臺灣博碩士論文加值系統

由於國內經濟的快速變遷及國民生活水準的提昇加上消費者意識的抬頭，整個消費市場已經隨著人民的消費習慣而有很大的變動。許多企業為求讓商品能迅速的銷售至消費者手中，許多的管理決策都以消費者為主要考量。因此零售業的轉型就因消費者的觀念想法而改變，並且為了提供讓消費者有更好的服務便產生許多新興的經營方式出現，例如：連鎖式的零售商店、量販店等甚至為了因應網際網路的盛行還有無店舖虛擬商店的經營方式出現。
零售業是在整個商品的產銷通路中能讓「貨暢其流」的主要單位，而要讓商品能順利並且完全的銷售出去就要靠存貨的管理，而存貨的控管最主要因素還是在於採購決策上，因此本研究乃是針對採購決策不佳的問題來尋求解決方案。
本研究運用了資料採礦的技術來做預測，其中使用了支援向量機以及類神經網路並與傳統統計之結果做預測準確度之比較，結果顯示類神經網路效果最佳，支援向量機次之，傳統統計效果最差。由此所得到的結果可以提供採購決策人員做為採購建議之參考。

Because of the rapid change in domestic economics, the promotion of national living standards and the emergence of consumer consciousness, the consumer market have undergone a dramatic change. In order to sell their products quickly to consumers, many enterprises make their managerial decisions based on consumer's needs. New operational models have been developed in the retail industry to provide better services to customers. For example, retail chain stores for consumers or wholesalers are using Internet to provide virtual stores.
Retail industry is the sector in the value chain that delivers goods to the final consumers. Inventory management is very important for the goal of smooth flowing of the goods from retailers to consumers. A primary factor in inventory control is procurement decision. This study focuses on solving the problem of procurement decision.
Data mining technology has been used in this study to help predict procurement quantity for retail stores. Support vector machine (SVM) and artificial neural network (ANN) were used in the study. Comparisons of these two techniques with the traditional simple averaging (SA) approach were made. It is found that ANN had the best result, SVM came second and the SA approach performed the worst. Results from this study provide a guideline for procurement process in retail industry.

中文摘要 --------------------------------------- i
英文摘要 --------------------------------------- ii
目錄 --------------------------------------- iv
表目錄 --------------------------------------- vi
圖目錄 --------------------------------------- vii
一、 緒論----------------------------------- 1
1.1 研究背景與動機------------------------- 1
1.2 研究目的------------------------------- 2
1.3 研究流程------------------------------- 3
1.4 研究範圍及限制------------------------- 5
二、 文獻探討------------------------------- 6
2.1 零售業介紹----------------------------- 6
2.2 存貨與採購管理------------------------- 8
2.2.1 存貨管理------------------------------- 8
2.2.2 採購管理------------------------------- 11
2.3 預測概論------------------------------- 14
2.3.1 預測的意義----------------------------- 14
2.3.2 預測的要素----------------------------- 15
2.3.3 預測在決策中所扮演的角色--------------- 16
2.3.4 預測方法------------------------------- 17
2.4 資料採礦------------------------------- 22
2.4.1 資料採礦的定義------------------------- 22
2.4.2 資料採礦的目的------------------------- 23
2.4.3 資料採礦的步驟------------------------- 24
2.4.4 資料採礦的功能------------------------- 26
2.4.5 資料採礦的技術------------------------- 27
2.5 預測之技術----------------------------- 31
2.5.1 支援向量機(Support Vector Machine)--------- 31
2.5.2 類神經網路----------------------------- 34
三、 研究方法------------------------------- 41
3.1 研究架構------------------------------- 41
3.2 決定預測方法及使用工具----------------- 42
3.3 建立預測模型--------------------------- 44
3.4 資料預處理與分類----------------------- 45
3.5 實作開始及參數調整--------------------- 45
3.6 預測結果分析--------------------------- 56
四、 實驗與分析----------------------------- 57
4.1 以3、6及12個月為預測模型實驗結果----- 57
4.2 所有商品共同訓練實驗結果--------------- 60
4.3 分群訓練實驗結果----------------------- 61
4.4 篩選訓練實驗結果----------------------- 62
4.5 單一商品訓練實驗結果------------------- 63
五、 結論與建議----------------------------- 65
5.1 研究結論------------------------------- 65
5.2 研究貢獻------------------------------- 66
5.3 未來研究建議--------------------------- 68
參考文獻 --------------------------------------- 69

[1]于宗先，1972，經濟預測，大中國圖書有限公司。
[2]王忠宗，2000，採購管理，台北：日正企管。
[3]行政院主計處，http://www.dgbas.gov.tw/。
[4]李世崇，2002，應用類神經網路於立式綜合加工機主軸熱便位之預測研究，台北
科技大學，土木工程學系，碩士論文。
[5]林清河博士，1995，物料管理，修訂版，華泰書局。
[6]林聰明、吳水丕，1981，指數平滑法之選擇與運用，華泰書局。
[7]林弘德，2003，piaip的(lib)SVM簡易入門，
http://www.csie.ntu.edu.tw/~piaip/svm/
[8]林智仁，2002，研究成果簡介-數理組，中央研究院2002年年輕學者研究著作
獎。
[9]林宇中，2003，基於語意內容分析之情緒分類系統，成功大學，資訊工程研究
所，碩士論文。
[10]林志昇，2004，修改支援向量機模型於預測系統之應用，大葉大學，工業工程學
系，碩士論文。
[11]吳旭智、賴淑貞譯，2001，Michael J.A. Berry and Gordon S. Linoff
著，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。
[12]范振添，2002，醫療影像傳輸及資料探索之系統開發，中原大學，醫學工程學
系，碩士論文。
[13]徐桂祥，1997，灰色系統在商情預測上之研究，國立雲林技術學院資訊管理計術
研究所，碩士論文。
[14]陳光榮、陳文蓉，1999，流通業的發展對台灣經濟影響之分析，經濟部網站。
[15]陳弘元，1992，傳統商店現代化經營手冊，中國生產力中心。
[16]張有恒，1998，物流管理,華泰文化。
[17]張煦逸，1992，進銷存系統之建立與實務之應用，國立中興大學企業管理研究所
碩士論文。
[18]彭文正譯，2001，Michael J.A. Berry and Gordon S. Linoff著，
Data Mining資料採礦—顧客關係管理暨電子行銷之應用，數博網資訊股份有限
公司。
[19]傅和彥譯，1998，William J. Stevenson 著，生產管理，前程企業管理有限
公司。
[20]湯健文，2002，類神經網路於因果關係模型與時間數列關係模型之應用，中華大
學，土木工程學系，碩士論文。
[21]葉怡成，2003，類神經網路模式應用與實作，儒林圖書公司。
[22]葉杉，1976，企業採購，台北市，三民書局出版。
[23]經濟部商業司，1994，便利商店經營管理技術實務手冊。
[24]劉淑芳，1993，流通熱門話題，經濟部商業司。
[25]賴士葆，1991，生產/作業管理-理論與實務，華泰書局。
[26]謝邦昌，類神經網路概述及實例，輔仁大學統計學系，
http://www.stat.fju.edu.tw/Teachonline/謝邦昌/elssa.htm。
[27]顏憶茹、張淳智，1988，”物流管理”, 前程企業管理。
[28]魏志平、董和昇，2000，電子商務理論與實務，華泰書局，147-184頁。
[29]羅華強，2001，類神經網路－MATLAB 的應用，清蔚科技出版社。
[30]Brown, R. G., 1959, “Statistical Forecasting for Inventony
Control”, New York : McGraw-Hill Book Company.
[31]Berry, A. J. Michael and Limoff, Gordon, 1997, “Data Mining
Techniques for Marketing, Sales, and Customer Support”, John
Wiley & Sons, Inc.
[32]Cabena, P., P.O. Hadjinian, R.Stadler, DR. J. Verhees, and
A. Zanasi, 1997, “Discovering Data Mining from Concept to
Implementation”, Prentice Hall, p.12.
[33]Chung H.M. and Gray P., 1999, Guest Editors “Special
Section: Data Mining”, Journal of Management Information
Systems, Vol.16, pp. 11-16.
[34]Chang, C.C. and Lin, C. J., 2001, “LIBSVM: a library for
support vector machines”, Software available at
http://www.csie.ntu.edu.tw/~cjlin/libsvm.
[35]C.J.C.Burges,1998, ”A Tutorial on Support Vector Machines
for Pattern Recognition,” Knowledge Discovery and Data
Mining, vol.2, no.2, pp,121-167.
[36]Davis, R.A., Markland, R.E. and Vickery, S.K.,
1998, “Operations Management”, 2nd edition, Ohio：South-
Western College Publishing.
[37]Dobler, D. Jr., L. Lee, and D. Burt, “Purchasing And
Materials Management”, 4th edition McGRAW -Hill Book Company.
[38]Donlebell and O.J.Krasner, 1977 , “Selecting Environmental
Forecasting from Business Planning Requirements” Academy of
Management Review, 373-383.
[39]Forgarty, et al., 1991, “Production and Inventory
Management”, South-Western.
[40]Frawley, W.J., G. Piatetsky-Shapiro and C.J. Matheus, Fall
1992, “Knowledge Discovery in Databases: An Overview”, AI
Magazine, pp.213-228.
[41]Fred R. McFadden, Jeffrey A. Hofer, and Mary B. Prescott,
1999, “Modern Database Management”, Fifth Edition, USE:
Addison-Wesley.
[42]Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P.,
1996, “From Data Mining to Knowledge Discovery: An
overview”, In advances in Knowledge Discovery and Data
Mining, pp.471-493.
[43]Francis E.H. Tay, Lijuan Cao, 2001, “Application of support
vector machines in financial time series forecasting”, The
international Journal of Managament Science Omega, pp309-317.
[44]Hall, C. ed., 1995, “The devil's in the details: techniques,
tools, and application for database mining and knowledge
discovery part 1,” Intelligent Software Strategies, Vol. XI,
no.9, p.1-16.
[45]Han, J. and M. Kamber, 2001, “Data Mining: Concepts and
Techniques, Morgan Kaufmann, CA, USA”.
[46]http://www.cs.waikato.ac.nz/ml/
[47]Leenders, M., H. Fearson, and W. England, Purchasing And
Materials Management, IRWIN, 8th edition.
[48]Lu, W., W. Wang, A.Y.T. Leung, S.M. Lo, R.K.K. Yuen, Z. Xu
and H. Fan, 2002, “Air Pollutant Parameter Forecasting Using
Support Vector Machines,” Proceedings of the 2002
International Joint Conference on Neural Networks, 1, pp.12-
17.
[49]Olaru, C. and Wehenkel, L. , 1999, “Data Mining,” IEEE
Computer Applications in Power, Vol. 12, no. 3, pp. 19-25.
[50]Richard Zunkel,Biometrics and Border Control ,
1996, “Security Technology & Design”.
[51]Slack, et al., 1995, “Operation management, Pitman
Publishing”.
[52]Thissen, U., R. Brakel, A.P. Weijer, W.J. Melssen and L.M.C.
Buydens, 2003, “Using support vector machines for time
series prediction,” Chemometrics and Intelligent Laboratory
Systems, 69, pp.35-49.
[53]Thiesing, F.M. and O. Vornberger, 1997, “Sales Forecasting
Using Neural Networks,” International Conference on Neural
Networks, 4, pp. 2125-2128.
[54]Vlaldimir Cherkassky, Filip Mulier, 1998 , “Learning From
Data,”.
[55]Welcome to Chih-Jen Lin's Home Page,
http://www.csie.ntu.edu.tw/~cjlin/
[56]Yasdi, R., 1999, “Prediction of Road Traffic using a neural
Network Approach,” Neural Comput & Applic, 8, pp.135-142.