跳到主要內容

臺灣博碩士論文加值系統

(3.236.124.56) 您好!臺灣時間:2021/08/02 06:19
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:盧奎龍
研究生(外文):KUEI-LONG LU
論文名稱:運用資料探勘技術建議後勤維保單位物料管理模式之研究
論文名稱(外文):Applying Data Mining Technique to Suggest the Material Management Policy in A Logistic Service Department
指導教授:吳泰熙吳泰熙引用關係余豐榮余豐榮引用關係
指導教授(外文):Tai-Hsi WuFONG-JUNG YU
學位類別:碩士
校院名稱:大葉大學
系所名稱:工業工程與科技管理學系碩士在職專班
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:2007
畢業學年度:95
語文別:中文
論文頁數:59
中文關鍵詞:資料探勘存貨管理分類分群關聯規則
外文關鍵詞:Data MiningInventory ManagementClassificationClusteringAssociation Rule
相關次數:
  • 被引用被引用:1
  • 點閱點閱:249
  • 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:0
中文摘要

國軍建立之武器系統日趨精密複雜,武器裝備必需保持高度妥善率,為確保武器系統可長期妥善運作,所選用的料件必須獲得無虞,如未經系統化規劃、分析與管理,任意將物料需求納入武器系統定型物料清單中,將會導致後續執行維保任務發生困難。
通常重要武器系統均會累積大量操作紀錄與維保紀錄,這些資料若能透過資料探勘工具加以分析與利用,除能提早因應不當備料發生或者因不當備料而造成物料成本損失。
物料管理實務上問題,即在屬性X1 and X2 and X3 and……卻無法找到足夠統計數據來訂定Y的條件下。如何透過領域專家或者從具有豐富實務管理人員訪談中,探勘出潛藏在資料庫中有用的決策建議。
本研究係以資料倉儲為基礎,運用資料探勘技術,以IF→Then模式導出關聯規則,作出備料較適量建議方案,供決策階層參考運用,可滿足武器系統維保用料外,亦可大量節省備料準備時間,繼而提升整體戰力。

關鍵字:資料探勘,存貨管理,分類,分群,關聯規則
ABSTRACT

The weapon system of a country's military sets up is becoming more accurate and complicated, the accurate weapon equipment must keep in a well arranged and highly serviceable condition , In order to keep the weapon system can be run in an serviceable operation for long period, the source of material must not break off, if the material which not be systematized ,analyzed and managed, just put them into the system of the bill of material(BOM), It will cause a lot of difficulties while we carry out the task of repair and maintaining.
Normally, the important equipment system will accumulate a large number of the routine operation records and the records of repair and maintaining. If these materials can be analyzed and utilized properly through the data mining tools, it can prevent the stocks loss for improper storage of raw material.
The practical problems on material managing which named X1 and X2 and X3….once they can’t find out the objects which can be satisfied the statistic analysis to set up the Y for stipulation, how can we through the professional experts or by interview the one who has abundant experience on material managing to get the efficient suggestions that hinding in the data base.
This research is based on data warehouse; using data mining technique, with the method” IF→Then “to lead out the related rules and set up the proposal or suggestion for the manager who knows when is the proper time for material storage. Besides keeping materials in good repair and fully using material in weapon system. It can also save much time for material storage and preparing. Thus, it will promote the whole fighting capacity of the military.

Key Words: Data Mining, Inventory Management, Classification, Clustering, Association Rule
目錄

封面內頁
簽名頁
授權書 iii
中文摘要 iv
ABSTRACT v
誌謝 vi
目錄 vii
圖目錄 ix
表目錄 x

第一章 緒論 1
1.1 研究背景動機 1
1.2 研究目的 2
1.3 研究範圍與限制 3
1.4 研究架構 3
第二章 文獻探討 6
2.1 國軍武器系統獲得管理 6
2.1.1 武器系統壽期管理 6
2.1.2 武器系統補給支援 7
2.2 供應鏈管理 8
2.3 存貨管理 9
2.4 物料管理 10
2.5 資料探勘定義 11
2.5.1 資料探勘技術 13
2.5.2 資料探勘在資料倉儲之運用 14
2.5.3 探勘技術運用探討 15
2.5.3.1 分類 16
2.5.3.2 分群 17
2.5.3.3 關聯規則 20
第三章 研究方法與架構 23
3.1 探勘問題定義 24
3.2 探勘資料背景 25
3.3 資料前置處理 26
3.4 建立探勘模式 27
第四章 研究結果 29
4.1 探勘條件律定 29
4.2 決策樹分析 34
4.3 分群分析 39
4.4 關聯規則分析 42
4.5 綜合分析 46
第五章 結論與建議 50
5.1 結論 50
5.2 建議 51
參考文獻 53
附錄 58



