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：37

、訪客IP：18.225.195.153

姓名	林艷(Yan Lin )  查詢紙本館藏	畢業系所	資訊管理研究所
論文名稱	以資料挖礦法則發掘Tree-Based系統效能型態-以ERP系統為例
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)	本論文主要是結合資料挖礦技術中的序列關聯規則與有根樹資料結構，發展出適合Tree-Based系統效能資料特性的演算法－TTS（Tree Topology Sequences）。針對樹狀序列資料結構，以及數值屬性資料的處理技巧提出的TTS演算法，可針對系統管理者感興趣的階層進行挖掘，找出的關聯規則可以幫助系統管理者從大量詳細的系統效能資料中找出潛藏的訊息，同時可以發現觀測現象發生的序列變化，這些資訊可以供系統管理者維持系統的運作、分析和矯正錯誤、增進系統效能，讓使用者更接受和信任這套系統。 ERP系統被視作企業運轉的基礎，在企業中扮演著重要的角色，模擬整個企業的運作，這麼重要的一套系統，如果因出現問題而停頓的話，將會造成企業很大的損失，因此系統的穩定性相當重要。本論文的TTS演算法應用在ERP系統的效能分析上，幫助系統管理員整理出很多有意義的特徵規則或系統效能的型態（pattern）。
關鍵字(中)	★ ERP系統效能型態 ★  樹狀序列資料 ★  資料挖礦 ★  關聯規則	關鍵字(英)
論文目次	目　　　錄 第1章　緒論1 1.1　研究動機1 1.2　研究目的1 1.3　研究方法2 1.4　論文結構3 第2章　文獻探討4 2.1　資料挖礦4 2.1.1　關聯規則（Association rules）5 2.1.2　關聯規則的有趣性8 2.1.3　挖掘序列關聯規則9 2.1.4　挖掘一般化和多階層的關聯規則12 2.1.5　挖掘數值關聯規則17 2.1.6　不同資料結構下之資料挖礦19 2.2　 系統效能分析21 第3章　資料結構23 3.1　資料簡介23 3.2　樹狀資料結構23 3.3　樹狀資料結構的儲存24 第4章　演算法28 4.1　數值屬性資料的處理28 4.2　興趣度向量30 4.2　TTS演算法30 4.4　演算法細部解釋：32 第5章　範例說明41 5.1　SAP R/3 RELEASE4.0系統描述41 5.1.1　SAP R/3系統架構41 5.1.2　SAP R/3系統的監控架構42 5.1.3　SAP R/3系統效能資料的結構44 5.1.4　資料擷取46 5.2　範例說明49 5.2.1　前置處理50 5.2.2　演算法的範例說明52 第6章　系統實作58 6.1系統流程58 6.2系統介面59 第7章　結論與建議64 7.1　結論與貢獻64 7.2　未來研究方向與建議64 參考文獻66 圖　目　錄 頁次 圖2-1：概念階層的例子，來源[19]14 圖2-2：一般化的關聯圖，來源[19]15 圖2-3：概念階層樹，來源[7]16 圖3-1：有根樹的資料結構25 圖3-2：以陣列形式表示樹狀結構的例子25 圖3-3：系統效能資料以樹狀結構表示26 圖3-4：經過編號的系統效能資料26 圖4-1：使用者感興趣的階層30 圖4-2：表4-3中系統效能狀況的樹狀結構34 圖5-1：SAP R/3系統架構，來源[10]41 圖5-2：SAP R/3系統的監控架構，來源[12]43 圖5-3：SAP R/3監控樹，來源[13]44 圖5-4：ABAP程式存取資料庫的方式，來源[17]47 圖5-5：SAP R/3的商業物件（BUSINESS OBJECT），來源[12]47 圖5-6：BAPIS的存取方法，來源[12]48 圖5-7：以樹狀結構表示的ERP系統資料49 圖5-8：SAP R/3系統的某元件－OPERATING SYSTEM50 圖6-1：系統流程58 圖6-2：系統主畫面59 圖6-3：設定系統各元件的門檻值之畫面60 圖6-4：R/3系統原始資料60 圖6-5：前置處理後之R/3系統效能資料61 圖6-6：資料挖掘前的設定之畫面61 圖6-7：產生序列樣式之畫面62 圖6-8：產生關聯規則之畫面62 表　目　錄 頁次 表2-1：ALGORITHM APRIORI，來源[1]6 表2-2：APRIORI-GEN FUNCTION，來源[1]6 表2-3：APRIORI演算法範例說明，來源[5]8 表2-4：依CUSTOMER ID和TRANSACTION TIME排序後的資料庫，來源[2]10 表2-5：CUSTOMER SEQUENCE形式的資料庫，來源[2]10 表2-6：LARGE ITEMSETS，來源[2]11 表2-7：轉換後的資料庫，來源[2]11 表2-8：CANDIDATE GENERATION，來源[2]11 表2-9：APRIORIALL演算法，來源[2]12 表2-10：DATABASE D，來源[19]14 表2-11：LARGE 1-ITEMSETS，來源[19]14 表2-12：產生編碼後的資料庫T[3]，來源[19]16 表2-13：刪除不符合的項目後的資料表T[1]，來源[19]16 表2-14：EXAMPLE OF PROBLEM DECOMPOSITION，來源[14]18 表3-1：原始資料23 表3-2：原始資料轉換成樹狀資料結構的儲存方式27 表4-1 處理數值屬性資料的例子29 表4-2：TTS演算法（TREE TOPOLOGY SEQUENCES）31 表4-3：ERP系統效能經過前置處理後的資料內容34 表4-4：過濾不重要因子，合併相同值的支持度35 表4-5：CSS135 表4-6：LSS136 表4-7：CSS２37 表4-8：LSS２38 表4-9：CSS338 表4-10：LSS３39 表5-1：警報訊號，來源[12]45 表5-2：SAP R/3系統效能資料的前置處理51 表5-3：SAP R/3系統中OPERATING SYSTEM經過前置處理後的資料內容52 表5-4：過濾不重要因子的R/3系統效能資料內容53 表5-5：R/3系統的CSS153 表5-6：R/3系統的LSS154 表5-7：R/3系統的CSS255 表5-8：R/3系統的LSS255 表5-9：R/3系統的LSS356 表5-10：R/3系統的LSS456 表5-11：R/3系統序列關聯規則57
