運用羅吉斯回歸與決策樹方法預測斷膜異常之研究(以 B 公司為例)

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：26

、訪客IP：18.188.40.207

姓名

余清浴(fred yu) 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

運用羅吉斯回歸與決策樹方法預測斷膜異常之研究(以 B 公司為例)

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]

至系統瀏覽論文 ( 永不開放)

摘要(中)

近年來製造業陸續投入數位化、智能化轉型，製造業是驅動經濟發展、創造就業的火車頭，智慧製造是策略目標，其中數據驅動更是核心重點，在大數據分析和人工智慧等日益成熟的新技術，可以更容易把決策者、老師傅的智慧轉化為規則或數學模式，有效結合領域知識和研判各種相關資訊，利用決策模型做決策讓決策模型能夠不斷地精進，使製造生產愈來愈智能化。
本研究收集機台感測器輸出訊號及人工紀錄的數據，運用資料探勘的羅吉斯回歸與決策樹方法做數據分析，讓管理者得到有價值的資訊，建立斷膜預測模型，改善人工分析的低準確率，透過預知診斷異常狀態，提早下預防對策，達到降低斷膜發生率，減少報廢金額及增加產能。

摘要(英)

In recent years the manufacturing industry has successively invested in digital and intelligent transformation，the manufacturing industry is the locomotive driving economic development and creating employment，smart manufacturing is a strategic
goal，among which data-driven is the core focus，in the increasingly mature of new technologies such as big data analysis and man-made intelligence can easily to
convert the wisdom of decision makers and teachers into rules or mathematical models，effectively combining domain knowledge and studying judging various related information，Use decision-making models to make decisions ，so that decision-making models can continuously forge ahead，making manufacturing more and more intelligent。

This research collects the output signal of the machine′s sensor and the man-made recorded data，and uses the logistic regression and decision tree methods of data exploration for data analysis，allow managers to obtain valuable information，establish predictive model of film breakage，improve the low accuracy of manual analysis，and through predictive diagnosis to diagnose abnormal conditions，early preventive measures to reduce the incidence of film breakage，reduce scrap amount and increase production capacity。

關鍵字(中)

★ 資料探勘
★ 羅吉斯回歸
★ 決策樹
★ 預知診斷

關鍵字(英)

★ Data mining
★ Logistic regression
★ Decision tree
★ Predictive diagnosis

論文目次

摘要 iv
Abstrct v
誌謝 vi
目錄 vii
表目錄 ix
圖目錄 xi
第一章緒論 1
1.1 研究背景與動機 1
1.2 研究目的與範圍 3
1.3 研究流程 4
第二章文獻探討 5
2.1 大數據分析對企業重要性的相關論述 5
2.2 資料探勘、羅吉斯回歸與決策樹分類的介紹 10
第三章研究方法 16
3.1 研究架構 16
3.2 研究資料選擇與準備 18
3.3 研究工具 24
第四章個案分析 29
4.1 個案公司的概況 29
4.2 分析軟體工具 30
4.3 模型建立模型建立 31
4.3.1 SAS軟體的分析軟體的分析流程設計流程設計 31
4.3.2 分析資料的分割與調整 32
4.3.3 兩種演算法的預測模型 33
4.3.4 使用新資料做模型驗證 57
4.3.5 先決策樹分類再羅吉斯回歸的複合運用 58
4.4 模型比較 59
第五章結論 65
5.1 結論 65
5.2 具體建議與未來研究方向 67
參考文獻 70