圖目錄

圖1.1 研究架構與流程 5
圖2.1 全壽期武器系統管理概念 7
圖2.2 資料探勘流程 12
圖2.3 資料倉儲實體架構 14
圖2.4 Apriori演算法推導流程 21
圖3.1 研究架構 23
圖3.2 資料探勘作業流程 28
圖4.1 70%訓練模式 34
圖4.2 決策樹參數設定 34
圖4.3 決策樹示意圖 37
圖4.4 K均值分群法參數設定 40
圖4.5 探勘模式選取關聯規則Apriori演算法 43
圖4.6 探勘模式Apriori演算法相關參數 44



表目錄

表2.1 資料探勘方法與可運用技術分析 12
表2.2 資料探勘與其它決策方式分析 13
表2.3 階層式分群法的優缺點比較表 19
表4.1 探勘重要屬性分析 30
表4.2 各類物料成本分析 31
表4.3 物料需求及程度分析 32
表4.4 淨化後探勘資料庫屬性說明 32
表4.5 庫儲作業主管物料管理規則建議 33
表4.6 庫儲主管物料管理建議與決策樹規則分析 39
表4.7 K均值分群演算法結果分析 41
表4.8 庫儲主管物料管理建議與分群探勘規則分析 42
表4.9 庫儲主管物料管理建議與關聯規則分析 46
表4.10 探勘規則綜合分析 48
表4.11 BOM表修訂建議分析 49
參考文獻

中文部份:

[1]沈榮津,“電子資訊產業供應鏈現況與未來”,電子業供應鏈管理研討會論文集,新竹,2003。
[2]黃星瑋,“中科院物料管理變形蟲組織運作制度之設計”,新新季刊,第卅 一卷,第一期,2003。
[3]伍光華,從供應鏈觀點建構國防研製單位存貨模式之研究,碩士論文,國防大學中正理工學院,兵器系統工程研究所,桃園,2004。
[4]國防部軍備局,國軍主要武器系統與裝備系統工程管理教則,國防部軍備局,台北,2003。
[5]張倫,作業管理,華泰文化事業公司,台北,2003。
[6]張有恒,物流管理,華泰文化事業公司,台北,1998。
[7]張百棧,生產管理,華泰書局,台北,1996。
[8]張元哲, FP-tree(Frequent Pattern Tree)的調整維護技術研究,碩士論文,國立中央大學,資訊管理研究所,桃園,2000。
[9]蘇義雄譯,供應鏈之設計與管理,麥格羅希爾公司,台北,2003。
[10]林勇、陳志祥,供應鏈管理,機械工業出版社,北京,2000。
[11]林君諺,流行性產品的存貨管理,碩士論文,國立台灣科技大學,工業管理系,台北,2000。
[12]顏憶茹、張淳智,物流管理,前程企業管理公司,台北,1998。
[13]李春賢,研發機構物料管理之研究,碩士論文,私立中原大學,工業工程系,桃園,2003。
[14]傅和彥,生產與作業管理,前程企管,台北,1996。
[15]陳文華,“ 架構資料倉儲的注意事項”,資訊與電腦,224期,頁 94-99,1999。
[16]陳致平,“新世紀企業競爭利器-資料倉庫”,資訊傳真, 381期,頁 24,1995。
[17]彭文正,資料採礦-顧客關係管理暨電子行銷之應用,維科出版社,台北,2001。
[18]吳崢榕,以樣式為基礎的分群法之研究,碩士論文,國立台南師範學院,資訊教育研究所,台南,2004。
[19]趙婉伶,“資料倉儲挖掘商業契機”,流通世界雜誌,105 期,頁72-76,1999。
[20]許昌齡,資料挖掘的多值及多標籤決策樹分類法,碩士論文,國立中央大學,資訊管理研究所,桃園,2003。
[21]洪冠群,多重最小支持度關聯規則探勘演算法之醫療檢驗應用:以血液透析病患之住院預測為例,碩士論文,國立東華大學資訊工程學系,花蓮,2004。
[22]IBM, “資料採挖 - 找出隱藏在你的資料中的寶藏”,資訊傳真,256 期,頁42,1997。
[23]劉仁宇,“資料倉儲與OLAP簡述”, 台北縣教育局網站,http://enews.tpc.edu.tw/document/center/%BCB%A4%AF%A6t%A4p%A9j%A1u%B8%EA%AE%C6%AD%DC%C0x%BBPOLAP%A1v.htm.


