應用資料探勘於預測半導體價格之研究 - 以 DRAM 為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：32

、訪客IP：18.222.80.122

姓名

林亞嫺(Ya-Hsien Lin) 查詢紙本館藏

畢業系所

工業管理研究所在職專班

論文名稱

應用資料探勘於預測半導體價格之研究 - 以 DRAM 為例

相關論文

★ 應用灰色理論於有機農產品之經營管理— 需求預測及關鍵成功因素探討	★ NAND型Flash價格與交運量預測在風險分析下之決策模式
★ 工業電腦用無鉛晶片組最適存貨政策之研究-以A公司為例	★ 砷化鎵代工廠磊晶之最適存貨管理-以W公司為例
★ 資訊分享&決策制定下產銷協同關係之研究 -以IC設計業為例	★ 應用分析層級法於電子化學品業委外供應商評選準則之研究
★ 應用資料探勘於汽車售服零件庫存滯銷因素分析-以C公司為例	★ 多目標規劃最佳六標準差水準: 以薄膜電晶體液晶顯示器C公司製造流程為例
★ 以資料探勘技術進行消費者返廠定期保養之實證研究	★ 以價值鏈觀點探討品牌公司關鍵組織流程之取決-以S公司為例
★ 應用產銷協同規劃之流程改善於化纖產業-現況改善與效益分析	★ 權力模式與合作關係對於報價策略之影響研究—以半導體產業A公司為例
★ 應用資料探勘於汽車製造業之庫存原因分析	★ 以類神經網路預測代工費報價---以中小面板產業C公司為例
★ 電路板產業存貨改善研究-以N公司為例	★ 運用六標準差改善機台備用零件(Spare parts)存貨管理

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隨著消費性電子產業的蓬勃發展，電子產品的不斷推陳出新，半導體產業近幾十年來，在現在科技發展中扮演著非常重要的角色，而動態隨機存取記憶體（Dynamic Random Access Memory，DRAM）及其DRAM記憶體模組產品，更是半導體產業中不可或缺的一環，相對的，供應鏈DRAM產業更具有舉足輕重的地位。
影響DRAM價格漲跌的原因甚為複雜，例如同業的加入與退出、製程技術的提升、市場景氣的循環、消費性電子產業的升級…等等均可能影響DRAM的價格。本研究以DRAM產業為例，希望綜合考量並彙整出影響DRAM現貨價格的因子，並使用資料探勘分析來探討DRAM現貨價格的準確度，進而提供業界更精準的採購成本預測。
若能有效的預測DRAM現貨價格走勢，對採購者而言除可增加獲利能力，更可減少投資的風險性及庫存跌價的損失，進而採取相對應的採購策略，降低公司營運險，並做為研訂公司經營策略之依據。
研究結果顯示，透過資料探勘之類神經網路分析的方法預測DRAM現貨價格的平均平方誤差 (Average Square Error) 最小，代表其預測準確度最高，可說明資料探勘的方法用於預測DRAM現貨價格走勢，是具有相當參考價值的預測模型。

摘要(英)

With the development of the consumer electronics industry, semiconductor industry in recent decades plays a very important role in the field of science and technology now. DRAM (Dynamic Random Access Memory) and DRAM memory products are highly performing the outstanding segment in semiconductor industry, and DRAM industry supply chain relatively has more pivotal position.
The causes of price fluctuation of DRAM products are complicated, such as new comer of DRAM manufacture or DRAM players leave, the new technology lead-in, the market cycle and the upgrade of consumer electronics products... etc. may affect the price fluctuation of DRAM products respectively.
In this study, taking the DRAM industry for example, is intending to compile a comprehensive factor of DRAM spot prices and use data mining analysis to investigate the accuracy of DRAM spot prices, thereby providing a more accurate cost forecasts of procurement. If we can effectively predict DRAM spot prices, purchasers can increase profitability by reducing the risk of investment and declining the inventory loss, and then take the corresponding procurement strategy. It would further provide the basis for the high-end management strategy of the company.
The results concluded that the minimum average square error (ASE) of prediction of DRAM spot prices is revealed from the neural network analysis, on behalf of its highest accuracy of prediction explain that data mining method could be used to predict the DRAM spot price movements, and it is considerable tool to predict the market price respectively.

關鍵字(中)

★ 半導體產業
★ DRAM現貨價格
★ 資料探勘

關鍵字(英)

★ Semiconductor industry
★ DRAM spot prices
★ data mining

論文目次

中文摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 vi
表目錄 vii
第一章緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究範圍 2
1.4 研究架構與流程 3
第二章產業分析與文獻探討 5
2.1 半導體產業分析 5
2.1.1 全球半導體市場概況 5
2.1.2 全球前三大DRAM廠商概況 6
2.1.3 DRAM產業特性與市場未來成長 7
2.2 資料探勘 11
2.2.1 資料探勘定義 11
2.2.2 資料探勘流程 13
2.2.3 資料探勘技術 14
第三章研究方法 15
3.1 研究架構與對象 15
3.2 研究方法 17
3.2.1 迴歸分析 17
3.2.2 決策樹 20
3.2.3 類神經網路 24
第四章個案研究與探討 27
4.1資料蒐集 27
4.2 建構模型與模型分析 32
4.2.1 多元線性迴歸 33
4.2.2 決策樹 35
4.2.3 類神經網路 40
4.3 綜合分析與討論 41
第五章結論與建議 43
5.1 研究結論與貢獻 43
5.2 後續研究與建議 45
參考文獻 46
附錄 A 49
附錄 B 53