參考文獻	[1]Rakesh Agrawal, Ramakrishnan Srikant,“Fast Algorithms for Mining Association Rules,” Proceedings of 20th International Conference on Very Large Data Bases, September 12-15, 1994, Santiago de Chile, Chile [2]Rakesh Agrawal, Ramakrishnan Srikant,“Mining Sequential Patterns,” Proceedings of the Eleventh International Conference on Data Engineering, March 6-10, 1995, Taipei, Taiwan [3]Rakesh Agrawal, Tomasz Imielinski, and Arun N. Swami,“Mining association rules between sets of items in large database,” Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Washington, D.C., May 26-28, 1993 [4]Ming-Syan Chen, Jiawei Han, Philip S. Yu,“An Effective Hash Based Algorithm for Mining Association Rules,”Proceedings of the 1995 ACM SIGMOD International Conference on Management of Data, San Jose, California, May 22-25, 1995 [5]Ming-Syan Chen, Jiawei Han, Philip S. Yu,“Data Mining：An Overview from a Database Perspective,”IEEE Transactions on Knowledge and Data engineering, 8(6)：pp. 866-883, 1996. [6]Ming-Syan Chen, Jiawei Han, Philip S. Yu,“Efficient Data Mining for Path Traversal Patterns,”IEEE Transactions on Knowledge and Data Engineering, Vol. 0, No. 2, pp. 209-221, 1998 [7]Jiawei Han, and Yongjian Fu,“Discovery of Multiple-Level Association Rules from large databases,”IEEE Transactions on knowledge and Data Engineering, 11(5), 1999 [8]Jiawei Han, Micheline Kamber, Simon Fraser University, Data Mining Concepts and Techniques, 2001 [9]Raj Jain, The Art of Computer Systems Performance Analysis: techniques for experimental design, measurement, simulation, and modeling, 1991 [10]Danielle Larocca, Sams Teach Yourself SAP R/3 in 24 Hours, Indianapolis, Ind.: Sams, June 1999 [11]Xuemin Lin, Chengfei Liu, Yanchun Zhang, Xiaofang Zhou,“Efficiently Computing Frequent Tree-Like Topology Patterns in a Web Environment,” Technology of Object-Oriented Languages and Systems, 1999. TOOLS 31. Proceedings, 1999 Page(s)：440-447 [12]SAP AG, R/3 library - an online library of the entire R/3 documentation, 1999 [13]SAP AG, System R/3 Technicale Consultant Training 1 - Administration, Release 4.0A 12-3, December 1998 [14]Ramakrishnan Srikant, Rakesh Agrawal, “Mining Quantitative Association Rules in Large Relational Tables,”Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, Montreal, Quebec, Canada, June 4-6, 1996 [15]Ramakrishnan Srikant, Rakesh Agrawal,“Mining Generalization Association Rules,”Proceedings of 21th International Conference on Very Large Data Bases, September 11-15, 1995, Zurich, Switzerland 1995. [16]Verykos V.S., Houstis E.N., Rice, J.R., ”Mining the performance of complex systems”Information Intelligence and Systems,1999. Proceedings. 1999 International Conference on , 1999 Page(s): 606 -612 [17]Liane Will, SAP R/3 System Administration：The Official SAP Guide, San Francisco : Sybex, 1999 [18]Show-Jane Yen, Arbee L. P. Chen,“An Efficient Approach to Discovery Knowledge from Large Databases,”Proceedings of the IEEE/ACM International Conference on Parallel and Distributed Information Systems, pages 8-18, 1996 [19]Show-Jane Yen, Arbee L. P. Chen,“A Graph-Based Approach for Discovering Various Types of Association Rules,”IEEE Transactions on knowledge and Data Engineering, 2001 [20]陳仕昇, 陳彥良, 許秉瑜“在序列式資料中挖掘序列規則”, 資訊管理學報第六卷第二期,2001 [21]陳仕昇, 許秉瑜, 陳彥良“以可重覆序列挖掘網路瀏覽規則之研究”, 資管評論,1997 [22]陳智宗, 陳振明, 許秉瑜“以資料挖礦法挖掘多屬性序列式資料規則之研究,” 中大資管所碩士論文, 2000 [23]盧靜婷, 陳彥良,“在DAG中挖掘家族特徵規則,”中大資管所碩士論文, 2000
指導教授	陳振明(Jen-ming Chen)	審核日期	2001-7-24
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare