因應地球暖化關注能源的消耗及使用穩定的電源品質愈來愈受重視，不斷電系統已逐漸成為許多重要設備不可或缺的配置。為了滿足客戶不斷電系統未來發展的需求，台灣廠商唯有充分瞭解產業特性，創造價值維持競爭優勢，才能掌握客戶需求提高服務品質，並藉由產品的升級決策與維護保養，降低客戶使用的失效風險，使產品運行穩定。
本研究以個案公司為例，使用決策樹和資料探勘模型兩種研究方法，旨在改善台灣不斷電系統公司之產品升級策略。第一階段利用影響圖與決策樹分析，將產品升級決策需求，區分為保固內外期間的主動升級重工、不主動升級重工與不升級三個方案探討。從成本構面考量，結合決策樹分析與期望金錢價值方法，藉此比較三種方案找出決策準則，並搭配敏感度分析法，探討主動升級與不主動升級決策改變之轉變機率，使升級策略更為精準。
第二階段運用資料探勘決策樹與羅吉斯迴歸預測模型分析方式，分析個案公司之數據。首先使用決策樹演算法，從中找出不斷電系統各故障等級之規則以及重要因子，然後藉由羅吉斯迴歸分析演算兩種預測模型，進行預測模型準確度之比較，分析兩個分類預測模型後，找出一致的故障區域與運轉時間為重要因子。
本研究之分析方法與結果，可提供日後不斷電系統產業產品升級決策之參考依據，訂出符合客戶需求又達成企業獲利的雙贏決策。

Due to global warming, human put more focus on energy consumption and use of stable power quality. Nowadays, the “Uninterruptible Power Supply” are gradually becoming an essential part of the important equipment to satisfy the customers’ development request. The companies of UPS in Taiwan need to fully understand the characteristics of the industry to create the value and keep enterprise competitive advantage. It can reduce the risk of product failure and enhance service quality by the product upgrade decision and maintenance in field.
In this study, we used the influence diagram and decision tree analysis to analyze the upgrade decision related to the UPS. The first step is to use influence diagrams and decision tree analysis for active upgrade, passive upgrade and no upgrade within or without warranty decision. The result showed that, combined with decision tree analysis and expectations of monetary value method to identify decision criteria can enhance the decision quality. With a sensitivity analysis to identify active and non-active upgrade the transition probability of the decision to change.
We used of decision tree and logistic regression algorithm further application by data mining prediction model. The data mining of decision tree model created UPS failure rule and found two key factors the function block and the operation time, as same as we found by the logistic regression model. We knew a comparison of classification accuracy between decision tree and logistic regression.
The result will provide UPS enterprises with the follow-up reference of product upgrade decision. It will make win-win decision not only for customer satisfaction but also for from profit maximization.

第1章 緒論 1
1-1 研究背景與動機 1
1-1-1 背景 1
1-1-2 動機 2
1-2 研究目的 6
1-3 研究範圍與限制 7
