臺灣博碩士論文加值系統

工程變更是產品生命週期中無法避免的程序，對於企業的獲利影響廣泛且深遠。本研究運用自組織特徵映射圖與決策樹，對於歷史的工程變更資料建立識別方式，達成監控工程變更之目標。本研究以一年的A公司歷史資料為例，A公司產品生命週期約為3-6個月，以4個月為時間間距，訓練時期(對照組)為1-4月(2343紀錄)，分別選定5-8月(3642紀錄)與9-12月(3864紀錄)為實驗組一與二。
透過Matlab環境中的SOM toolbox建立自組織特徵映射模型(10 X 10 cells)，發現實驗組一與二對於異常的工程變更資料辨識的成功率分別是96%與95%，至於無法辨識的異常資料是因為歷史資料未曾出現的特例。因此，SOM模型對於工程變更的異常診斷能力確實具有優異的效果。
本研究透過決策樹分析瞭解異常工程變更的內涵，辨識異常工程變更的發生原因，主要可歸咎於特定客戶的特定變更項目。為降低工程變更對於公司所帶來的不利影響，對於特定客戶應採取特定的監控與管理措施。

Engineering change can’t be avoided in the product life cycle. It will impact the enterprise profitability. Using Self-organizing Map and engineering change history information was established one model. It will diagnose and monitor engineering change for the enterprise. The product life cycle is 3-6 months in the case. The four months for historical data per group in the experiment, one was selected from January-April (2343 records) of control group, others were selected from May to August (3642 records) and from September to December (3864 records) for the experimental two group.
We established self-organizing map model (10 X 10 cells) by the SOM toolbox Matlab environment. Data recognition success rate were 96% and 95% for the experimental groups. Because some historical data didn’t exist so data is unrecognized. It has excellent capability, using self-organizing map to diagnose abnormal engineering.
We analyzed abnormal engineering change by the decision tree in the case. Mainly causes are specific customer and specific change items. Therefore, it is important to monitor that engineering change state in the enterprise.

謝 誌 i
中文摘要 ii
英文摘要 iii
目 錄 iv
表 次 vi
圖 次 vii
第一章 緒論 1
第一節 問題陳述 1
第二節 研究目的 2
第三節 研究方法與步驟 3
第四節 研究範圍與限制 5
第二章 文獻探討 6
第一節 產業概況 6
第二節 產品生命週期與管理 7
第三節 工程變更 10
2.3.1 產品研發活動 10
2.3.2 工程變更定義 11
2.3.3 工程變更發生原因 12
2.3.4 工程變更與型態管制 13
2.3.5 探討有關工程變更相關研究 14
2.3.6 探討有關工程變更影響面相關研究 15
2.3.7 探討有關工程變更與監督 18
第四節 資料挖掘的發展背景 19
第五節 資料挖掘的定義與功能 21
第六節 資料挖掘的流程 24
第七節 資料挖掘的技術 26
第八節 探討有關資料挖掘的相關研究 29
第九節 相關資料挖掘於工程變更或設計之應用 33
第三章 研究方法 36
第一節 研究對象與現狀 36
第二節 研究方法與步驟 42
3.2.1 決策樹 42
3.2.2 自組織特徵映射圖 44
3.2.3 資料來源 47
3.2.4 研究工具與建模過程 48
第四章 結果與分析 50
第一節 決策樹個案實證 50
第二節 SOM個案實證 52
第三節 整體分析 66
第四節 個案改善 73
第五章 結論與建議 74
第一節 結論 74
第二節 建議 75

參考文獻 76
一、中文部份 76
二、外文部份 78
備註 81

參考文獻
一、中文部份
1. 吳中天 (1995)。工程變更管理作業之研究。國立清華大學工業工程研究所碩士論文。
2. 李永祥 (2009)。應用六標準差手法結合基因演算法探討3C產品工程變更之研究。國立勤益科技大學工業工程與管理系碩士論文。
3. 林盈潔 (2007)。整合TRIZ 與知識管理之工程變更管理系統研發。朝陽科技大學工業工程與管理碩士論文。
4. 林榮逢 (2010)。預防工程變更所引發的呆料之排程規劃。國立高雄第一科技大學運籌管理學系碩士論文。
5. 胡美齡 (2005)。型態管制在產品研發關鍵專業因素之探討。逢甲大學工業工程與系統管理研究所碩士論文。
6. 施圍信 (2000)。聯盟同步工程之工程變更管理系統開發：以UML為基礎之方法。國立成功大學製造工程研究所碩士論文。
7. 黃少谷 (2004)。電腦化工程變更管理系統之個案探討以U 公司IC 載板事業體。國立雲林科技大學資訊管理系碩士在職專班碩士論文。
8. 黃美容(2003)。研發流程中工程變更與研發績效關係之探討-以某寬頻研發團隊為例。國立清華大學工業工程與工業管理學系碩士論文。
9. 張永明(2005)。資料挖掘在證券業顧客關係管理上之應用。逢甲大學工業工程與系統管理研究所碩士論文。
10. 陳樹衡、郭子文、棗厥庸(2007)。以決策樹之迴歸樹建構住宅價格模型—台灣地區之實證分析。住宅學報，第十六卷第一期，1-20。
11. 盧俊益(2003)。以SOM應用於壽險業不動產抵押貸款風險之研究。國立高雄第一科技大學風險管理與保險系碩士論文。

