(3.236.122.9) 您好!臺灣時間:2021/05/12 18:33
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:黃珮婷
研究生(外文):Pei-Ting Huang
論文名稱:應用資料探勘於預測原廠汽車零件壽命之研究
論文名稱(外文):The Application of Data Mining in Predicting the Life-Span of Original Vehicle Parts
指導教授:黃信豪黃信豪引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:工業工程與管理研究所
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:2013
畢業學年度:101
語文別:中文
論文頁數:74
中文關鍵詞:資料探勘汽車維修類神經網路決策樹分析汽車零件壽命
外文關鍵詞:Data MiningVehicle MaintenanceNeural NetworksDecision TreesLife-Span of Vehicle Parts
相關次數:
  • 被引用被引用:2
  • 點閱點閱:642
  • 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
根據美商全球調查公司J.D.POWER亞太區報導可知,最近幾年來台灣汽車經銷商售後服務顧客滿意度年年降低。至2012年更是創下最近三年來新低,從評比的項目中可知顧客越來越重視售後服務。而在原廠汽車維修廠與私人汽車維修廠間競爭日趨激烈,原廠汽車維修廠想在著手於技術研究上,以贏得顧客專業層面的信賴度。本文應用資料探勘軟體Poly Analyst6.0於台灣原廠汽車維修廠所提供的顧客進廠維修資料。使用單一零件,如:正時皮帶、剎車真空管、電瓶、水泵浦、發電機皮帶等零件,與廠牌、里程數、車齡先進行決策樹分析,再使用個別零件進行類神經網路模型預測,期望在三項因子之間找出汽車零件使用壽命是否存在著可預測模型。以提供給原廠維修廠於顧客關係管理上,結合實質的數據分析與專業的經驗,創造原廠汽車維修廠與車主之間雙贏的局面。
從研究結果可得知:1. 在此筆資料庫中,SA廠牌的汽車裡,「時規惰輪」需在里程數大於91,535公里或者車齡大於10.5年時,才需進行更換。2.應用類神經網路來預測個別零件,在不同的目標屬性與預測因子下是否存在可預測的模型,在資料庫筆數不足的情況下,類神經網路是無法進行預測的。3.應用類神經網路來預測個別零件時,預測因子不足下,分析後數據結果恐無法套用至其他資料庫之相同零件。


According to the Asia-Pacific Report by J.D.POWER, a US-based global market research company, Taiwan''s car dealers have shown a yearly decline in customer satisfaction with after-sale services in recent years and customer satisfaction reached three-year new low 2012. Rating items reveal that customers are paying increasing attention to after-sale services. As competition intensifies between car manufacturer and private auto repair shops, the former should focus on R&D to win customer confidence in their expertise. In this study, the data mining software Poly Analyst 6.0 was used to analyze customer vehicle service data from Taiwan''s car manufacturer repair shops. Single parts, such as timing belts, brake vacuum tubes, batteries, water pumps and alternator belts, as well as vehicle brands, mileages and age were first analyzed using decision trees. Then, predictions were made on individual parts using artificial neural networks. The goal was to determine whether a model that can predict the life-span of vehicle parts exists among the three factors, and provide findings that help manufacturer repair shops improve their customer relationship management by incorporating actual statistical analysis and professional experience, thus achieve the win-win outcome for themselves and car owners.
  Research findings show the following results. 1. In this database, a SA vehicle requires the replacement of its timing idler only when its mileage or age exceeds 91,535 km or 10.5 years. 2. Regarding prediction on individual parts using artificial neural networks to determine whether a predictive model exists among different target attributes and predictive factors, data shortage in the database made it impossible for the artificial neural networks to make predictions. 3. While making predictions on individual parts using artificial neural networks, analytical data may not be applicable to similar parts in other databases due to insufficient predicative factors.
Keywords: Data Mining;Vehicle Maintenance;Neural Networks;Decision Trees;Life-Span of Vehicle Parts.

