臺灣博碩士論文加值系統

摘要
由於資訊科技的進步，企業在產品的製造過程中已全面實施電腦化，所有的生產資料將自動儲存於資料庫中，包括產品的不良現象與原因，然而儲存在資料庫的資料若無適當的管理機制，將失去資料的存在意義。此時若能有效分析產品不良現象與原因之歷史資料，將可幫助線上與後勤維修人員在短時間內找出產品不良的原因，進而加速維修的完成，這對整個企業競爭力的提升，將有所助益。
本論文整合Fayyad 在1996年所提出的知識發現(Knowledge Discovery in Database; KDD)過程及Berry 和 Linoff 於1997年所提出的資料挖掘(Data Mining)循環步驟，來建立一個適合維修系統的資料挖掘架構，並運用此架構來分析產品生產過程中的維修資料，以達到不良品快速維修與產品良率提升的目的。本論文所提架構共分為七個階段，分別為：「定義問題」、「資料來源與選擇」、「資料檢視」、「資料轉換」、「建立挖掘模式」、「結果評估與解釋」及「建立維修流程」等。本論文在實證研究中針對個案公司某產品的不良現象與原因之維修資料，發展出此產品新的維修流程，結果證實維修人員依據此新維修流程進行維修，可縮短不良品的維修時間與檢測範圍。

Abstract
The remarkable advances made in the IT industry has paved the way for the computerization of the production process. Today, all production related data are automatically stored in a database, including product deficiencies and their causes. From the information in the database, a systematic analysis of the reasons for the deficiencies can be formulated. This will allow technicians to detect deficiencies or errors accurately and more effectively. In view of this, an effective database management mechanism is essential. In the long run, the proposed data mining technique will enhance the company’s competitiveness.
This thesis combines information from the ‘Knowledge Discovery in Database’ published by Fayyad in 1996, and the ‘Data Mining’ by Berry & Linoff in 1997 to create a data mining structure fit for the repair system. Applying the proposed data mining structure to analyze the database can detect the deficiency faster and improve the yield rate. There are seven sections in this dissertation, namely: Problem Definition, Data Resources and Data Selection, Data Investigation, Data Transformation, The Creation of Data Mining Mode, The Result Assessment and Explanation and Constructing the Repair Flow, The thesis aims to develop a specific company’s new repair flow by analyzing its database. The result implies that following this new repair flow can shorten the investigation scope and repair time.

目錄
摘要.................................................. i
Abstract.............................................. ii
誌謝辭................................................ iv
目錄.................................................. v
圖目錄................................................ viii
表目錄................................................ ix
第一章 緒論........................................... 1
1.1 研究背景與動機 .....................................1
1.2 研究目的.......................................... 2
1.3 研究範圍與限制 .....................................3
1.4 研究方法與步驟 .....................................3
1.5 論文架構.......................................... 4
第二章 文獻探討....................................... 6
2.1 資料挖掘.......................................... 6
2.1.1 資料挖掘的定義.................................. 6
2.1.2 知識發現的過程.................................. 7
2.1.3 資料挖掘的步驟.................................. 9
2.1.4 資料挖掘的架構.................................. 11
2.2 挖掘結果的類型.................................... 14
2.3 分類規則的資料挖掘方法............................ 15
2.3.1 貝氏資料分類 .................................... 15
2.3.2 決策樹.......................................... 16
2.3.3 倒傳遞類神經網路................................ 19
第三章 建構適合於維修系統的資料挖掘架構............... 23
3.1 定義問題.......................................... 24
3.2 資料來源與選擇 .................................... 24
3.3 資料檢視.......................................... 25
3.4 資料轉換.......................................... 27
3.5 建立挖掘模式...................................... 28
3.6 結果評估與解釋 .................................... 31
3.7 建立維修流程...................................... 31
第四章 實證研究....................................... 32
4.1 定義問題.......................................... 32
4.2 資料來源與選擇 .................................... 32
4.3 資料檢視.......................................... 33
4.4 資料轉換.......................................... 34
4.5 建立挖掘模式...................................... 35
4.6 結果評估與解釋 .................................... 39
4.7 建立維修流程...................................... 40
第五章 結論與建議..................................... 41
5.1 結論.............................................. 41
5.2 未來研究方向與建議................................ 42
文獻參考.............................................. 44
附錄 LCD Monitor維修資料.............................. 48
圖目錄
圖1.1 研究步驟....................................... 4
圖1.2 論文架構圖..................................... 5
圖2.1 知識發現流程................................... 7
圖2.2 資料挖掘的循環步驟............................. 10
圖2.3 資料挖掘的架構圖............................... 12
圖2.4 決策樹示意圖................................... 17
圖2.5 決策樹基本演算法............................... 18
圖2.6 倒傳遞類神經網路............................... 20
圖3.1 維修系統資料挖掘架構........................... 23
圖4.1 LCD Monitor 不良現象分佈圖..................... 33
圖4.2 不良現象之柏拉分析圖 ...........................35
圖4.3 LCD問題的決策樹................................ 37
圖4.4 Sound問題的決策樹.............................. 39
圖4.5 維修流程圖..................................... 40
表目錄
表3.1 資料取得的來源................................. 24
表4.1 LCD問題的不良原因Hit Ratio..................... 36
表4.2 LCD I/F Bd不良位置的Hit Ratio.................. 36
表4.3 Cable不良位置的Hit Ratio....................... 37
表4.4 Sound問題的不良原因Hit Ratio................... 38
表4.5 Audio Bd不良位置的Hit Ratio.................... 38
表4.6 Cable不良位置的Hit Ratio....................... 38

