進階搜尋


   電子論文尚未授權公開,紙本請查館藏目錄
(※如查詢不到或館藏狀況顯示「閉架不公開」,表示該本論文不在書庫,無法取用。)
系統識別號 U0026-0812200915372448
論文名稱(中文) 以資料探勘方法探討LCM生產排班法則之研究-以TFT-LCD產業為例
論文名稱(英文) A Data Mining Approach to Shift Assignment in LCM Production - A Case Study of TFT-LCD Industry in Taiwan
校院名稱 成功大學
系所名稱(中) 工業與資訊管理學系專班
系所名稱(英) Department of Industrial and Information Management (on the job class)
學年度 97
學期 2
出版年 98
研究生(中文) 黃永河
研究生(英文) Yung-ho Huang
學號 r3796115
學位類別 碩士
語文別 中文
論文頁數 65頁
口試委員 指導教授-利德江
口試委員-謝中奇
口試委員-王維聰
指導教授-吳植森
中文關鍵字 液晶顯示模組  效率  決策樹  關聯法則 
英文關鍵字 Liquid-Crystal Module  Efficiency  Association Rules  Decision Tree 
學科別分類
中文摘要 在過去10年間,半導體與光電產業已成為台灣產業的兩大支柱,而光電產業更在2007年年產值及出貨量首次超越韓國成為世界第一大。液晶顯示模組(Liquid-Crystal Module , LCM)屬於薄膜電晶體液晶顯示器TFT-LCD (Thin Film Transistor-Liquid Crystal Display) 產業中的後段製程,而LCM廠的最終檢查站則是確保完成製程的模組可以符合客戶要求規格出貨的關鍵作業區域,堪稱是LCM最後一道品質的防線;相異於其它製程區,是在現今的LCM工廠中較無法自動化,作業屬性屬於偏向於勞力密集之性質。本研究主要是藉由資料探勘方法之關聯法則(Association Rules)探勘出重要屬性間的關聯法則,並利用關聯法則中所探勘出來的重要屬性形成決策樹(Decision Tree),再與現場經驗法則作對比,找出符合經驗法則的Rules共計8條,而資料探勘所找出的隱含知識共計4條Rules;而這12條Rules的信賴水準皆在0.98以上,可以有力的證明該法則之信賴性;而根據該法則找出重要屬性共計有4項,分別為班別、加班狀況、A級產品等級比率及R級產品等級比率等4項重要屬性,可供生產線主管作為人力指派上之參考,透過如此改善可找出影響效率(Efficiency)的關鍵屬性,並精確、快速的依現場工作及人力的狀況,作出最適當的調度,讓現場以有限的資源,能夠有效提昇現場之良率以及產出;並可提供作為相關業界作業人員排班時之參考工具。
英文摘要 The Semiconductor and TFT-LCD(Thin Film Transistor-Liquid Crystal Display)Industry have become the two mainstays of Taiwan’s industries in the past ten years. In the Year of 2007, total sales and value of output of TFT-LCD was ranked No.1 in the world. Liquid Crystal Module (LCM) is a critical assembly produced in the final stage TFT-LCD fabrication. The final inspection in LCM shops keeps the quality of LCM finished products within required level to meet the outgoing quality specification. The LCM inspection is a labor intensive activitiy without automatic processing solution so far. This study presents a set of heuristic rules for shift assignment of inspection using data mining Approach. Twelve rules derivates from association can be used for assigning labors with specific profile for better operation efficiency. Eight out of the 12 rules coincident with empirical rules applied in shop floor. This approach can find out most important attributes in shfit assignment efficiency, which are Shift, Overtime Status, Percentage of A Grade Product ,and Percentage of R Grade Product.