摘要 ............................................................................................. i
ABSTRACT ............................................................................................. ii
誌謝 ............................................................................................. iv
目錄 ……………………………………………………………………… v
表目錄 ............................................................................................. vii
圖目錄 ............................................................................................. viii
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 研究範圍與限制.................................................................... 4
1.4 研究流程............................................................................... 4
第二章 文獻探討............................................................................... 7
2.1 汽車維修業概述.................................................................... 7
2.1.1 台灣汽車維修業的分類......................................................... 7
2.1.2 台灣汽車維修業的發展階段.................................................. 8
2.1.3 汽車維修業未來的發展趨勢與特性....................................... 9
2.1.4 台灣汽車維修之相關研究..................................................... 11
2.2 資料探勘............................................................................... 18
2.2.1 資料探勘的定義.................................................................... 18
2.2.2 資料探勘的功能.................................................................... 20
2.2.3 資料探勘常用的技術............................................................. 21
2.2.4 資料探勘之應用.................................................................... 22
2.2.5 資料探勘之相關研究............................................................. 24
2.3 決策樹.................................................................................. 28
2.3.1 何謂決策樹........................................................................... 28
2.3.2 決策樹的建置與修剪............................................................. 29
2.3.3 決策樹的應用........................................................................ 30
2.3.4 決策樹的優缺點.................................................................... 31
2.4 類神經網路........................................................................... 32
2.4.1 何謂類神經網路.................................................................... 32
2.4.2 類神經網路的理論及架構..................................................... 33
2.4.3 類神經網路的學習模式......................................................... 35
2.4.4 類神經網路的優缺點及限制.................................................. 36
第三章 研究方法............................................................................... 37
3.1 資料採礦分析軟體Poly Analyst 6.0....................................... 37
3.2 研究資料............................................................................... 39
3.3 資料整理與轉換.................................................................... 39
3.3.1 廠牌...................................................................................... 39
3.3.2 零件項目名稱........................................................................ 40
3.3.3 車齡...................................................................................... 41
3.4 模型設定............................................................................... 42
3.4.1 決策樹.................................................................................. 42
3.4.2 類神經網路預測零件模型..................................................... 43
第四章 實驗結果與數據分析............................................................. 47
4.1 決策樹分類結果.................................................................... 47
4.1.1 廠牌與里程數為預測屬性..................................................... 47
4.1.2 廠牌與車齡為預測屬性......................................................... 50
4.2 類神經網路預測模型............................................................. 52
第五章 結論與建議........................................................................... 58
5.1 結論...................................................................................... 58
5.2 建議...................................................................................... 59
參考文獻................................................................................................. 60
附錄A...................................................................................................... 66
附錄B...................................................................................................... 67
附錄C...................................................................................................... 68
附錄D...................................................................................................... 69
Extended Abstract.................................................................................... 70
簡歷…………………………………………………………………………………. 74


1.Poly Analyst6.0的9項特點(2013)取自:http://www.pitotech.com.tw/。
2.尤韋棠(2011),維修服務業在零散型產業中的經營策略-以汽車維修業為例,國立中正大學,企業管理研究所,碩士論文。
3.王鑑銓(1985),台灣汽車客運公司車輛維修管理之研究,國立交通大學,交通運輸研究所,碩士論文。
4.台灣汽車經銷商售後服務顧客滿意度(2012)取自:http://www.jdpower.com/。
5.台灣汽車發展階段(2005)取自:http://www.evta.gov.tw/。
6.台北市汽車保養商業同業公會(2005),「汽車修理保養業未來發展之模式」,取自:http://www.car-service.org.tw/。
7.朱先勇(2011),車輛維修保養後客戶服務品質對顧客滿意度與顧客忠誠度的影響-以F汽車維修服務廠為例,萬能科技大學,經營管理研究所,碩士論文
8.汽車日報(2012),取自:www.autonet.com.tw。
9.何瑁鎧(2009),以地理資訊系統結合資料探勘方法從事ATM設點分析,國立政治大學,資訊科學學系,碩士論文。
10.李界輝(2012),顧客終身價值之衡量與應用:以汽車維修為例,屏東科技大學,科技管理研究所,碩士論文。
11.李弘裕(2012),有效權重資料探勘方法之研究,國立高雄大學,資訊工程學系碩士班,碩士論文。
12.李蔚局(2007),台灣原廠汽車維修產業研究與事業經營策略分析,國立中央大學,管理學院高階主管企管碩士班,碩士論文。
13.李雄飛、李軍(2003),數據挖掘與知識發現,高等教育出版社,北京市。
14.李昭男(2001),服務品質及價格對滿意度與忠誠度之影響─以國產車原廠汽車服務廠為例,大葉大學,事業經營研究所碩士班,碩士論文。
15.李平凡(2000),汽車維修產業經營模式轉型之研究,國立台北科技大學,生產系統工程與管理研究所,碩士論文。
16.李彥廷(1996),工作生活品質對服務品質與組織公民行為影響之研究-以汽車修護保養業為例,國立中山大學,人力資源管理所,碩士論文。
17.邱秀鳳(2002),利用類神經網路對左手、右手食指上抬運動與休息狀態下的腦波律動進行分類,國立中央大學,電機工程學系,碩士論文。
18.邱建華(1998),台北地區小客車駕駛人車輛保養維修消費行為之研究,淡江大學管科所,碩士論文。
19.易圖清(2004),汽車維修制度與顧客滿意度之研究,國立成功大學,管理學院高階管理碩士在職專班(EMBA),碩士論文。
20.林怡杏(2012),基於投影技術之模糊資料探勘方法之研究,國立高雄大學,資訊工程學系碩士班,碩士論文。
21.林彭銘(2009),應用資料探勘於信用卡高齡人士之顧客價值分析,真理大學,管理科學研究所,碩士論文。
22.林文燦,柯美珠(2007),「以資料探勘技術應用於教育訓練課程之規劃─以某A汽車公司為例」,2007中華民國品質學會第43屆年會暨第13屆全國品質管理研討會,台北市。
23.柯沛丞(2012),服務品質與顧客信任關係之研究-以台灣汽車維修保養廠為例,國立彰化師範大學,工業教育與技術學系,碩士論文。
24.柯宜君(1999),消費者認知之產品品質、服務品質及價格對滿意度及忠誠度之影響-於三種有形性比重不同服務業之比較,國立政治大學,企業管理學系,碩士論文。
25.陳耀斌(2011),以資料探勘工具分析網路數位命理使用者之特徵與行為模式,明新科技大學,碩士論文。
26.陳瀅至(2011),結合資料探勘技術之適地性行動服務遞送機制,國立臺灣海洋大學,資訊工程學系,碩士論文。
27.陳文祥(1995),服務品質與顧客滿意度之研究-以汽車修護保養業為例,輔仁大學,企業管理所,碩士論文。
28.孫惠民(2008),Web資料採掘技術經典,文魁資訊股份有限公司,台北市。
29.孫惠民(2007),資料採掘理論與實務規劃手冊,文魁資訊股份有限公司,台北市。
30.孫遜(1989),海軍汽車修理廠人力規劃之研究,國防管理學院,資源管理研究所,碩士論文。
31.郭耀鴻(2004),資料探勘應用於汽車修理保養業之顧客關係管理,義守大學,資訊管理所,碩士論文。
32.許家偉(2009),應用資料探勘技術探討大學生教育經驗與就業關係之研究:管理策略之分析,東海大學,行政管理暨政策學系,碩士論文。
33.許韋皓(2008),資料探勘技術於不孕症問題之分析與應用,暨南國際大學,管理學院經營管理碩士學位學程碩士在職專班,碩士論文。
34.張云濤、龔玲(2007),資料探勘原理與技術,五南圖書出版股份有限公司,台北市。
35.張仕杰(2011),基於服務導向架構概念與擴增實境技術之汽車維修保養專家系統開發,國立清華大學,工業工程與工程管理學系,碩士論文。
36.張振魁(2000),以類神經網路提高股票單日交易策略之獲利,國立中央大學,資訊管理學系碩士班,碩士論文。
37.張文俊(1993),我國汽車修護業之情境分析,國立中山大學,企業管理研究所,碩士論文。
38.張家瑞,洪境聰(2004),「鋪面工程資料採礦研究-Poly Analyst軟體應用」,第一屆台灣作業研究學會學術研討會暨2004年科技與管理學術研討會,台北市,頁1135-1136。
39.黃明顯(2004),建構汽車售後服務零件供應鏈創新策略之方法與實證研究-以和泰汽車為例,東吳大學,企業管理學系碩士在職專班,碩士論文。
40.黃家祚(2009),多目標資料採礦軟體中文使用手冊,皮托科技股份有限公司。
41.曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯(2005),資料探勘Data mining,旗標出版股份有限公司,台北市。