文獻參考
1. 王姿婷，利用約略集合論於數量形資料之知識擷取，碩士論文，義守 大學資訊工程研究所(2000)。
2. 古永嘉譯，企業研究方法，華泰書局(1996)。
3. 邱志洲、簡德年，整合分類迴歸樹與類神經網路在企業危機診斷之應用，2001 科際整合管理國際研討會(2001)。
4. 邱美珍，決策樹學習法中連續屬性之分類研究，碩士論文，中原大學資訊工程研究所(1996)。
5. 吳旭智、賴淑貞譯，資料採礦理論與實務─顧客關係管理的技巧與科學，維科圖書有限公司出版(2001)。
6. 吳國禎，資料探索在醫學資料庫之應用，碩士論文，中原大學醫學工程學系(2000)。
7. 林方茵，事後預測分配之貝氏控制圖，碩士論文，交通大學統計學研究所(2001)。
8. 林鼎浩，建構晶圓圖分類之資料挖礦方法及其實證研究，碩士論文，清華大學工業工程與管理所(2001)。
9. 陳建安，整合類神經網路與遺傳演算法為輔之模糊神經網路於智慧型訂單選取之應用，碩士論文，臺北科技大學生產系統工程與管理研究所(2000)。
10.楊壁如，語者/歌者識別，碩士論文，清華大學資訊工程研究所 (1999)。
11.楊孟龍，類神經網路於股價波段預測及選股之運用，碩士論文，中央大學資訊管理研究所 (2000)。
12.劉嘉鴻，整合灰預測及類神經網路模型研究股市盤後期貨價格之資訊內涵：以摩根台股指數及日經225指數為例，碩士論文，輔仁大學金融研究所 (2000)。
13.Anwer, T.M., Beck, H.W., and Navathe, S.B., "Knowledge Mining by Imprecise Querying: A Classification-Based Approach", IEEE 8th International Conference on Data Engineering, pp.622-630 (1992).
14.Berry, M.J.A., and Linoff, G., "Data Mining Technique for Marketing, Sale, and Customer Support", Wiley Computer (1997).
15.Chen, M.S., Han, J., and Yu, P.S., "Data Mining: An Overview from a Database Perspective", IEEE Transactions on Knowledge and Data Engineering, Vol.8, No.6, pp.866-883 (1996).
16.Fayyad, U.M., "Data Mining and Knowledge Discovery: Making Sense out of Data", IEEE Expert, Vol.11, No.5, pp. 20-25 (1996).
17.Frawley, W.J., Paitetsky-Shapiro, G., and Matheus, C.J., "Knowledge Discovery in Databases: An Overview", Knowledge Discovery in Databases, California, AAAI/MIT Press, pp.1-30 (1991).
18.Fu, Y., "Data Mining: Task, Technique and Applications", IEEE Potentials, Vol.16, No.4, pp.18-20 (1997).
19.Groth R., "Data Mining: A Hands-on Approach for Business Professionals", Prentice Hall (1998).
20.Grupe, F.H., and Owrang, M.M., "Database Mining Discovering New Knowledge and Cooperative Advantage", Information Systems Management, Vol.12, No.4, pp.26-31 (1995).
21.Han, J., and Kamber, M., "Data Mining: Concepts and Techniques", San Francisco: Morgan Kaufmann Publishers (2000).
22. Kleissner, C., "Data Mining for the Enterprise", IEEE Proc. 31st Annual Hawaii International Conference on System Sciences, Vol.7, pp.295-304 (1998).
23.Ming-Syan Chen, "On the Evaluation of Attribute Information for Mining Classification Rules", Proc. of the 10th IEEE Intern’l conf. Tools with Artificial Intelligence, pp.130-137 (1998).
24.Quinlan, J.R., "Induction of Decision Tree", Machine learning, Vol.1, pp.81-106 (1986).
25.Smyth, P., and Goodman, R.M., "Rule Induction Using Information Theory", Knowledge Discovery in Databases, California , AAAI/MIT Press, pp.159-176 (1991).