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…………………………………………………………………………...1
1.3 研究主題、範圍與限制……………………………………………………………2
1.4 研究流程…………………………………………………………………………...2
1.5 論文架構…………………………………………………………………………...4
第二章、文獻探討……………………………………………………………………………6
2.1 效率………………………………………………………………………………...6
2.2 資料探勘………………………………………………………………………….10
2.3 關聯法則介紹…………………………………………………………………….13
2.4 大量資料擷取之關聯法則……………………………………………………….14
2.5 關聯法則的應用………………………………………………………………….18
2.6 決策樹模型簡介…………………………………………..……………………...20
第三章、研究方法…………………………………………………………………………..25
3.1 研究架構………………………………………………………………………….25
3.2 資料前置處理(Data Preprocessing)…………………………………………...26
3.3 研究設計………………………………………………………………………….29
3.4 資料探勘工具簡介……………………………………………………………….33
3.5 小結……………………………………………………………………………….34
第四章、實證研究與分析………………………………………………………….………36
4.1 實例介紹與說明………………………………………………………………….36
4.2 結果分析………………………………………………………………………….41
4.3 小結……………………………………………………………………………….55
第五章、結論與建議………………………………………………………………………56
5.1 結論……………………………………………………………………………….56
5.2 建議及未來方向………………………………………………………………….57
參考文獻……………………………………………………………………………………61
參考文獻 中文文獻

[1]王堅斌(2003),使用分類結合法與決策樹判別忠誠顧客,國立成功大學工業與資訊
管理系研究所碩士論文。
[2]古世凱(2006) ,關聯法則多元綜合指標之建立-以壽險公司資料為例,國立台北大學資訊管理系研究所碩士論文。
[3]余志聰(2005),售後服務型產品之客戶關係管理-以空調業為例,國立成功大學工業與資訊管理系研究所碩士論文。
[4]林惠英(2005),應用資料探勘技術於營業稅逃漏稅選案之研究,國立中正大學會計
研究所碩士論文。
[5]吳孟賢(2002),以全球資訊網為基礎之ERP資料探勘整合系統,國立交通大學資訊
管理系研究所碩士論文。
[6]許哲瑋(2002),資料挖掘與統計方法應用於資料庫行銷之實證研究-以美妝保養品
業為例,國立台北大學企業管理學系研究所碩士論文。
[7]陳曉芬(2005),應用資料挖礦技術於全民健康保險研究資料庫-以骨質疏鬆症為
例,大同大學資訊經營管理學系研究所碩士論文。
[8]陳宗亮(2007) ,應用資料探勘技術於線上拍賣使用者之研究,玄奘大學資訊科學
研究所碩士論文。
[9]黃士滔(1999),工廠管理,全華科技圖書股份有限公司,台北。
[10]曾素真(2007),以資料探勘分析多樣少量訂貨生產採購流程時間之研究,國立成功大學工業與資訊管理系研究所碩士論文。
[11]詹凱傑(2004),應用資料採礦技術於顧客流失分析之研究-以國產汽車維修業為例,東海大學工業工程與資訊經營研究所碩士論文。
[12]楊秉桓(2006),應用查詢關鍵字於網頁推薦系統之研究,國立屏東科技大學資訊管理系研究所碩士論文。
[13]劉宜妝(2002),資料採礦之應用研究─台灣地區漁市場行情資料庫之關聯法則分析,國立中正大學會計系研究所碩士論文。
[14]劉泓郁(2003),建構一個以模糊關聯法則為基礎之產品開發系統,元智大學工業工程與管理研究所碩士論文。
[15]蔡佺廷(2004),亞太地區主要紙業公司之生產效率及生產力變動評估,國立中興大學森林學系研究所博士論文。
[16]鐘依芸(2003),行動電話系統業務品質滿意度之研究-應用統計分析與決策樹法,元智大學工業工程與管理學系研究所碩士論文。
[17]饒美倫(2007) ,使用關聯法則預測與分析台灣樂透彩,大同大學資訊管理系研究所碩士論文。

英文文獻

[1]Agrawal, R. and Srikant, R. (1994), ”Fast Algorithms for mining association rules”, Proceedings of the 20th VLDB Conference, Santiago, Chile, pp. 487-799.
[2]Aigner, D., Lovell, C. A. K. and Schmidt, P. (1977), ”Formulation and estimation of stochastic frontier production function models”, Journal of Econometrics, Vol. 6, Issue. 1, pp. 21-37.
[3]Berry, M. J. A., Linoff. G. S., Bie. R. and Deng. J. Y. L. (2004), ”Data Mining Techniques : For Marketing, Sales, and Customer Relationship Management”, Hoboken : John Wiley & Sons, Inc.
[4]Brin, S., Motwani, R., Ullman, J. D. and Tsur, S. (1997), ”Dynamic itemset counting and implication rules for market basket data”, Proceedings of the 1997 ACM SIGMOD International Conference on Management of Data, 255-264.
[5]Chae, Y. m., Kim, H. S., Tark, K. C., Park, H. J. and Ho. S. H. (2003), ”Analysis of healthcare quality indicator using data mining and description support system.”, Expert Systems with Application, 24(2), 167-172.
[6]Charnes, A., Cooper, W. W. and Rhodes, E. (1981), ”Evaluating Program and Managerial Efficiency:An Application of Data Envelopment Analysis to Program follow through”, Management Science, Vol. 27, no. 6, pp. 668-697.