1-4 研究步驟與架構 7
第2章 文獻探討 9
2-1 UPS產業特性 9
2-1-1 UPS工作原理與運行模式 9
2-1-2 UPS現行保養維修 13
2-2 維修保養 15
2-2-1 可靠度理論 15
2-2-2 系統維護作業 18
2-2-3 預防保養作業 20
2-2-4 FMEA 失效模式與效應分析與可靠度維護成本 22
2-3 產品升級策略 23
2-3-1 一般產品升級策略 23
2-3-2 UPS的產品升級策略 25
2-4 決策樹與資料探勘模型 26
2-4-1 影響圖 26
2-4-2 決策樹 27
2-4-3 期望金錢價值EMV 29
2-4-4 資料探勘決策樹 30
2-4-5 羅吉斯迴歸分析 32
2-5 本章小結 34
第3章 影響圖與決策樹分析 38
3-1 影響圖之構成元素與建構方法 38
3-2 決策樹之構成元素與建構方法 40
3-2-1 保固內產品升級風險評估與決策樹分析 41
3-2-2 保固外產品升級風險評估與決策樹分析 43
3-2-3 敏感度分析 45
3-3 本章小結 47
第4章 DATA MINING分類預測模型分析風險決策 48
4-1 資料來源說明 48
4-2 資料探勘決策樹 51
4-2-1 資料探勘決策樹CHAID分析 51
4-2-2 決策樹分析結果 55
4-3 羅吉斯迴歸分析 58
4-3-1 羅吉斯迴歸分析結果 59
4-3-2 羅吉斯迴歸-整體預測準確度 61
4-4 本章小結 62
第5章 結論與建議 63
5-1 結論與研究建議 63
5-2 後續研究建議 64
參考文獻 66
中文部份 66
英文部份 68
網際網路 69

中文部份
1.小野寺勝著(2001)，張書文譯，「實踐FMEA手法」，中衛發展中心，台北市，台灣。
2.王濟川、郭志剛(2004)，「Logistic迴歸模型-方法及應用」，五南圖書，台北市，台灣。
3.吳仲典(2008)，「運用決策樹方法預測契約人員離職傾向-以晶圓代工業為例」，國立成功大學工業與資訊管理學系研究所在職專班論文，台南市，台灣。
4.吳靜薇(2014)，「應用決策樹與關聯規則於學生成績之分析- 以台南市某職業學校為例」，南台科技大學資訊管理研究所碩士學位論文，台南市，台灣。
5.林育成(2014)，「決策樹應用於異常白血球分類之研究」，私立長庚大學資訊管理學系碩士論文，桃園市，台灣。
6.林建良(2014) ，「應用決策樹尋找庫存品之潛在客戶-以某鋼鐵業為例」，國立成功大學工業與資訊管理學系碩士在職專班論文，台南市，台灣。
7.林盛、藺煒瑩(2005)，「利用模糊風險圖方法進行管道風險評價」，天津理工大學學報，第21卷，第6期，頁73-78，天津市，中國。
8.林榮泰(2007)，「應用模糊決策樹分析於研發型專案風險之評估」，國立成功大學製造工程研究所碩士論文，台南市，台灣。
9.邱郁蓁(2004)，「汽車貸款之風險預測模型研究」，國立成功大學統計學系碩士班論文，台南市，台灣。
10.孫惠明(2007)，「資料挖掘理論與實務規劃手冊」，松岡圖書出版股份有限公司，台北市，台灣。
11.翁紹仁，林光甫(2011)，「可靠度之失效模式與效應分析」，品質管制月刊，第47卷，第2期，頁32-34。
12.陳泰利(2011)，「變壓器油中氣體分析系統之設計及資料探勘技術於油中氣體分析之應用」，國立台北科技大學電機工程系碩士班碩士學位論文，台北市，台灣。
13.陳詠漢、張翼(2013)，「半導體廠DUPS(柴油不斷電系統)失效率、可靠度及風險的探討」，工業安全衛生月刊，第292期，頁29-59。
14.游振忠(2002) ，「半導體十二吋晶圓製造投資決策分析-個案研究」，國立交通大學管理學院工業工程與管理學程論文，新竹市，台灣。
15.黃建智(2011)，「應用FMEA及模糊理論之薄膜太陽能模組認證失效分析」，國立成功大學工學院工程管理碩士在職專班論文，台南市，台灣。
16.劉益成(2009)，「無線射頻辨識系統在半導體設備維修保養之應用研究」，國立交通大學工專院專班工程設計與管理學程碩士論文，新竹市，台灣。
17.蔡文蔭、廖仁詮(2007)，「大型不斷電系統之設計與規劃」，電機月刊，第17卷，第7期，頁124-136。
18.蔡玉慈(2012)，「應用資料探勘法在面板業售後客服價值分析之研究」，國立成功大學工學院工程管理碩士專班論文，台南市，台灣。
19.蔡佳容(2014) ，「運用分類技術分析住院病人跌倒相關因素之探討」，國立成功大學工程科學系碩士在職專班論文，台南市，台灣。
20.蔡燕純(2004)，「應用馬可夫預防維護模型於維修保養策略之探討」，國立中央大學機械工程研究所碩士論文，桃園市，台灣。
21.鄭景文(2012)，「大型不斷電系統產品設計流程之研究」，國立成功大學工業設計學系碩士論文，台南市，台灣。
22.簡禎富(2005)，「決策分析與管理」，雙葉出版社，台北市，台灣。
23.簡禎富、許嘉裕(2015)，「資料挖礦與大數據分析」，前程文化，新北市，台灣。
24.顧萱萱、洪敏珊、郭建志(2010)，「產品升級上市策略與消費者產品置換決策」，台大管理論叢，第21卷，第1期，頁239-262。
英文部份
1.Berry, M.J. ＆ Linoff, G. (1997), “Data Mining Techniques: for Marketing, Sales and Customer Support, John Wiley ＆ Sons, New York, USA.