參考文獻

﹝1﹞ 曾淑峰、林志弘、翁玉麟著，資料採礦應用以SAS Enterprise Miner為工具，梅霖文化事業有限公司，台北市，2012。
﹝2﹞ 廖述賢、溫志皓，資料採礦與商業智慧，第一版，雙葉書廊有限公司，台北市，2009。
﹝3﹞ 郭久蓁，「應用資料探勘技術於媒體使用行為之研究－以2004 世新傳播資料庫為例」，世新大學，碩士論文，2005。
﹝4﹞ 呂靜怡，「DRAM產業分析與現貨價格預測之研究」，東吳大學，碩士論文，2008。
﹝5﹞ 王瓊敏，「電腦關鍵零組件之價格預測模式」，中央大學，碩士論文，2000。
﹝6﹞ 吳福立，「DRAM價格變動模式之探討」，國立交通大學，碩士論文，1999。
﹝7﹞ 蔡元哲，「動態DRAM 價格之模擬分析--從DRAM 產業及PC產業之研究」，國立臺灣大學，碩士論文，2003。
﹝8﹞ 蔡政宏，「DRAM 產業特性與架構發展趨勢研究」，國立交通大學，碩士論文，1999。
﹝9﹞ 郭信宏，「應用資料探勘技術於面板檢測實證研究」，中央大學，碩士論文，2008。
﹝10﹞ 邵莉雅，「龐大資料集之線性迴歸分析」，中央大學，碩士論文，2003。
﹝11﹞ 張昱仁，「以類神經網路技術預測半導體價格之研究 - 以DRAM 為例」，逢甲大學，碩士論文，2009。
﹝12﹞ 童冠燁、陳國聖，「資料探勘於外籍勞工逃逸管理之研究」，真理大學，智慧型知識經濟暨第二屆演化式計算應用研討會論文，2004。
﹝13﹞ 韋瑞、鄭宇庭、鄧家駒等人編著，DATAMINING概述—以Clementine 7.0為例，中華資料採礦協會發行，台北市，2003。
﹝14﹞ 謝邦昌、邱志洲，類神經網路分析（Neural Network Analysis），曉園出版社，台北市，2000。
﹝15﹞ 葉怡成，類神經網路模式應用與實作，儒林圖書公司，台北市，2000。
﹝16﹞ 吳宗正，迴歸分析:理論與應用，復文書局，台南市，1987。
﹝17﹞ 證券櫃檯買賣中心OTC，取自http://www.otc.org.tw/ch/regular_emerging/ic2/introduce.php?ic=D000
﹝18﹞ 世界半導體貿易統計(WSTS)，取自http://wsts.org/
﹝19﹞ 工研院IEK產業情報網，取自http://ieknet.iek.org.tw/
﹝20﹞ 電子時報，取自http://www.digitimes.com.tw
﹝21﹞ DRAMeXchange，取自http://tw.dramexchange.com/
﹝22﹞ 維基百科，取自http://www.wikipedia.org/
﹝23﹞ 三星電子，取自http://www.samsung.com/global/business/semiconductor/
﹝24﹞ SK Hynix海力士，取自http://www.skhynix.com/en/index.jsp
﹝25﹞ 美光，取自http://www.micron.com/
﹝26﹞ Hirokai Likeda and Inuka,“ High Speed DRAM Architecture Development“, IEEE Jounal of Solid State Circuits，Vol 34.NO 5，1999.
﹝27﹞ Altman, E.I., “Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy＂Journal of Finance 22, pp.589~610，Sep 1968.
﹝28﹞ Kimoto,T. and K. Asakawa,“Stock market predication system with modular networks”, IJCNN-90-Wash,1, pp1-6, 1990.
﹝29﹞ Schoneburg, E., “stock price prediction using neural networks: a project report” , Neurocomputing, 2, pp. 17-27, 1996.
﹝30﹞ Frawley, W. J., Paitetsky-Shapiro, G. and Matheus, C.J., “Knowledge Discovery in Databases: An Overview Knowledge Discovery in Database “, AAAI/MIT Press , 1991.
﹝31﹞ P. Cabena, P. O. Hadjinian, R. Stadler, DR. J. Verhees, and A. Zanasi, “Discovering Data Mining from Concept to Implementation,” Prentice Hall, 1997.
﹝32﹞ Fayyad, U., Piatetsky-Shapiro, M., Smyth, G., and Uthurusamy, R. “Advances in Knowledge Discovery and Data Mining,” AAAI Press /MIT Press, pp.1-36, 1996.
﹝33﹞ Berry, M., and Linoff, G. “Data mining Techniques: For Marketing, Sales, and Customer Support,” John Wiley & Sons, Inc, pp.1-30, 1997.
﹝34﹞ Friedman C. P. and Wyatt J. C., “Evaluation Methods in Medical Informatics,” Springer-Verlag New York Inc., 1997.
﹝35﹞ Quinlan, J.R., “Induction of Decision Trees”, Machine Learning, Vol.1, pp.81-106, 1986.
﹝36﹞ Quinlan, J.R., “C4.5: Programs for Machine Learning”, Morgan Kaufmann Publishers, 1993.
﹝37﹞ Kass G. V., “An Exploratory Technique for Investigating Large Quantities of Categorical Data”, Applied Statistics, Vol. 29, No. 2. , pp. 119-127, 1980
﹝38﹞ Brieman, L., Friedman, J., Olshen, R., and Stone, C. “Classification and Regression Trees,” Wadsworth International Group, Monterey, CA, 1984.
﹝39﹞ M. S. Chen, J. Han, 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, December 1996.

指導教授

陳振明(Jen-Ming Chen)

審核日期

2014-7-24

推文