[7]Dan, B. and Armin, S. (2002), ”Data Mining for Improving a Cleaning Process in the Semiconductor Industry”, IEEE Transactions on Semiconductor Manufacturing, 15(1), 91-101.
[8]Daskalaki, S., Kopanas, I., Goudara, M. and Avouris, N. (2003), ”Data Mining for Decision Support on Customer Insolvency in Telecommunications Business”, European Journal of Operational Research, 145, 239-255.
[9]Delgado. M., Sanchez, D., Martin-Bautista, M. J. and Vila. M. (2001), ”Mining association rules with improved semantics in medical databases”, Artifical Intelligence in Medicine, l21, 241-245.
[10]Farrell, M. J. (1957), ”The Measurement of Productive Efficiency.”Journal of the Royal Statistical Society. Series A(General), Vol. 120, No. 3, pp. 253-290.
[11]Fayyad, U. M. (1996), ”Data Mining and Knowledge discovery:making sense out of data”, IEEE Intelligent Systems, Vol. 11, no. 5, pp. 20-25.
[12]Flexer, A. (2001), ”On the use of self-organizing maps for clustering and visualization.”, Intelligent Data Analysis, Vol. 5, no. 5, pp. 373-384.
[13]Genti, V., Gehrke, J. and Ramakrishnan, R. ( 1999), ”Mining very large databases”, IEEE Computer, Vol. 32, Issue. 8, pp. 38-45.
[14]Gleason, J. M. and Barnum, D. T. (1982), ”Toward Valid Measures of Public Sector Productivity: Performance Measures in Urban Transit”, Management Science, Vol. 28, no. 4, pp. 379-386.
[15]Han, J., Koperski, K. and Stefanovic, N. ( 1997), ”Geominer:A system prototype for spatial data mining”, Proceedings of the ACM SIGMOD Conference on Management of Data, pp. 553-556.
[16]Hendry, L. C., Kingsman, B. G.and Cheung, P. (1998), ”The effect of workload control(WLC)on performance in make-to-order companies.”, Journal of Operations Management, Vol. 16, Issue. 1, pp. 63-75.
[17]Kim, Y. S. and Street ,W. N. (2004), ”An intelligent system for customer targeting:a data mining approach”, Decision Support Systems, 37, 215-228.
[18]Kuo, R. J., Ho, L. M. and Hu, C. M. (2002), ”Cluster analysis in industrial market segmentation through artificial neural network.”, Computers & Industrial Engineering, Vol. 42, Issues. 2-4, pp. 391-399.
[19]Land, M. J. and Gaalman, G. J. C. (1998), ”The Performance of workload concepts in job shops : Improving the release method.”, International Journal of Production Economics, Vol. 56-57, pp. 347-364.
[20]Linoff, G. S. and Berry, J. A. (c2001), “Mining the Web : transforming customer data into customer value.”, New York : John Wiley & Sons.
[21]Luan, J. (2002), ”Data Mining and Knowledge Management In Higher Education-Potential Applications”, the Association for Institutional Research (42nd, Toronto, Ontario, Canada, June 2-5).
[22]Morello, B. C., Michaut, D. and Baptiste, P. (2001), ”A Knowledge Discovery Process For a Flexible Manufacturing System.”, Emerging Technologies and Factory Automation Proceedings of 8th IEEE International Conference, Vol. 1, pp. 651-658.
[23]Murthy, S. K. (1998), ”Automatic construction of decision trees from data: A multi-disciplinary survey”, Data Mining and Knowledge Discovery, Vol. 2, no. 4, pp. 345-389.
[24]Park, J. S., Chen, M. S. and Yu, P. S. (1995), ”An effective hash-based algorithm for mining association rules”, Proceedings of the 1995 ACM SIGMOD International Conference on Management of Data, pp. 175-186.
[25]Savasere, A., Omiecinski, E. and Navathe, S. (1995), ”An efficient algorithm for mining association rules in large databases”, Proceedings of International Conference on Very Large Data Bases, pp. 432-444.
[26]Shaw, M. J., Subramaniam, C., Tan, G. W. and Welge, M. E. (2001), ”Knowledge management and data mining for marketing”, Decision Support Systems, Vol. 31, Issue. 1, pp. 127-137.
[27]Toivonen, H. (1996), ”Sampling large databases for association rules”, Proceedings of International Conference on Very Large Data Bases, pp. 134-145.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2019-08-28起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2029-08-28起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw