台湾清华大学工工程与工程管理学系 简帧富教授 数据挖掘与决策分析.ppt

Data Mining and Data Value Development for Semiconductor Manufacturing 簡禎富 博士 國立清華大學 工業工程與工程管理學系 March 28, 2002 簡 介 簡禎富 是國立清華大學工業工程與電機工程雙學士，美國威斯康辛大學麥迪遜分校工業工程博士，現為國立清華大學工業工程與工程管理學系副教授。曾榮獲斐陶斐榮譽會員、清華大學新進人員研究獎、國科會甲等研究獎、教育部産學合作研究獎、中國工業工程學會優秀青年工業工程師獎、工業工程論文獎，著作發表於 IEEE Trans. on Semiconductor Manufacturing, IEEE Trans. on Power Systems, IEEE Trans. on Power Delivery, Int. Trans. in OR, J. of MCDA, Computers IE, Int. J of CIM, RD Management，工業工程學刊、科技管理學刊、系統與管理、管理研究學報、捷運技術等國內外期刊，並獲得國內外專利。研究領域包括決策分析、統計決策與資料挖礦、決策支援系統、半導體製造模式與分析等。 研究背景與重要性 半導體製造等高科技業對國內經濟發展以及國家競爭力之提昇，影響極為重大。 高科技產業特性為產品生命週期短、交期快，市場變動快、風險高，競爭對手多、價格競爭激烈，製程複雜、研發需求強、技術密集度高。 基於這樣的產業特性，半導體業所面臨的決策問題通常亦具有不確定性、時效性、高風險性、複雜程度高等特性。 Key Issues in Information Systems Management Key Issues in Information Systems Management (Cont.) 問題特性 由於半導體產業的自動化與電子化，在複雜的製造程序中，都會自動蒐集產品經過機台加工的工程資料，或以人工輸入的紀錄資料來進行製程監控、故障分析與製造管理。 因為製造程序複雜、影響變數眾多，工程師往往無法從收集的龐大資料中，迅速有效地察覺可能導致其中製程異常的原因或是歸納造成產品品質不良的因素，更遑論從資料中發現先前隱藏不知的重要訊息。 半導體製造資料挖礦相關研究必須結合領域知識與研究分析方法，並需透過實證研究來檢驗具體成果。 資料挖礦與資料庫知識發現 「資料庫知識發現」（KDD）是從資料中建立確定有效的、新奇的、潛在有用的、以及易懂形式的樣型之過程，且此過程不是顯而易見。 「資料挖礦」從大量資料中以自動或是半自動的方式來探索( explore）和分析資料以發掘出潛在有用的資訊，例如，有意義的樣型（Pattern）或規則（Rule）等。並可進一步將分析後的資訊整理歸納以作為決策之依據，而累積的資訊與決策經驗均成為企業知識管理的具體實踐（簡禎富等，2001）。 Data: Resource or Debt? Data Issues Facing a Typical Company: Strategy Knowledge of Data Resource Access Quantity Quality New Data Needs Usage Security Privacy Management or Organization 資料挖礦之步驟 找對問題：首先對問題領域與研究目標有清楚的定義與架構，例如企業想瞭解何種類型顧客特殊的需求等。 資料準備：整理龐大的資料以利後續分析 資料取得 資料檢視 資料格式化與轉換 發展工具：針對問題本質使用適當工具分析龐大的資料以發現有用的資訊。 產生方案：根據所得到的資訊擬定適當的行動方案，協助決策。 評估結果：評估這次挖礦的成效，並有效地運用這次結果，以作為下一個改善循環之依據。 資料挖礦問題類型 （1）分類（Classification）： 根據已定義之類組(class)，將分析對象的分門別類。 例如，低良率產品之分類（Low Yield Classification）；建立顧客credit的score card.將顧客依風險高低加以分類 提高服務品質：基於顧客關係從事交易、授權、理賠、契約條件、授信額度等決策以提高服務品質。 （2）預測（Prediction）： 根據對象屬性之過去觀察值來推估該屬性未來之值。 例如，良率之預測（Yield Prediction）；將顧客消費行為或繳款記錄預測未來表現 客戶流失管理(Attrition Management)：利用統計模型預估可能流失的顧客並採取因應措施以留住顧客 付款延誤管理(Arrears Management)：基於相關之客戶關係來處理顧客延期付款之問題，以為良好關