臺灣博碩士論文加值系統

我們從飲水機廠商的角度，以「賣飲水服務」為主的新商業模式—Pay-per-liter為出發點，用物聯網技術蒐集飲水機資料，設計演算法抓出用水Pattern，並使用線性回歸模型預測用水量，再應用分層式抽樣方法估計全校一個月的平均用水量，以了解目前台灣科技大學的飲水狀況，分析目前模式下每公升的飲水成本，並提出價格計算公式，以做為未來發展Pay-per-liter服務的參考依據，使得廠商能夠在更清晰透明的結構下，思考新的價格策略。

From the perspective of water dispenser manufacturers, we take the new business model, Pay-per-liter, as the starting point. Used Internet of Things technology to collect the data from the water dispenser, designed algorithms to capture water patterns and used linear regression model predicted the water consumption. And then used the stratified sampling method to estimate the average water consumption per month in NTUST, in order to understand the current drinking water use and analyze the drinking water cost per liter in the present business model. Finally, proposed a price evaluation formula as a reference for developing pricing strategies of Pay-per-liter services in the future.

論文摘要 III
目錄 VI
圖目錄 VIII
表目錄 X
第1章 緒論 1
1.1 研究動機與目的 1
1.2 背景介紹 2
1.3.1 Pay-per-liter介紹 2
1.3.2 飲水機基本動作原理介紹 3
1.3.3 IoT-enabled飲水機系統介紹 7
1.3.4 分層抽樣法(Stratified Sampling) 8
1.3 章節提要 10
第2章 系統架構設計 11
2.1 研究參數定義 11
2.2 限制與挑戰 13
第3章 實驗方法 15
3.1 資料蒐集與過濾 15
3.1.1 取樣點之選擇 15
3.1.2 資料正確性與穩定性 15
3.1.3 資料集 17
3.2 方法一：Naïve Algorithm 18
3.2.1 參數定義 20
3.2.2 參數計算 20
3.3 方法二：Linear-regression-based Algorithm 23
3.3.1 模型選用及參數定義 23
3.3.2 資料前處理 24
3.3.3 異常值處理 25
第4章 結果與驗證 29
4.1 演算法效果比較 29
4.1.1 Naïve Algorithm 30
4.1.2 Linear-regression-based Algorithm 31
4.2 演算法結果討論 34
4.3 全校飲水量估測結果 36
4.3.1 各群用水量討論 37
4.3.2 月平均用水量 39
第5章 應用 40
5.1 飲水成本 40
5.2 濾心壽命 42
第6章 結論與未來展望 44
參考文獻 45

[1] I-Chi Liu., “Dispenser Management Platform for Pay-per-liter Service,” M.S. thesis, Electronic and Computer Engineering Dept. NTUST., Taiwan, 2019. Accessed on: 1, 11, 2019. Available: https://hdl.handle.net/11296/j2wvbe
[2] Lisa Goldapple. (2016, November 21). Let there be (intelligent) light [Online]. Available: https://atlasofthefuture.org/project/pay-per-lux/
[3] 賀眾牌ACUO [Online]. Available: https://9000.com.tw/
[4] W. Z. Cheng, R. G. Cheng, and S. Y. Chou, “Power-saving for IoT-enabled water dispenser system,” 42nd International Conference on Telecommunications and Signal Processing (TSP), Budapest, Hungary, July 1-3, 2019.
[5] 3egreen Current Meter [Online]. Available: http://3egreenserver.ddns.net/website
[6] Thingworx IoT Platform : https://www.ptc.com/en/products/iot/technology-platform-thingworx
[7] Understanding Stratified Samples and How to Make Them. [Online]. Available: https://www.thoughtco.com/stratified-sampling-3026731
[8] W.G. Cochran, "Stratified random sampling," in Sampling Techniques, 3th ed. New York: John Wiley & Sons., 1977, pp. 89-114.