二階式分群法IC封裝之應用

勤益科大機構典藏 > 管理學院 > 工業工程與管理系(所) > 【工業工程與管理系所】博碩士論文 > Item 987654321/1236

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/1236

題名:	二階式分群法IC封裝之應用 Applying two-stage clustering method to IC packageing
作者:	蘇旭東 Su, Hsu-Toung
貢獻者:	工業工程與管理系
關鍵詞:	資料採礦;分群技術;最小跨越樹;K-means;自我組織地圖 data mining;Clustering;Minimum spanning tree;K-means;Self-organizing maps
日期:	2005
上傳時間:	2008-10-06 13:31:08 (UTC+8)
摘要:	處於目前資料爆炸的時代，如何將龐大的資料有效率的轉換為可用的資訊是個重要議題，這也是資料採礦(Data mining)的研究逐漸受到重視的原因。而台灣半導體產業在全球半導體產業扮演極重要的角色，因此本研究應用資料採礦中的分群技術，以二階段分群方法分析國內某IC封裝廠的實際資料，期望能在實務上提供相關業者參考與改善的依據。在學術而言，也能在現有的研究成果上繼續成長。分群為一個重要且應用廣泛的資料採礦工具，主要目的是分析資料尋找群體，使得同群之間同質性高，不同群之間卻有顯著性的差異。根據現有文獻，針對如何改進分群結果，有學者建議結合自我組織地圖(Self-Organizing Maps; SOM)與K-means演算法的二階段分群法，其目的在於應用SOM來決定起始分群數K，然後再用K-means決定分群，這也是本論文所採用的研究架構之一。此外，本論文也探討先用SOM決定起始分群數K，然後再以最小跨越樹(Minimum spanning tree；MST)分群。使用最小跨越樹分群的主要優點是，解決樹狀結構問題傳統上已有效率不錯的演算法，且樹的結構易於了解，所分的群不依賴群的詳細幾何形狀。因為實際資料存在各屬性數值大小不一，為更客觀了解分群結果的差異，本研究除使用原始資料外，也採用其他二種資料轉換方法，亦即min-max與z-score(標準化)。綜合本研究的結果，就分群技術結果而言，先用SOM決定K，然後使用K-means的結果較優於先用SOM決定K，然後使用MST。更具體說，比較好的群聚是經過min-max資料轉換後，再先用SOM，然後使用K-means分群，其不但群內距離小，而且群與群之間的距離也比較明顯。就分群結果應用管理面而言，雖然SOM結合MST效果不是最好，但因為此法容易將離群值分為一群，而因為本論文採用的為實際資料，因此分出來的離群值雖然可能是雜訊，但卻值得我們進一步探討導致成為離群值的原因，這將有助於現場管理。
顯示於類別:	[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

文件中的檔案:

檔案	大小	格式	瀏覽次數
	0Kb	Unknown	1500	檢視/開啟

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....