英文部份:

[24]Aggarwal, C. C., Procopiuc, C., J. Wolf, P.S., Yu, and Park, J. S., Fast algorithms for projected clustering, In SIGMOD, Philadelphia, Pennsylvania, 1999.
[25]Aggarwal, C. C., and P. S., Yu, “Finding generalized projected clusters in high dimensional spaces”. In SIGMOD, Dallas, Texas, pp. 70-81, 2000.
[26]Agrawal, R., Imieliki, T., and Swami, A., “Mining Association Rules Between Sets Of Items in Large Databases”, Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Vol. 22, Issue 2, pp. 207-216. 1993.
[27]Agrawal, R., Gehrke, J., Gunopulos, D., and Raghavan, P., Authomatic subspace clustering of high dimensional data for data mining applications, In SIGMOD, Seattle, Washington, 1998.
[28]Agrawal, R., and Srikant, R., “Fast Algorithms for Mining Association Rules ”,Proc. Int'l Conf. Very Large Data Bases, pp. 487--499, Santiago, Chile, 1994.
[29]Berry, M. J. A., and Linoff, G., Data Mining Techniques: For Marketing Sale and Customer Support, John ,Wiley & Sons, Inc., Canda, 1997.
[30]Bloomberg, D. J., Lemay, S., and Hanna, J.B., Logistics, Prentice Hall, 2002.
[31]Brown, J. S., Burton, R. R., and De Kleer, J., Pedagogical, Natural Language and Knowledge Engineering Techniques in SOPHIE I, Ⅱ and Ⅲ, Intelligent Tutoring Systems , Academic Press, London, 1982.
[32]Cabena, P., Hadjinian, P., Stadler, R., Verhees, J., and Zanasi, A., Discovering Data Mining From Concept to Implementation, Prentice-Hall Inc., 1997.
[33]Chen, M. S., Han, J., and P. S. Yu, “Data Mining: An Overview from a Database Perspective”, IEEE Transactions on Knowledge and Data Engineering, Vol.8, No.6, pp. 866-883, 1996.
[34]Cheng, C. H., Fu, A. W., and Zhang, Y., “Entropy-based subspace clustering for mining numerical data”. In SIGKDD San Diego, CA, pages 84-93, 1999.
[35]Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P., From data mining to knowledge discovery: An Overview In Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, Cambridge, Mass., pp.1-34, 1996.
[36]Fayyad, U. M., Gregory, P. S., and Smyth, P., Uthurusamy, Advances in Knowledge Discovery and Data Mining, 1996.
[37]Han, J., Cai, Y., and Cercone, N., “Knowledge discovery in database: An attribute-oriented approach”, Proc. 18th Int. Conf. Very Large DataBase, Vancouver, Canada, pp.547-559, 1992.
[38]Han, J., Cai, Y., Cercone, N., and Huang, Y., “Discovery of Data Evolution Regularities in Large Databases”, Journal of Computer and Software Engineering, Vol.3, No. 1, pp.41-69,1995.
[39]Han, J., From Data Mining To Web Mining: An Overview, Conference tutorial, 2000 Int. Database Systems Conf. (IDS'2000), Hong Kong, 2000.
[40]Jagadish, H. V., Madar, J., and Ng, R., “Semantic compression and pattern extraction with fascicles”. In VLDB, Edinburgh, Scotland, pp. 186-196, 1999.
[41]Jyh-Shing, Roger, Jang., “Data Clustering and Pattern Recognition”, available at, the links for on-line courses at the author's homepage at http://www.cs.nthu.edu.tw/~jang.
[42]Mingers, J., “An empirical comparison of selection measures for decision-tree induction”, Machine Learning, Vol.3, Issue 4, pp.319-42. 1989.
[43]Park, J. S., Chen, M. S., and Yu, P. S., “An Effective Hash-Based Algorithm for Mining Association Rules ”,Proc. ACM-SIGMOD Int'l Conf. Management of Data, pp. 175-186, San Jose, CA, 1995.
[44]Porter, M. E., “What is Strategy”, Journal of Harvard Busines Review, Vol.74, pp.133-149, 1996.
[45]Rich, J., Roiger, Michael, Gealz, W., Data Mining –A Tutorial-Based Primer, Published by Addison Wesley Professional.1986.
[46]Partovi, F. Y., and Anandarajan, M., “Classifying Inventory Using an Artificial Neural Network Approach”, Computers & Industrial Engineering, 41, pp.389-404. 2002.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top