跳到主要內容

臺灣博碩士論文加值系統

(54.224.133.198) 您好!臺灣時間:2022/01/29 22:00
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蕭君荏
研究生(外文):Jun-Ren Hsiao
論文名稱:應用灰色系統理論於重複性實驗計畫中遺失資料之分析
論文名稱(外文):Missing Data Analysis in Repetitious Experiments Using Grey System Theory
指導教授:唐麗英唐麗英引用關係梁高榮梁高榮引用關係
指導教授(外文):Lee-Ing TongGau-Rong Liang
學位類別:碩士
校院名稱:國立交通大學
系所名稱:工業工程與管理系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:64
中文關鍵詞:遺失資料灰色系統理論重複性實驗計畫
外文關鍵詞:missing datagrey system theoryrepetitious experiments
相關次數:
  • 被引用被引用:1
  • 點閱點閱:239
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
實驗計畫法是工業界最常用來研發或改善產品的一項品質改善技術,然而在蒐集實驗資料時,可能由於儀器設備發生故障、資料取得不易或人為的疏失等原因而無法收集到完整的實驗數據,這些無法收集到的實驗數據又稱遺失資料(missing data),會導致所設計的實驗不再具有平衡性、直交性以及對稱性,因此將無法以傳統的變異數分析法(Analysis of Variance)來分析實驗數據。目前中外文獻中提出了許多解決遺失資料的方法,如:直接刪除遺失資料、以現有實驗數據之平均值代替遺失資料值或是利用統計方法來建構模式以估計遺失資料之值。然而這些方法皆有缺失,譬如:以平均值代替遺失值或是忽略遺失值不計,有時會產生不合理的分析結果;而以迴歸法或最大概似估計法(Maximum Likelihood Estimation, MLE)等統計方法則需要嚴謹的統計假設與繁雜的運算,使得不具統計背景的人士運用困難。此外,也有學者提出利用不需統計假設的類神經網路方法來估計遺失資料,但其網路參數需要以試誤法來決定,使得分析過程繁瑣,實務應用亦不易。因此本研究針對重複性實驗數據,利用不需統計假設且計算過程簡單的灰色系統理論發展出一套估計每一因子水準組合下遺失資料的方法,最後並以傳統實驗設計與田口實驗之實例來說明本研究之遺失資料分析法的有效性及可行性。
Design of experiment methods are widely used for product/process improvement in industry. Sometimes missing data observations occurred in the experiments due to mechanical breakdowns, collecting data falsely, etc. Consequently, experiment results with missing data cannot be analyzed with conventional analysis of variance(ANOVA)methods. Since the experimental data are no longer balanced. Various methods for coping with the missing observations were developed. These methods include eliminating missing data, replacing the missing observations by mean, estimating the values of missing data using statistic/neural networks model. However, these approaches require complicated computations or complex statistical assumptions. Although some methods like mean plugging are convenient to perform, these are unreasonable. This study proposes a procedure to deal with missing data from repetitious experiments by employing grey system theory. The proposed procedure is simple and requires no assumptions. Two cases, one traditional experiment and one Taguchi experiment, are illustrated to demonstrate the effectiveness of the proposed procedure.
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 研究方法 2
1.4 論文架構 3
第二章 文獻探討 4
2.1 遺失資料簡介 4
2.2 遺失資料分析法 6
2.2.1 刪除遺失資料 7
2.2.2 平均值替代 7
2.2.3 最大概似估計法(Maximum Likelihood Estimation, MLE) 7 2.2.4 EM演算法(Expectation Maximization Algorithm) 7
2.2.5 迴歸分析法(Regression Methods) 8
2.3 實驗計畫遺失資料分析法 9
2.3.1 最小平方法(Least Squares Method) 9
2.3.2 連續近似法(Sequential Approximation Method) 10
2.3.3 類神經網路於實驗計畫中遺失資料分析法 10
2.4 灰色系統理論簡介 11
2.4.1 灰生成(Grey Generating) 12
2.4.2 灰建模(Grey Model) 14
2.4.3 灰預測(Grey Prediction) 17
第三章 遺失資料分析法 19
3.1 遺失資料分析程序 19
3.2 遺失資料分析程序流程圖 22
第四章 實例驗證 23
4.1 實例一:重複性傳統實驗計畫之遺失資料分析 23
4.1.1 以本研究方法分析遺失之實驗數據 23
4.1.2 以最小平方法分析遺失之實驗數據 26
4.1.3 與完整實驗數據分析結果比較 27
4.2.4 與其他分析法之比較 28
4.2 實例二:田口實驗計畫之遺失資料分析 30
4.2.1 以本研究方法分析遺失之實驗數據 30
4.2.2 以連續近似法分析遺失之實驗數據 37
4.2.3與完整數據資料分析結果比較 40
4.2.4 與其他分析法之比較 42
第五章 結論 44
參考文獻 45
附錄A 47
A.1 遺失資料30筆之分析程序 47
A.1.1 本研究方法之分析程序 47
A.1.2 連續近似法之分析程序 53
A.2 遺失資料45筆之分析程序 56
A.1.1 本研究方法之分析程序 56
A.1.2 連續近似法之分析程序 62
[1]文敏鳴“有遺漏值的生死災害過程的參數估計”交通大學應用數學研究所碩士論文,1992。
[2]翁慶昌、陳嘉欉、賴宏仁,「灰色系統基本方法及其應用」,高立圖書有限公司,2001。
[3]鄭安孜“應用類神經網路於實驗計劃中遺失資料分析之研究”交通大學工業工程與管理所碩士論文,1998。
[4]鄧聚龍,「灰色系統理論與應用」,高立圖書有限公司,1999。
[5]鄧聚龍、郭洪,「灰預測原理與應用」,全華科技圖書股份有限公司,1996。
[6]蕭林展“應用灰色系統理論於重覆性實驗計畫中受限資料之分析”交通大學工業工程與管理所碩士論文,2000。
[7]Condra, L. W., Reliability Improvement with Design of Experiments, Marcel Dekker, 1993.
