臺灣博碩士論文加值系統

資料探勘 (data mining) 是利用自動或半自動的技術，由資料庫中萃取出有效的、事前未知的，以及潛在有用的資訊，以作為兩種用處，一是了解資料特徵與關係可以提供決策制定與問題解決的依據；二是所探勘出來的資訊可以幫助進行分類與預測。

本研究希望以偏光板在面板端的客訴異常，利用資料探勘技術中的決策樹分析，比較Answer tree軟體的四種演算方式CHAID、Exhaustive CHAID、CART與QUEST，利用其錯誤率進行演算法選定，再從其中進行異常真因與現象的法則歸納，並透過失效模式與效應分析 (FMEA)，在嚴重度、發生率、探測度、RPN的級別設定上進行檢討分析，可使得分析知識更有效率與正確性，進而預先防堵，避免無謂之異常造成雙方的品質成本。

供應商品質管理 (supplier quality management, SQM) 可以藉由此套品質異常診斷系統快速分類，進行機器設備與參數設定最佳化與特殊檢驗手法的搭配，並同時水平展開到所有供應商管理系統，降低異常重複發生機率，以期達到SQM的源頭管理、事半功倍。

Data mining uses automatic or semi-automatic technology to extract information which is efficient and predictable. There are two potential utilities of the information, one is to understand the meaning of relationship with data and decision making from problem solving and the other is to help categorize the information.

This study investigates the polarizer complaint with decision tree. Compare the risks of CHAID, Exhaustive CHAID, CART and QUEST and analyze through FMEA. Investigate each level of severity (S), occurrence (O), detection (D) and Risk Priority Numbers (RPN) ratings to enhance the efficiency and accuracy of the data.

Meanwhile, supplier quality management (SQM) can be predicable and classifiable through this quality system with equipment, optimum parameter setup and specific inspection methodology.

目錄

中文摘要 i
英文摘要 ii
致謝 iii
目錄 iv
表目錄 vii
圖目錄 ix

第一章 緒論 1

1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究方法 4
1.4 論文架構 5

第二章 文獻探討 7

2.1 資料探勘的理論 7
2.2 資料探勘的執行步驟 8
2.3 資料探勘的類型 11
2.3.1 分類法 11
2.3.2 聚類法 12
2.3.3 關聯式法則 12
2.3.4 資料視覺 12
2.4 資料探勘的應用 13
2.5 以資料探勘應用於製程異常診斷之相關研究 14

第三章 偏光板製程介紹及製程品質異常問題 16

3.1 偏光板起源 16
3.2 偏光板製作原理 16
3.3 偏光板在TFT-LCD的應用 17
3.4 偏光板製程介紹 18
3.5 偏光板應用面常見之品質問題 24

第四章 研究方法 25

4.1 問題定義與架構 25
4.2 資料準備與屬性定義 25
4.3 建構資料探勘模式 28
4.4 決策樹演算法 29
4.5 資料探勘結果解釋與評估 34
4.6 FMEA失效關鍵特性 35
4.7 FMEA製程風險優先指數 36
4.8 失效預防矯正結果與評估 38

第五章 實例探討 39

5.1 客訴案例製程品質資料屬性定義、資料蒐集與處理 39
5.1.1 客訴案例製程品質資料屬性定義與資料蒐集 39
5.1.2 各工作站資料庫之資料處理 40
5.2 各工程資料探勘分析 42
5.2.1 TAC工程資料探勘分析 42
5.2.2 PVA工程資料探勘分析 47
5.2.3 三層貼合工程資料探勘分析 53
5.2.4 成品貼合工程資料探勘分析 57
5.2.5 模式選用 62
5.3 各工作站歸納法則與FMEA正確改善性評估 63

第六章 結論與建議 67

6.1 結論 67
6.2 建議 68

參考文獻 69

表目錄

表1 資料探勘程序與步驟整理 8
表2 資料探勘技術的應用 13
表3 偏光板製程及品質缺陷狀況表 24
表4 製造工程異常記錄資料 27
表5 屬性可能值及判斷之項目編碼範例 28
表6 PVA工作站失效模式與效應分析 35
表7 嚴重度評分標準表 36
表8 發生率評分標準表 37
表9 探測度評分標準表 37
表10 工作站名稱與站內作業單元對照表 39
表11 TAC工程屬性變數及判斷項目編碼 40
表12 PVA工程屬性變數及判斷項目編碼 41
表13 三層貼合工程屬性變數及判斷項目編碼 41
表14 成品貼合工程屬性變數及判斷項目編碼 41
表15 TAC工程錯誤率總表 43
表16 TAC工程ANOVA檢定比較表 47
表17 PVA工程錯誤率總表 48
表18 PVA工程ANOVA檢定比較表 52
表19 三層貼合工程錯誤率總表 53
表20 三層貼合工程ANOVA檢定比較表 56
表21 成品貼合工程錯誤率總表 57
表22 成品貼合工程ANOVA檢定比較表 61
表23 CHAID、Exhaustive CHAID、CART與QUEST錯誤率總表 (訓練) 62
表24 CHAID、Exhaustive CHAID、CART與QUEST錯誤率總表 (測試) 62
表25 TAC工作站失效模式與效應分析 63
表26 PVA工作站失效模式與效應分析 64
表27 三層貼合工作站失效模式與效應分析 65
表28 成品貼合工作站失效模式與效應分析 65

圖目錄

圖1 研究架構流程圖 5
圖2 資料探勘的標準化過程 11
圖3 偏光板之偏極化 16
圖4 偏光板構造簡圖 17
圖5 偏極光透過偏光板轉向圖 18
圖6 偏光板製造過程 19
圖7 抗眩簡單原理 20
圖8 抗反射簡單原理 20
圖9 廣視角簡單原理 21
圖10 偏光板前段製程 23
圖11 偏光板後段製程 23
圖12 以特性要因圖分析 (以PVA製作站為例) 27
圖13 Answer tree主要操作介面 34
圖14 CHAID決策樹 (TAC) 44
圖15 Exhaustive CHAID決策樹 (TAC) 44
圖16 CART決策樹 (TAC) 45
圖17 QUEST決策樹 (TAC) 46
圖18 CART決策樹修剪前後比較圖 (TAC) 46
圖19 CHAID決策樹 (PVA) 49
圖20 Exhaustive CHAID決策樹 (PVA) 49
圖21 CART決策樹 (PVA) 50
圖22 QUEST決策樹 (PVA) 51
圖23 QUEST決策樹修剪前後比較圖 (PVA) 52
圖24 CHAID決策樹 (三層貼合) 54
圖25 Exhaustive CHAID決策樹 (三層貼合) 54
圖26 CART決策樹 (三層貼合) 55
圖27 QUEST決策樹 (三層貼合) 55
圖28 QUEST決策樹修剪前後比較圖 (三層貼合) 56
圖29 CHAID決策樹 (成品貼合) 58
圖30 Exhaustive CHAID決策樹 (成品貼合) 59
圖31 CART決策樹 (成品貼合) 59
圖32 QUEST決策樹 (成品貼合) 60
圖33 CART決策樹修剪前後比較圖 (成品貼合) 61

1.Brachman, R. J., T. Khabaza, W. Kloesgen, G. Piatetsky-Shapiro and E. Simoudis, “Mining business databases,” Cummunication of the ACM, 39(11), 42-48 (1996).
2.Breiman, L., J. Friedman, R. Olshen and C. Stone, “Classification and regression trees,” Wadsworth International Group, Monterey, CA, USA (1984).
3.Cabena, P., P. O. Hadjinian, R. Stadler, J. Verhess and A. Zanasi, “Discovering data mining from concept to implemantation,” Prentice Hall (1997).
4.Chen, M. S., J. Han and P. S. Yu, “Data mining: an overview from a database perspective,” IEEE Transactions on Knowledge and Data Engineering, 8(6) (1996).
5.Fayyad, U. G., G. Piatetsky-Shapiro and P. Smyth, “The KDD process for extracting useful knowledge from volumes of data,” Cummunication of the ACM, 39(11), 27-34 (1996).
6.Westphal, C. and T. Blaxton, “Data mining solutions: methods and tools for solving real-world problems,” John Wiley, New York (1998).
7.丁振原，「以資料探勘技術為基建構PCB客訴問題處理模式」，元智大學工業工程與管理研究所碩士論文，2003。
8.呂家賢，「運用資料探勘技術於大學圖書館圖書資源推廣利用之研究」，銘傳大學管理所碩士論文，2005。
9.周佩蓁，「以決策樹分析顧客滿意度之研究」，育達商業技術學院資訊管理所碩士論文，2004。
10.徐慧君，「應用案例式推理於顧客關係管理之行銷研究 - 以化妝品業為例」，元智大學工業工程與管理研究所碩士論文，2002。
11.陳道宏，「檢測PCBA之FMEA系統建立」，元智大學工業工程與管理研究所碩士論文，2004。
12.陳俊維，「FMEA應用於提昇潔淨室H.V.A.C.系統 可靠度之研究」，國立成功大學資源工程學系碩士論文，2004。
13.陳文彬，「推廣與傳統的失效模式與效應分析之比較 - 以滅火器產品設計為例」，國立台灣科技大學工業管理系碩士論文，2003。
14.陳姿君，「從賽局理論分析地區性選舉」，國立成功大學統計學系碩士班碩士論文，2003。
15.湯群輝，「以失效為基礎的設計回饋及績效評量系統」，國立清華大學工業工程與工程管理學系碩士論文，2004。
16.張瑋倫，「應用資料挖掘學習方法探討顧客關係管理問題」，輔仁大學資訊管理學系研究所碩士論文，2000。
17.張家鳳，「利用資料挖掘技術建構保險業之差異化行銷模型」，世新大學資訊管理系碩士論文，2004。
18.曾韋霖，「印刷電路板工作站內製程品質資料挖掘及建構異常診斷系統」，元智大學工業工程與管理研究所碩士論文，2004。
19.曾立行，「中老年人罹患主要慢性疾病特徵之研究」，中央大學統計所碩士論文，2004。
20.劉中光，「以資料挖掘為基建構製程品質問題診斷系統 - 以印刷電路板業為例」，元智大學工業工程與管理研究所碩士論文，2002。
21.趙立隆，「失效模式與效應分析在全面生產管理之初期管理的應用 - 以台灣愛普生工業公司為例」，朝陽科技大學工業工程與管理研究所碩士論文，2002。
22.鍾秋英，「資料挖掘應用於產品失效模式與效應分析 - 以印刷電路板業為例」，元智大學工業工程與管理研究所碩士論文，2003。
23.藍中賢，「結合模糊集合理論與貝氏分類法之資料探勘技術 - 應用於健保局醫療費用審查作業」，元智大學資訊管理研究所碩士論文，2000。
24.羅應浮，「專案管理的失效模式與效應分析」，中華大學工業工程與管理研究所碩士論文，2000。
25.吳貴彬，「失效模式與效應分析之應用」，樹德科技大學工業管理系暨經營管理研究所專題 (2003)。
26.楊盈盈等人，「資訊產品升級採用的影響因素及採用速度」，崑山科技大學國際貿易研究所專題 (2006)。
27.周錫英、張起明，「實施失效模式、效應與關鍵性分析 (FMECA) 之功能、需求與步驟」，品質管制月刊，30(12)，(1994)。
28.黃美玲等人，「應用決策樹於青光眼患者之鑑別」，國立勤益技術學院工業工程與管理學研究所專題 (2006)。
29.陳燕儀、呂世源，「光學膜-光的魔術師」，科學發展，414，62-67 (2007)。
30.任德昌等人，「潛在失效模式與效應分析FMEA」，品士股份有限公司，台北 (2002)。
31.洪萬吉譯，「統計學」，滄海書局，台中 (1998)。
32.鄭春生，品質管理，育友圖書有限公司，台北 (2003)。
33.管中閔，「統計學 - 觀念與方法」，華泰書局，台北 (2004)。
34.謝邦昌，「資料探勘與商業智慧 - SQL Server 2005」，鼎茂圖書出版股份有限公司，台北 (2005)。