臺灣博碩士論文加值系統

由於近年來流通產業的快速成長，使得具有連結上游製造商與下游零售商功能的物流中心在商業化的過程中扮演著整合者重要的角色。
物流中心為達到大量進貨統一分配的物流機能，以滿足多樣少量、多頻率配送的現代化消費需求特性，必須強化物流中心的管理與作業功能。因此精確有效的出貨預測是物流中心內部不可或缺的重要功能之一。
會影響物流中心出貨量的因素既多且複雜，除了一般性的時間序列可量化因素外，尚有夾雜著一些無法量化之因素，且不易取得，這些因素交錯著影響著物流中心的出貨量。
本研究主要提出以辦公用品物流中心的隨機出貨資料，應用類神經網路建構預測出貨產出量模式之程序，經由此程序可根據其出貨產出量的預測變數，包含量化與非量化數值，根據預測變數的型態進行資料前處理，並應用皮爾森相關係數分析進行預測變數篩選，以利類神經網路導入使用。
利用類神經網路的學習、回想與推論特性，經由比較各種參數組合訓練範例與測試範例的所得之預測出貨產出量，找出最佳的參數組合。最後以預測值比對個案公司物流中心出貨量資料驗證其方法的有效性，並協助個案公司發現其問題的所在，提出改善方向與建議。

Due to the rapid growth of distribution industry,distribution center which connects manufacturers and retailers plays more and more important role in the business process.
To meet distribution demands on mass stock and centralized distribution, and fulfills consumer’s requirements of few diverse and highly frequent dispatch, it is necessary to reinforce the management and operation of distribution center. Thus to conform to precisely and effective distribution forcast which being one of the essential functions of modern distribution center.
Factors which affect distribution quantity of distribution center are various and complicated. Except for general quantifiable time series factors, there still exists lots of unquantifiable factors which are not easy to access and surely will lead to interact its performance on distribution quantity.
This research randomly derives distribution data from an office supplies distribution center, and applys Artificial Neural Networks technics to construct a model to forcast the distribution quantity. By its processes of this model, such data could be pre-treated according to the distribution forcast variables including quantifiable and unquantifiable, and types of the forcast variables.
Furthermore the Pearson Correlation Analysis also be applied to filter those forcast variables, thus to benefit the introduction and application of Artificial Neural Networks.
By means of the characteristics of Artificial Neural Networks—learning, calling and generalization, and comparison of different forecasting distribution quantities produced from testing of different parameter-mix, the optimum parameter-mix so could be brought out. Eventually which could be compared with the actual statistics of the researched objective to test and verify its effectiveness, so as to find out possible problems and propose corresponding solutions.

摘 要................................................ i
ABSTRACT ..............................................ii
誌 謝 ..............................................iv
目 錄 ..............................................v
表目錄 ..............................................vii
圖目錄 ..............................................viii
第一章 緒論 .....................................1
1.1 研究動機 .....................................2
1.2 研究目的 .....................................3
1.3 研究範圍與研究限制 ............................4
1.4 研究流程 .....................................5
第二章 文獻探討 .....................................8
2.1 物流 ..............................................8
2.1.1 物流定義 .....................................8
2.1.2 物流中心的機能 ............................11
2.1.3 物流中心的型態 ............................12
2.1.4 我國物流發展現況 ............................15
2.2 類神經網路 .....................................17
2.2.1 資料探勘 .....................................17
2.2.2 類神經網路 .....................................19
2.2.3 倒傳遞類神經網路 ............................25
第三章 文具產業及個案公司介紹 ...................29
3.1 台灣文具產業現況 ............................29
3.2 個案公司背景簡介 ............................31
3.2.1 SWOT分析 .....................................32
3.2.2 發展策略 .....................................34
3.3 個案公司服務內容 ............................36
3.4 問題描述 .....................................38
第四章 研究方法 .....................................42
4.1 研究架構 .....................................42
4.2 篩選預測變數 .....................................43
4.3 建立類神經網路預測模式 ............................49
4.3.1 網路架構設定 .....................................50
4.3.2 導入學習模式 .....................................53
4.3.3 導入測試模式 .....................................59
4.4 結果分析 .....................................64
4.5 實證 ..............................................64
第五章 結論與建議 .....................................67
5.1 研究結論 .....................................67
5.2 研究建議 .....................................68
5.3 研究貢獻 .....................................69
參考文獻 ..............................................70
中文部分 ..............................................70
英文部分 ..............................................72

中文部分
【1】2005中華民國物流年鑑，經濟部，2006年。
【2】2006中華民國物流年鑑，經濟部，2007年。
【3】丁一賢、陳牧言，資料探勘，滄海書局，2005年。
【4】王志平，應用類神經網路與模糊類神經網路於物流中心出貨量
預測模式之研究，義守大學管科所，碩士論文，1999年。
【5】王河星、車振華、林照挺，「塑膠射出產品之成本估算系統架
構」，2005知識與價值管理學術研討會，2005年。
【6】王俊軒，Finagling the Forecasts，清華大學工管所，研究報
告，2007年。
【7】林哲宏、盧淵源，以類神經網路建立物流中心出貨預測模式，
運籌管理評論，2005年。
【8】物流新世紀2005特輯，中華民國物流協會，2005年。
【9】物流新世紀2006特輯，中華民國物流協會，2006年。
【10】吳泰熙、黃開義、陳佳慧，以配銷需求規劃（DRP）為核心之
配銷管理模式，中國工業工程學刊，1998年。
【11】周湘蘭，類神經網路在多重產品需求預測上之應用，元智大學
工管所，碩士論文，2002年。
【12】林照挺，以特徵式模型建構塑膠射出成形產品成本預估及產品
雛形設計價值分析系統，台北科技大學工管所，碩士論文，
2006年。
【13】范佐松，應用類神經網路於流通業商品採購建議之研究，輔仁
大學資管所，碩士論文，2004年。
【14】康永成，印刷電路板製造資料模型建構與成本分析，元智大學
工管所，碩士論文，2002年。
【15】陳振明、仇介民，配銷需求規劃批量方法之績效評估，中國工
業工程學刊，1997年。
【16】張仲銘，依種類探勘資料規則的方法，清華大學資工系，碩士
論文，1998年。
【17】葉怡成，應用類神經網路，第三版，儒林出版社，2001年
【18】葉怡成，類神經網路模式應用與實作，第八版，儒林出版社，
2004年。
【19】楊清潭，應用類神經網路於健康檢查顧客忠誠度之研究，銘傳
大學管理學院 EMBA，碩士論文，2006年。
【20】張斐章，張麗秋，類神經網路，東華書局，2005年。
【21】薛國強，應用類神經網路與模糊類神經網路於智慧型銷售量預
測系統建立之研究，高雄工學院管科所，碩士論文，1996年。

英文部分
【1】Bowersox, D. J. and Closs, D. J., Logistical
Management:The Intgrated Supply Chain Process, McGraw-
Hill,International Editions, 1996.
【2】Cavalieria, S.,Maccarroneb, P. and Pinto, R.,”
Parametric vs. neural networkmodels for the estimation
of production costs: A case study in the automotive
industry,”International journal of Production
Economics, Vol.91, pp.165-177, 2004.
【3】Hua, G. B., Residential Construction Demand
Forecasting Using Economic Indicators:A Comparative
Study of Artificial Neural Networks and Multiple
Regression, Construction of Management & Economics,
Vol.14, No.1, pp.25-34, 1996.
【4】Jacek M.Zurada，Artificial neural system，1992.
【5】Looney, C. G., “Advances in feedforward neural
networks- Demystifying knowledge acquiring black
boxes,”IEEE Transactions on Knowledge and Data
Engineering, Vol.8, No.2, pp.211-226, 1996.
【6】Nam,K. and Schaefer, T., Forecasting International
Airline Passenger Traffic Using Neural Networks,
Logistics and Transportation Review, Vol. 31, No.3,
pp.239-251, 1995.
【7】Pattie, D. C.and Hass, G., Forecasting Wilderness
Recreation Use –Neural-Network VS. Regression, AI
Application, Vol.10, No.1, pp67-74, 1996.
【8】Poh, H. L., A Neural Network Approach for Marketing
Strategies Research and Decision Support, PhD thesis,
Stanford University, 1991.
【9】Tan, P. N., Stinbach, M., Kumar, V., Introduction to
Data Mining, Boston: Pearson Education, pp.101-105,
2006.
【10】Zhang, Y. F., Fuh, J. Y. H. and Chan, W. T., ”
Feature-Based Cost Estimation for Packaging Products
Using Neural Networks,”Computers in Industry, Vol.
32, pp.95-113, 1996.
【11】Zhang, Y. F. and Fuh, J. Y. H., ”A neural network
approach for early cost estimation of packaging
products,”Computers & Industrial Engineering, Vol.
34, No. 2, pp.433-450, 1998.