二、外文部份
12. Breiman, L., Friedman, J. H., Olsen, R. A., & Stone, C. J., (1984). Classification and Regression Trees. Belmont, CA: Wadsworth International Group.
13. Berry, M.J.A., & Linoff, G., (1997). Data Mining Technique for Marketing, Sale, and Customer Support, Wiley Computer.
14. Chang, P. C., & Liao, T. W., (2006). Combining SOM and fuzzy rule base for flow time prediction in semiconductor manufacturing factory. Applied Soft Computing 6, 198-206.
15. Chen, R.Y., Sheu, D. D., & Liu, C. M., (2007). Vague knowledge search in the design for outsourcing using fuzzy decision tree. Computers & Operations Research 34, 3628-3637.
16. Cloud, P. A., (1998). Engineering change implementation. Engineering Procedures Handbook, 327-332.
17. Cross industry standard process for data mining.
http://www.crisp-dm.org/
18. Deboeck, G. J., & Kohonen, T., (1998). Visual Exploration in Finance Using Self-organization Maps, Springer.
19. Dominguez, M., Fuertes, J. J., Diaz, I., Prada, A. M., Alonso, S., Moran, A., (2012). Monitoring industrial processes with SOM-based dissimilarity maps. Expert Systems with Applications ,1-11.
20. Fayyad, U. M., (1996). Data mining and knowledge discovery: Making sense out of data. IEEE Expert, 11(5), October, 22-23.
21. Galliat, T., Huisinga, W., & Deuflhard, P., (1999). Self-organization Maps Combined with Eigenmode Analysis for Automated Cluster Identification, Konrad-Zuse-Zentrum fur Informationstechnik Berlin (ZIB).
22. Huang, G. Q., Yee, W. Y., & Mak, K. L., (2001). Development of a web-based system for engineering change management. Robotics and Computer-Integrated Manufacturing 17, 255-267.
23. Huang, G. Q., Yee, W. Y., & Mak, K. L., (2003). Current practice of engineering change management in Hong Kong manufacturing industries. Journal of Materials Processing Technology 139, 481-487.
24. ISO 10007:2003 Quality management systems -- Guidelines for configuration management.
http://www.iso.org/iso/
25. Kohonen, T., (1982). Self-Organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, Vol. 66, pp 59-69, 1982.
26. Kohonen, T., (1988). Self-organization and associative memory. Springer.
27. Kohonen, T., (1996). Engineering Application of the self organizing map. Proceedings of the IEEE 84, 1358-1384.
28. Kocar, V., & Akgunduz, A., (2010). ADVICE: A virtual environment for Engineering Change Management. Computers in Industry 61, 15-28.
29. Lu, R. –S., & Lo, S. -L., (2002). Diagnosing reservoir water quality using self-organizing maps and fuzzy theory. Water Research 36, 2265-2274.
30. Romanowski, J. C., Nagi, R., & Sudit, M., (2006). Data mining in an engineering design environment: OR applications from graph matching. Computers & Operations Research 33, 3150-3160.
31. Rouibah, K., & Caskey, K. R., (2003). Change management in concurrent engineering from a parameter perspective. Design studies 18, 33-42
32. Quinlan, J. R., (1986). Introduction of Decision Tree. Machine Learning. 1: 81-106.
33. Quinlan, J. R. (1993). Combining instance-based and model-based learning, Proceedings of the 10th International Conference on Machine Learning, 236-243.
34. Quinlan, J. R., (1996). Improved Use of Continuous Attributes in C4.5. Journal of Artificial Intelligence Research. 4: 77-90.
35. Ultsch, A., & Siemon, H. P., (1990). Kohonen’s Self Organizing Feature Maps for Exploratory Data Analysis. In Proc. Intern. Neural Networks, 305–308.
36. Wright, I. C., (1997). A review of research into engineering change management: implications for product design. Design studies 18, 33-42.