(3.238.174.50) 您好!臺灣時間:2021/04/11 11:16
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:林聖義
論文名稱:資料採礦技術應用於艦艇維修備料件預測之研究
指導教授:孟興漢
學位類別:碩士
校院名稱:國防大學中正理工學院
系所名稱:兵器系統工程研究所
學門:軍警國防安全學門
學類:軍事學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:76
中文關鍵詞:資料採礦維修備料預測決策樹群集
外文關鍵詞:Data miningDecision treeClusteringCRISP-DM
相關次數:
  • 被引用被引用:5
  • 點閱點閱:246
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
海軍各造船廠在艦艇武器系統裝備維修上,長期以來一直最感到困擾的,就是維修備料(針對定檢件)籌補的問題。因為相關料配件價格昂貴,備料誤差過大將造成備料不當囤積,浪費國家公帑。此外,許多料件必須從國外採購,料件籌補期程平均長達一至二年,想在短短數月的修期內完成各項維修任務,更彰顯出先期備料預估作為必須準確有效的重要性。
目前海軍造船廠針對定檢件的備料檢討作業,發展出利用波以森公式計算週轉存量的方法,長期執行下來,整體備料狀況已有相當改善。目前更進一步將此公式簡化成線性公式,以降低計算參數蒐集上的複雜度與困難度。
本研究提出不同於波以森公式計算經濟週轉存量的方法,將近年來才開始發展的資料採礦技術,運用到維修領域,建立備料預測模型。主要做法是先搜集裝備維修資料,接下來將資料進行適當預處理後,分別用決策樹技術與群集技術建立資料採礦模型,執行年度備料數量預測,然後針對兩種模型的預測結果進行評估與分析比較。
預測結果經驗證評估,兩種模型都有不錯表現,不過從整體裝備修護觀點來看,決策樹模型整體表現較佳,比群集技術更適用於建立備料預測模型。本研究提出用資料採礦技術預測備料數量的思維與方法,經評估非常適合導入實際維修作業,執行備料預測,讓備料作業人員據以制定出最佳備料決策。
Rapid and correct supplying activities are very important for the repairing system of R.O.C NAVY. For example, lacking spare parts will delay the schedule of maintenance, and too many spare parts which are more than real requirements will waste a lot of money. For these two reasons, it is important to get correct numbers of spare parts before the maintenance started.
In the research a Data Mining technique is used to forecast the requirements of spare parts. We first collect the spare parts used records, and then we establish the Data Mining model by using Data Mining tool named SQL Sever 2000 Analysis Services and the mining algorithms named Decision Tree and Clustering. After being trained by these collected data sets, we get two kinds of models and some hiding rules that can be used to calculate the forecasting amounts of spare parts. Finally, we compare the forecasting numbers of these two models with the real records, and decide which model is better to predict appropriate amount of spare parts.
It is shown in this research that based on the comparison of the results of two models with the real records, we conclude that the result of Decision Tree model is better than the result of Clustering model.
誌謝 ii
摘要 iii
ABSTRACT iv
目錄 v
圖目錄 ix
1. 緒論 1
1.1 研究動機 1
1.1.1 先期備料的重要性 1
1.1.2 針對定檢件執行備料預估計算 1
1.1.3 現行定檢件備料計算方法 2
1.1.4 計算結果缺乏驗證機制 2
1.2 研究目的 3
1.3 研究步驟方法 3
1.4 文獻回顧 4
2. 資料採礦簡介 6
2.1 資料採礦定義 6
2.2 資料採礦技術的發展過程與未來發展趨勢 6
2.3 資料採礦功能與應用領域 8
2.4 資料採礦流程 10
2.4.1 專案流程制定之重要性 10
2.4.2 資料採礦流程CRISP-DM 1.0 12
2.4.3 本研究各階段工作與標準流程參考對應狀況 14
3. 資料選擇與資料預處理 17
3.1 資料蒐集與描述 17
3.2 資料選擇 17
3.2.1 資料選擇方式與考量重點 17
3.2.2 用多重決策樹技術協助資料篩選 18
3.3 重建資料表 19
3.4 調整資料格式 20
4. 建立模型與結果評估 23
4.1 資料採礦技術與工具評估 23
4.1.1 本研究所用之資料採礦技術--決策樹與群集 23
4.1.2 決策樹原理 23
4.1.3 群集原理 27
4.1.4 本研究選用決策樹與群集技術的理由 27
4.1.5 本研究所用之資料採礦工具 29
4.2 模型測試規劃 30
4.3 以決策樹技術建立模型與結果評估 31
4.3.1 建立決策樹採礦模型 31
4.3.2 決策樹模型預測結果評估 35
4.4 以群集技術建立模型與結果評估 41
4.4.1 建立群集採礦模型 41
4.4.2 群集模型預測結果評估 46
4.5 兩種模型預測結果比較 51
4.6 預測值取整數的方式所造成的影響探討 53
5. 結論與未來研究方向 55
5.1 研究結論 55
5.2 未來研究方向 56
參考文獻 58
附錄壹 決策樹採礦模型建立步驟 60
附錄貳 決策樹模型預測查詢步驟 66
附錄叁 群集採礦模型建立步驟 70
自傳 76
[ ] J. Han, “Data Mining”, in J. Urban and P. Dasgupta (eds.), Encyclopedia of Distributed Computing , Kluwer Academic Publishers, 1999.
[2] http://www.dmgroup.org.cn/
[3] http://www.crisp-dm.org/CRISPWP-0800.pdf
[4] http://taiwan.cnet.com/enterprise/technology/0,2000062852,20032421,00.htm
[5]尹相志,SQL 2000 Analysis Service 資料採礦服務,科維圖書有限公司,台北,2003。
[6]海軍戰系工廠,驗估員備料指導手冊,海軍戰系工廠,高雄,2002。
[7]海軍戰系工廠,戰系定檢件週轉量計算公式說明,海軍戰系工廠,高雄,2003。
[8] http://www.thearling.com/text/dmwhite/dmwhite.htm
[9] http://www.management.fju.edu.tw/manadepat/review/paper.asp?no=0931
[10]劉士琪,“應用資料挖掘探討顧客價值”,碩士論文,朝陽科技大學工業工程與管理系,台中,2003。
[11] http://www.data-miners.com/education/three-day.html
[12]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,台北,2001。
[13] http://www.statsoftinc.com/textbook/stdatmin.html
[14] http://www.thearling.com/text/dmtechniques/dmtechniques.htm
[15] http://msdn.microsoft.com/library/default.asp?url=/library/en-us/olapdmad/ agminingmodels_9ugj.asp
[16] http://www.microsoft.com/mspress/taiwan/books/book17546.htm
[17] http://www.microsoft.com/technet/prodtechnol/sql/2000/maintain/dmperf.mspx
[18] http://www.exclusiveore.com/xaam/xaamwhitepaper.pdf
[19] http://csdl.computer.org/comp/mags/ex/1999/06/x6059abs.htm
[20]謝瑞芳,“資料挖掘在飛機引擎零件失效預測之研究”,碩士論文,靜宜大學資管系,台中,2001。
[21]吳澤民,“應用資料探勘技術於維修知識推薦之研究”,碩士論文,中原大學資管系,桃園,2002。
[22]呂月娥,“資料探勘應用於維修物料需求預測模型之研究”,碩士論文,大葉大學工業工程系,彰化,2002。
[23] http://www.kdnuggets.com/polls/2003/data_mining_applications_industries.htm
[24] http://www.channel1.com/users/gps1/polls/2003/data_mining_techniques.htm
[25] http://www.channel1.com/users/gps1/polls/2002/methodology.htm
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