參考文獻

一、中文文獻
1. 江逸之 2019 「 2000 大企業數位轉型與人才大調查白皮書」取自
https://futurecity.cw.com.tw/article/1122 。
2. 簡禎富， 2019 「工業 3.5 : 台灣企業邁向智慧製造與數位決策的戰略」台北市 : 天下雜誌股份有限公司。
3. 林浩穎， 2018 「運用物聯網與資料探勘對小麥草進行數據分析(未出版之碩士論文)」，國立臺北科技大學，台北市。
4. 陳冠吟， 2017 「決策樹、羅吉斯迴歸與類神經網路預測員工績效之比較研究(未出版之碩士論文)」，國立中央大學，桃園市。
5. 陳蕙婷，2017 「以決策樹探討電信業預付型產品客戶流失預警模式 (未出版之碩士論文)」，國立臺北科技大學，台北市。
6. 鄧莉雅，2015 「決策樹分析與羅吉斯迴歸於資料探勘的整合運用以人事資料與民眾健康影響因素之探討為例(未出版之碩士論文)」，國立台灣師範大學，台北市。
7. 謝孝鴻， 2014 「大學生情侶送禮推薦之研究邏吉斯迴歸模型、約略集合與決策樹模型之比較(未出版之碩士論文)」，私立東吳大學，台北市。
8. 楊顯爵，林左裕，陳宗豪， 2007 「住宅抵押貸款違約之研究影響因素之顯著性分析」國科會補助研究案-台灣土地研究，第 11 卷，第 2 期，第 1~ 36頁。
9. 黃志勝， 2018 「機器/統計學習:羅吉斯回歸」，取自
https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8 -E7%B5%B1%E8%A8%88%E5%AD%B8%E7%BF%92-%E7%BE%85%E5%90%89
%E6%96%AF%E5%9B%9E%E6%AD%B8-logistic-regression- aff7a830fb5d。
10. 黃振綱， 2019 「以資料探勘決策樹分析探討基金指標之研究(未出版之碩士論文)」，私立東吳大學，台北市。
11. 王俊堯、陳暎仁、簡禎富， 2018 「探針卡印刷電路板電鍍銅製程關鍵參數搜尋之資料挖礦架構與實證研究」，品質學報第 26 卷，第 6 期，第361~379頁。
12. 盧瑜芬，2006 「使用三種資料探勘演算法-類神經網路、邏輯斯迴歸及決策樹-預測乳癌患者存活情形之效能比較(未出版之碩士論文)」，國立國防醫學院，台北市。
13. 李佳怡，2008「利用決策樹、邏輯斯迴歸及類神經網路複合模型分析公開微陣列資料集乳癌復發基因及其效能之探討(未出版之碩士論文)」，國立國防醫學院，台北市。
14. 簡禎富、許嘉裕， 2014 「資料挖礦與大數據分析」，新北市：前程文化事業有限公司。
15. 蔡建成 2007 「運用資料探勘技術進行選股決策(未出版之碩士論文)」，國立高雄應用科技大學，高雄市。
16. 蔡佳芳 2008 「考量資訊揭露透明度之公司預警模型(未出版之碩士論文)」，國立宜蘭大學宜蘭市。
17. 李忠祐， 2019 「運用數位影像法及羅吉斯迴歸探討鹼-骨材反應引致之裂縫行為(未出版之碩士論文)」，國立中央大學，桃園市。
18. 羅凱揚、蘇宇暉 2020，「分類器評估方法-ROC曲線、AUC、 Accuracy、PR曲線」，取自
https://medium.com/marketingdatascience/%E5%88%86%E9%A1%9E%E5%99%A8%E8%A9%95%E4%BC%B0%E6%96%B9%E6%B3%95-roc%E6%9B%B2
%E7%B7%9A-auc-accuracy-pr%E6%9B%B2%E7%B7%9A-d3a39977022c。

二、英文文獻
19. Carvalho, T. P., Soares, F A. A. M. N. Vita, R., Francisco , R d P.P., Basto, J P.P., Alcala , S . G. S. November 2019 , “A systematic literature review of machine
learning methods applied to predictive maintenance ”, Computers & Industrial Engineering Vol. 137.
20. Lee, J., Bagheri, B., Kao H. A., January 2015, “A Cyber Physical Systems architecture for Industry 4.0 based manufacturing systems ”, Manufacturing Letters,Vol. 3, pp. 18-23.
21. Zhong R. Y. Xu, X., Klotz E .., Newman , S T.T., October 2017, “Intelligent Manufacturing in the Context of Industry 4.0: A Review” Engineering Vol. 3 , pp.616-630.
22. Wang, J., Ma, Y., Zhang, L., Gao, R X. Wu , July 2018, “Deep learning for smart manufacturing: Methods and applications” applications”, Journal of Manufacturing
Systems , Vol 48, Part C , pp. 144-156.
23. Yin, S., Li, X., Gao, H., Kaynak O., January 2015 , “
Data Based Techniques Focused on Modern Industry: An Overview IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS,
Vol 62, No. 1 , pp. 657-667.
24. Amasyali, K., Gohary , N. M. E., January 2018 , “A review of data driven building energy consumption prediction studies” Renewable and Sustainable Energy
Reviews Vol. 81 , Part 1, pp.1192-1205.
25. Simester, D., Timoshenko, A., Zoumpoulis, S. I., July 2020, “Targeting Prospective Customers: Robustness of Machine Learning Methods to Typical Data Challenges ”, Management Science, Vol. 66, No. 6, pp. 2495-2522.
26. Kuo , L., October 2019, “ThingWorx IoT” PTC IoT Workshop File.
27. Kuo , L., November 2018, “ThingWorx Analytics ”, Analytics Workshop File.
28. Turban, E., Sharda, R., Delen, D., 2011,“Decision support and business intelligence systems ”,9th ed. ed., Boston : Prentice Hall.
29. Gay, L. R.,1992, “Educational research competencies for analysis and application”, Macmillan, New York.
30. Chawla, N. V., Bowyer, K. W., Hall, L. O., Kegelmeyer, W. P., June 2002,“Synthetic Minority Over-sampling Technique ”, Journal of Artificial Intelligence
Research, Vol. 16.

指導教授

陳振明(Jen-Ming Chen)

審核日期

2021-1-13

推文