[8]DeSarbo, W. S. and Green, P. E. and Carroll, J. D.,“An Alternating Least-squares Procedure for Estimating Missing Preference Data in Product-concept Testing,”Decision Sciences, Vol. 17, pp. 163-185, 1986.
[9]Deng Julong,“Control problems of Grey System,”System and Control Letters, Vol. 5, pp. 288-294, 1982.
[10]Deng Julong,“Introduction to Grey System Theory,”The Journal of Grey System, Vol. 1, No.1 pp. 1-24, 1989.
[11]Deng Julong,“On Judging the Admissibility of Grey Modelling Via Class Ratio,”The Journal of Grey System, Vol. 5, No.4, pp. 249-252, 1993.
[12]Deng Julong,“Grey Differential Equation,”The Journal of Grey System, Vol. 5, No.1, pp. 1-14, 1993.
[13]Dodge, Y., Analysis of Experiments with Missing Data, Wiley, 1985.
[14]Jarrett, R. G,“The Analysis of Designed Experiments with Missing Observations,”Appl. Statist., Vol 27, No. 1, pp. 38-46,1978
[15]Frane, J. W.,“Some Simple Procedures for Handling Missing Data in Multivariate Analysis,”Psychometrika, Vol. 41, pp. 409-415,1976.
[16]Kuczera, G.,“On Maximum Likelihood Estimators for the Multisite Lag-One Streamflow Model: Complete and Incomplete Data Cases,”Water Resources Research, Vol. 23, No. 4, pp. 641-645, April, 1987.
[17]Logothetis, N. and Wynn, H. P., Quality Through Design, Clarendon Press. Oxford, 1989.
[18]Montgomery, D. C., Design and Analysis of Experiments, Wiley, 2001.
[19]Preece, D. A.,“Iterative Procedures for Missing Values in Experiments,”Technometrics, Vol. 13, No. 4, pp. 743-753, May 1971.
[20]Press, S. J. and Scott, A. J.,“Missing Variables in Bayesian Regression, II,”Journal of American Statistical Association, Vol. 71, pp. 366-369, June 1976.
[21]Quinlan, J.,“Product Improvement by Application of Taguchi Methods,”Taguchi Methods: Applications in World Industry, pp. 257-266.
[22]Rubin, D. B.,“Inference and Missing Data,”Biometrika, Vol. 3, pp. 581 -592, 1976.
[23]Rubin, D. B.,“Comparing Regression When Some Predictor Values are Missing,”Technometrics, Vol. 18, No. 2, pp. 201-205, May 1976.
[24]Roderrick, J. A.,“Regression with Missing X’s: A Review,”Journal of American Statistical Association, Vol. 87, No. 420, pp. 1227-1237, December 1992.
[25]Roderick, J. A. L. and Rubin, D. B., Statistical Analysis with Missing Data, New York, 1987.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 黃焜璋(民80)。漫談小兒氣喘。健康世界,64,35-49。
2. 洪濬、謝文斌(民87)。氣喘問題為何日益嚴重。當代醫學,25(8),35-37。
3. 陳貞如、連德正(民83)。氣喘病人的教育。臨床醫學,34(3),195-205。
4. 徐世達(民85)。氣喘病童的居家照顧。健康世界,122,19-28。
5. 陳黛娜、李從業(民86)。台北市國小氣喘學童的疾病知識與適應行為之探討。護理研究,5(2),160-170。
6. 陳彥宇、賴香如(民88)。台北市國中教師照顧氣喘學生相關知識、態度與自我效能之研究。健康促進暨衛生教育雜誌,19,29-41。
7. 周正成(民86a)。氣喘病童的居家照顧。空大學訊,194,91-96。
8. 吳家興、林瑞雄、謝貴雄、邱文達、陳麗美、邱淑媞、黃國晉、劉文良、邱宏毅、蕭慧娟、方淑慧、陳雄文、林嘉明、宋鴻樟(民87)。台灣北部國中學生氣喘盛行率調查。中華公共衛生雜誌,17(3),214-225。
9. 湯仁彬(民83)。兒童氣喘的處理。臨床醫學,34(4),292-296。
10. 蔣立琦、黃璟隆、呂昌明(民88)。學齡氣喘兒童氣喘素質因素與自我處理行為之調查及夏令營對其之影響。護理研究,7(4),307-320。
11. 蔡彥棠(民81)。氣喘治療面面觀。健康世界,83,47-50。
12. 謝貴雄(民84)。小兒氣喘病之預防和處理。中華民國小兒科醫學會雜誌,36(B),9-20。
13. [1] 施重豪,梁高榮,「交易資訊處理系統:一個知識經濟的推動範例」,機械工業雜誌,173-192頁,2001年八月。
14. [3] 梁高榮,「XML及RDF技術介紹」,機械工業雜誌,230-248頁,2001年七月。