政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/118222

政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/118222

English | 正體中文 | 简体中文 | Post-Print筆數 : 27 | 全文笔数/总笔数 : 113303/144284 (79%)
造访人次 : 50809677 在线人数 : 607

RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.

搜寻范围

查询小技巧：

您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果

若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据

进阶搜寻

主页 ‧ 登入 ‧ 上传 ‧ 说明 ‧ 关于政大典藏 ‧ 管理

到手机版

政大機構典藏 > 商學院 > 統計學系 > 學位論文 > Item 140.119/118222

请使用永久网址来引用或连结此文件: https://nccur.lib.nccu.edu.tw/handle/140.119/118222

题名:	大數據分析電子公司維修狀況 Big data analysis for maintenance status of electronics company
作者:	郭九一 Kuo, Chou-Yi
贡献者:	周珮婷 Chou, Pei-Ting 郭九一 Kuo,Chou-Yi
关键词:	存活分析類神經網路探索性資料分析非監督式學習 Survival analysis Unsupervised learning Exploratory data analysis Neural networks
日期:	2018
上传时间:	2018-07-03 17:24:01 (UTC+8)
摘要:	本研究主要探討以A公司為例，產品可能會受到天氣影響熱漲冷縮造成之維修因素，因此探討產品維修量在中國地區是否受季節因素影響，並準確預測其產品每月之維修數量。首先因為中國維修站以及維修點位種類眾多，我們以非監度式學習的方法，將中國大陸的各維修站在切割式分群下，利用溫度搭配經緯度分群，同樣的將維修點位在切割式分群下，利用每個月的維修數量分群，因某些點位之間數量差異甚大以致於群間差異大，接著進行資料探索，找出季節對於不同特殊維修點位的維修數量是否存在顯著影響，以及找出分群過後的維修站在不同維修點位下的分配，利用視覺化的方式觀察出夏天對於維修數量有顯著影響，且越接近沿海地帶與緯度低者最為顯著。接著利用類神經網路預測在維修點位數量最多的LP01上的產品維修數量，分別適配兩種類神經網路，一種是倒傳遞網路(Backpropagation Network)，有接收、傳遞、產生等基本功能，其中包含處理單元、層與網路，因隱藏層的關係，它們允許變數與預測變量之間的非線性關係，透過已知變數輸入到輸入層，直接預測維修數量與維修率，另一種方法為時間序列類神經網路(Neural network autoregression)，預測效果比倒傳遞網路好，可以有效預測在不同維修站群在維修產品上的分配與走向。 The current study investigated the reason for product repairs in the Enterprise A. The impact of weather on the amount of repaired product was discussed and the amount of future product repair was predicted. First, unsupervised learning methods were used to group the repair locations in China by their temperature, latitude, and longitude. In addition, repair parts were grouped using the number of repairs per month. Second, EDA was used to discuss the charateristics of each group of repaired parts. Later, Neural network techniques were used to predict the amount of future product repairs on LP01. The results of back-propagation network and neural network autoregression were compared. We found that sever weather affect the amount of product repairs. Hot temperature can significantly impact the performance of product, especially in coastal areas and low latitude regions. We suggest the company to establish a standard way or rule to collect and store maintenance and prouct repair information for future analysis.
參考文獻:	Abbas, O. A. (2008). Comparisons Between Data Clustering Algorithms. Int. Arab J. Inf. Technol., 5(3), 320-325. Athana¬sopou¬los, G. &. Hyndman, R. J. (2014).Forecasting: principlesand practice. Retrieved from https://www.otexts.org/fpp/9/3 Boukelif, A. & Faraoun, K. M. (2005). Neural Networks Learning Improvement using the K-Means Clustering Algorithm to Detect Network Intrusions Ferreira, L. & Hitchcock, D. B.(2009). A Comparison of Hierarchical Methods for Clustering Functional Data doi: 10.1080/03610910903168603 Murtagh, F., & Legendre, P. (2014). Ward’s Hierarchical Agglomerative Clustering Method:Which Algorithms Implement Ward’s Criterion Journal of Classification 31:274-295 doi: 10.1007/s00357-014-9161-z 高千琇（民93）。《工業區設置對台灣地區製造業廠商存活之影響—以電力及電子機械器材製造修配為例》陳翠玲、紀雍華、陳孟詩、林沛練(民104)。應用縱向資料K-means群集方法之臺灣雨量分區研究。
描述:	碩士國立政治大學統計學系 105354017
資料來源:	http://thesis.lib.nccu.edu.tw/record/#G1053540171
数据类型:	thesis
DOI:	10.6814/THE.NCCU.STAT.001.2018.B03
显示于类别:	[統計學系] 學位論文

文件中的档案:

档案	大小	格式	浏览次数
017101.pdf	2755Kb	Adobe PDF2	13	检视/开启

在政大典藏中所有的数据项都受到原著作权保护.

社群 sharing

著作權政策宣告 Copyright Announcement

1.本網站之數位內容為國立政治大學所收錄之機構典藏，無償提供學術研究與公眾教育等公益性使用，惟仍請適度，合理使用本網站之內容，以尊重著作權人之權益。商業上之利用，則請先取得著作權人之授權。
The digital content of this website is part of National Chengchi University Institutional Repository. It provides free access to academic research and public education for non-commercial use. Please utilize it in a proper and reasonable manner and respect the rights of copyright owners. For commercial use, please obtain authorization from the copyright owner in advance.

2.本網站之製作，已盡力防止侵害著作權人之權益，如仍發現本網站之數位內容有侵害著作權人權益情事者，請權利人通知本網站維護人員(nccur@nccu.edu.tw)，維護人員將立即採取移除該數位著作等補救措施。
NCCU Institutional Repository is made to protect the interests of copyright owners. If you believe that any material on the website infringes copyright, please contact our staff(nccur@nccu.edu.tw). We will remove the work from the repository and investigate your claim.

DSpace Software Copyright © 2002-2004 MIT & Hewlett-Packard / Enhanced by NTU Library IR team Copyright © - 回馈