臺灣博碩士論文加值系統

物流宅配業隨著消費行為的改變及電子商務的興起正蓬勃的發展，但是當其業績不斷成長之時，人員薪資、車輛運作與維修費用也隨之攀升；因此，如何有效降低車輛相關的營運成本已是物流宅配業者當前之重要課題。研究由物流配送公司中車輛管理人員的角度出發，發展智慧型的車輛零件預防更換及危險車輛預警系統，透過網路平台協助非專業車輛維修技師的車輛管理人員，能輕易的進行預防性維修(Preventive Maintenance)，即在車輛尚未失效前進行預防更換(Preventive Replacement)或謹慎地依據生產程序進行保養維修。實作上，研究首先透過資料探勘技術之關聯法則及序列型樣分析，找出不同車型維修零件的相關聯性及先後順序，建立預防性維修知識庫以輔助車輛管理人員進行車輛零件預防更換的決策分析。研究更進一步運用歷史維修記錄透過決策樹技術建立一套危險車輛預測模型，以協助車輛管理人員能迅速的做出車輛維修或出售的決策判斷。研究為使車輛零件維修預防更換及危險車輛預測知識與服務能夠不受時間及空間的限制，將建構Web-Base服務平台並利用.Net網頁建構技術建置此智慧型車輛維修與預警系統，讓車輛管理人員能透過平台以獲得即時最佳的車輛保養、零件更換建議與危險車輛預警服務。最後研究模型將落實在個案公司的車輛管理系統中以驗證方法之正確性與系統之可行性。

As e-commerce has grown exponentially, the business of the distribution service is also growing up and expanding quickly for recent years. Namely, e-commerce not only changes customers’ shopping behaviors to bring new opportunities to the B2C marketspace. Nevertheless, from the perspective of merchant-side, the maintenance, repair and operations (MRO) fees of vehicles in distribution service is also increasingly dramatically. In this project, we develop an intelligent maintenance and replacement system to help the manager and technicians conduct preventive maintenance and replacement for vehicles. Practically, we employ association rule mining and sequential pattern mining methods to analyze the relationships and the priorities among vehicles’ components to execute preventive maintenance. Furthermore, we employ C4.5 algorithm of decision tree to predict the vehicles in dangerous based on the historical maintenance lists. Consequently, it can help the manager and technicians to make decision on either repairing the vehicles or sold out them. For taking the advantage of Web-based Platform, we adopt the .Net technique to develop the intelligent system based on the proposed methods; therefore, employees can access the services anytime-anywhere via the Internet. Finally, we will realize the system in the distributions service to evaluate the accuracy and feasibility of the proposed model and system.

表 次……………………………………………………………… v
圖 次……………………………………………………………… vi
第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究目的 4
第三節 研究限制 5
第四節 論文架構 5
第貳章 文獻探討 7
第一節 智慧型維修系統 7
第二節 商業智慧 10
第三節 資料倉儲(Data Warehousing) 13
第四節 資料探勘(Data Mining) 14
第五節 關聯法則(Association rules) 18
第六節 序列型樣(Sequential Pattern) 22
第七節 決策樹(Decision tree) 24
第參章 研究方法 29
第一節 研究問題定義 29
第二節 系統架構 30
第三節 系統運作流程 33
第四節 智慧型車輛維修知識庫建立 36
第五節 系統及評估方法 50
第肆章 車輛維修及預警模式與系統建立 55
第一節 智慧型車輛維修及預警系統架構 55
第二節 車輛維修資料結構化定義與資料前處理 56
第三節 車輛維修零件關聯探勘 58
第四節 車輛維修零件間的序列型樣探勘 62
第五節 以決策樹建立危險車輛模型 63
第六節 前端維修預測及知識呈現 71
第伍章 結論與未來展望 75
第一節 研究結論 75
第二節 未來展望 76
參考文獻….. 77

1.王錫中，運用關聯法則技術於產品開發設計之研究，元智大學工業工程與管理研究所碩士論文，2002。
2.尹相志，SQL2000 Analysis Service資料採礦服務，台北：維科圖書有限公司，2002。
3.宋建達，台灣宅配業未來發展趨勢研究，網路社會學通訊，第73期，2008，取自http://www.nhu.edu.tw/~society/e-j/73/73-17.htm。
4.林文雄，機車產銷顧客關係管理之研究─以知識管理為基礎，中原大學資訊管理研究所碩士論文，2004。
5.郭家齊，整合資料探勘與案例式推論與機台故障診斷維護系統之研究，雲林科技大學工業工程與管理系碩士論文，2004。
6.陳彥淳，物價壓不住 食衣住行全淪陷，工商時報，2007/07/19，C6版
7.陳星壁，以關聯法則探勘為基礎之電路板件維修輔助系統，中華大學資訊工程學系碩士論文，2006。
8.舒毓竾，在醫學報告資料中探勘連續序列，東華大學資訊工程研究所碩士論文，2004。
9.楊玟欣，透視台灣五大宅配商 購物通路又多又新，宅配業乘勢崛起，財訊月刊，2007/03，300期，頁250-253。
10.楊振興，應用案例式推理建構機車維修管理系統，國立台北科技大學生產系統工程與管理研究所碩士論文，2002。
11.蔡有藤，系統預防維護作業之研究，國立中央大學機械工程研究所博士論文，1999。
12.蔡燕純，應用馬可夫預防維護模型於維修保養策略之探討，國立中央大學機械工程研究所碩士論文，2004。
13.謝智聿，以序列探勘理論實作之網路異常型樣驗證，私立逢甲大學資訊工程研究所碩士論文，2002。
14.惠普科技，企業知識管理架構 － 提升知識競爭力的藍圖，2004，取自http://h50007.www5.hp.com/enterprise/product/software/newsgram/200411_content01.asp。
15.R. Agrawal, T. Imielinski, and A. Swami, Mining Association Rules between Sets of Items in Large Databases, In Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD’93), Washington, D.C. , 1993, pp. 207-216.
16.R. Agrawal, and R. Srikant, Fast Algorithms for Mining Association Rules, Proceedings of the 20th International Conference on Very Large Data Bases, 1994, pp. 487-499.
17.R. Agrawal and R. Srikant, Mining Sequential Patterns, In Proceedings of the International Conference Data Engineering (ICDE’95), Taipei, Taiwan, 1995, pp. 3-14.
18.M.S. Chen, J. Han, and P.S. Yu, Data mining: An Overview from a Database Perspective, IEEE Trans. on Knowledge and Data Engineering, Vol. 8, No. 6, 1996, pp. 866-883.
19.R.H. Cliftion, Principles of Planned Maintenance, Edward Arnold LTD.,1985.
20.J. Han, and M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher, San Francisco, 2000.
21.H.R. Nemati, D.M. Steiger, L.S. Iyer, and R.T. Herschel, Knowledge Warehouse: An Architectural Integration of Knowledge Management, Decision Support, Artificial Intelligence and Data Warehousing, Decision Support System, Vol. 33, No. 2, 2002, pp.143-161.
22.R. Srikant and R. Agrawal, Mining Quantitative Association Rules in Large Relational Tables, In Proceedings of the ACM-SIGMOD International Conferences Management of Data (SIGMOD’96), Montreal, Canada, 1996, pp.1-12.