人，並在班表上註明「合併時段」，讓現場知道什麼時候該切換角色。
• 最後排支援與機動：保留一位機動人力，在尖峰前十五分鐘進場支援瓶頸站，尖峰後轉往備料或清潔。機動人力不是閒人，而是應對突發來客或外送爆單的緩衝。
• 設定跨站訓練門檻：每位員工至少能勝任兩個工作站，且其中一個是尖峰瓶頸站。這會讓排班彈性大幅提升，也能降低單一員工請假造成的衝擊。

這裡要提醒一個常見誤區：為了壓低離峰成本，把人力砍到只剩一人顧全場。短期帳面好看，但長期會出現三種代價：備料來不及、清潔做不徹底、員工過勞離職。離峰省下的人力成本，往往在尖峰時用加班費與離職重建成本加倍奉還。

第四步：建立檢核與調整機制，讓排班表會自己說話

排班不是排完就結束，而是要能被檢核。建議每週做一次簡短回顧，用以下問題檢查：

• 上週哪些時段出現「工作站塞車」？是人力不足，還是配置位置錯了？
• 哪些時段人力明顯過剩？能否合併或轉往備料？
• 有沒有同仁連續被排在瓶頸站，導致疲乏或錯誤率上升？
• 機動人力實際被用在哪些地方？是否符合預期？

把這些觀察寫回需求矩陣，下週的班表就會更準。這個循環不需要昂貴系統，一張試算表加上現場主管的十分鐘回饋就能運作。若之後要導入排班軟體，這份累積下來的需求資料，才是真正有價值的資產。

最後回到那個立場：數位轉型的重點不是導入 AI，是先找出「人做得很爛的事」。排班如果長期靠記憶、靠人情、靠加班硬撐，那就是最該被結構化的一件事。先把工作站與時段需求整理清楚，工具才會放大你的秩序；否則，它只會放大你的混亂。

結語：排班是一門配置的工藝

「千淘萬漉雖辛苦，吹盡狂沙始到金」（劉禹錫〈浪淘沙〉）

這句詩扣合本文的地方在於：以工作站為單位的排班法，前期要拆站、記錄、畫需求曲線，確實繁瑣辛苦；但唯有把雜訊般的「今天幾個人」淘洗成「哪個站、哪個時段、需要什麼能力」，最後留下的那張班表才會真正兼顧尖峰產能與離峰成本。