42.葉怡成(2000),類神經網路模式應用與實作,儒林圖書公司,台北市。
43.葉子傑(2012),汽車維修業導入行動APP與QR Code之盤點暨庫存管理系統-以NH公司為例,國立高雄應用科技大學,資訊管理系碩士在職專班,碩士論文。
44.新星出版社編輯部(2011),徹底圖解汽車構造完全百科,三悅文化圖書事業有限公司,新北市。
45.經濟部(1999),「汽車修理業管理辦法」取自:http://www.moeaidb.gov.tw/。
46.楊成宗(1996),「現代化安全環保之汽車維修廠與管理方式」,南港高工學報,第十四期,頁105-146。
47.鄭振德(2012),屏東地區中小型汽車維修廠消費者行為之研究:以A廠為例,屏東科技大學,高階經營管理碩士在職專班(EMBA),碩士論文。
48.鄭仰廷(2011),資料探勘技術於車輛引擎效率診斷之應用,國立臺灣海洋大學,電機工程學系,碩士論文。
49.廖述賢、溫志皓(2009),資料採礦與商業智慧,雙葉書廊有限公司,台北市。
50.趙民德(2002),「On CRISP-DM and Predictive Sampling」,中國統計學報,40卷,第4期,頁419-436。
51.劉智偉(2012),運用資料探勘技術於顧客關係管理之研究-以兒童牙醫診所為例,國立彰化師範大學,企業管理學系,碩士論文。
52.劉世琪(2002),應用資料挖掘探討顧客價值-以汽車維修業為例,朝陽科技大學,工業工程與管理所,碩士論文。
53.劉國峰(1992),汽車售後服務品質策略研究,大葉大學,事業經營所,碩士論文。
54.蔡正勝、徐銘善、蘇桔良(1997),汽車修理保養業概況,行政院勞工委員會職業訓練局,台北市。
55.賴其勛(1996),消費者抱怨行為、抱怨後行為及其影響因素之研究,國立台灣大學,商學研究所,博士論文。
56.盧炳勳、曹登發(1992),類神經網路理論與應用,全華科技圖書股份有限公司,台北市。
57.戴佳穎(2010),建構汽車維修零組件存貨策略之研究T公司-個案與系統模擬分析為例,國立東華大學,全球運籌管理所,碩士論文。
58.魏崢(2010) ,應用資料探勘技術於汽車維修業之研究,國立虎尾科技大學,工業與工程管理研究所,碩士論文。
59.蘇新寧、楊建林、鄧三鴻、周軍(2003),數據挖掘理論與技術,科學技術文獻出版社,北京市。

英文部分
1.Berry, M. J. and Linoff, G. (1997). Data Mining Techniques: For Marketing, Sale, and Customer Support, New York: John Wiley & Sons.
2.Berson, A., Thearling, K., and Smith, S. J. (1999). Building Data Mining Application for CRM, New York: McGraw-Hill.
3.Bose, I. and Mahapatra, R. K. (2001). “Business Data Mining–A Machine Learning Perspective”, Information & Management, Vol. 39, No. 3, pp. 211-225.
4.Cheng, C. S. and Cheng, H. P. (2011). “Using Neural Networks to Detect the Bivariate Process Variance Shifts Pattern”, Computers & Industrial Engineering, Vol. 60, No. 1, pp. 269-278.
5.Fayyad, U. & Stolorz, P.(1997). “Data Mining and KDD:Promise and Challenges”, Further Generation Computer Systems, Vol. 13, pp. 99-115.
6.Grupe, F. H. & Owrang, M. M. (1995). “Database Mining: Discovering New Knowledge and Cooperative Advantage”, Information Systems Management, Vol. 12, No. 4, pp. 26-31.
7.David J. Hand, Gordon Blunt, Mark G. Kelly, Niall M. Adams (2000). “Data Mining for Fun and Profit” .Statistical Science, Vol. 15, No. 2, pp. 111-131.
8.Hui, S. C. & Jha, G. (2000).“Data Mining for Customer Service Support”, Information & Management, Vol. 38, No. 1, pp. 1-13.
9.Hall, C. (1995a). “The Deville''s in The Detail:Techniques, Tool, and Applications for Data Mining and Knowledge Discovery Part1”, Intelligent Software Strategies, Vol. 6, No. 9, pp. 3.
10.Hall, C. (1995b). “The Devil’s in the Details: Techniques, Tool, and Application for Database Mining and Knowledge Discovery Part II”, Intelligent Software Strategies, Vol. 6, No. 9, pp. 1-16.
11.Keim, D. A., Panse, C., Sips, M. & North, S. C. (2004). “Pixel Based Visual Data Mining of Geo-Spatial Data”, Computers & Graphics, Vol. 28, pp. 327-344.
12.Kima, Y. S & Street, W. N. (2004). “An Intelligent System for Customer Targeting:A Data Mining Approach”, Decision Support Systems, Vol. 37, pp. 215-228.
13.Kuan, C. M. & White, H. (1994). “Artificial Neural Networks: An Econometric Perspective”, Econometric Reviews, Vol. 13, pp. 1-91.
14.Jain, A. K., Murty, M. N., and Flynn, P. J. (1999). “Data clustering:A Review” ACM Computing Surveys, Vol. 31, No. 3, pp. 264-323.
15.Stone, M., Woodcock, N. & Wilson, M. (1996). “Managing the Change from Marketing Planning to Customer Relationship Management”, Long Range Planning, Vol. 29, No. 5, pp. 675-683.
16.Nicholson, S. (2006). “The Basis for Bibliomining: Frameworks for Bringing Together Usage-Based Data Mining and Bibliometrics Through Data Warehousing in Digital Library Services”‚Information Processing & Management, Vol. 42, pp. 785-804.


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