2.Blanchard, B. S. ＆ Fabrycky, W. J. (1998), “System Engineering and Analysis, Prentice-Hill, pp. 529-531.
3.Blattberg, R. C. ＆ Deighton, J.（1996）, “Manage Marketing by the Customer Equity Test, Harvard Business Review, pp.136-144, USA.
4.Breiman, L., Friedman, J. H., Olshen, R. A., and Stone, C.J. (1984), “Classification and Regression Trees, Chapman ＆ Hall, New York, USA.
5.Canbolat, Y. B., Chelst, K., ＆ Garg, N. (2005), “Combining decision tree and MAUT for selecting a country for a global manufacturing facility, Omega, Vol. 35, No. 3, pp. 312-325.
6.Clemen R. ＆ Reilly T. (1996), “Making Hard Decisions with Decision Tools, Duxbury Press, Belmont, CA.
7.Colak, I., Sagiroglu, S., ＆ Yesilbudak, M. (2012), “Data mining and wind power prediction: A literature review, Renewable Energy, Vol. 46, No. 0, pp. 241-247.
8.Damodaran, P., ＆ Wilhelm, W. E. (2005), “Branch-and-Price Approach for Prescribing Profitabale Feature Upgrades, International Journal of Prodution Research, Vol. 43, No. 21, pp. 4539-4558.
9.Fawcett, T. (2006), “An introduction to ROC analysis, Pattern Recognition Letters, pp. 861-874.
10.Fayyad, U. M., Piatetsky-Shapiro, G., ＆ Smyth, P. (1996), “From Data Mining to Knowledge Discovery: An Overview, American Association for Artificial Intelligence Menlo Park.
11.Han, J., Kamber, M., ＆ Pei, J. (2001), “Data Mining: Concepts and Techniques, Morgan Kaufmann, San Francisco, CA.
12.Kamram, F. ＆ Habetler, T. G. (1998) , “A Novel On-Line UPS with Universal Flittering Capabilities,IEEE Transactions on Power Electronics, Vol. 13, No. 3, pp.410-418.
13.Kass, G. (1980), “An Exploratory for Investigating Large Quantities Categorical Data, Applied Statistics, Vol. 29, No. 2, pp.119-127.
14.Keeney, R. L., ＆ Raiffa, H. (1993), “Decisions with Multiple Objectives: Preferences and Value Tradeoffs, Cambridge University Press, New York, USA.
15.Kim, Y. S. ＆ Street, W. N. （2004）, “An intelligent system for customer targeting: a data mining approach, Decision Support Systems, pp.215-228
16.Quinlan, J. R. (1993), “C4.5: Programs for Machine Learning, Morgan Kaufmann, San Francisco, CA.
17.Rokach, L. ＆ Maimon, O. (2005),“Top-down induction of decision trees classifiers—A survey, IEEE Transactions on Systems, Man and Cybernetics─Part C: Applications and Reviews, Vol. 35, pp.476–487.
18.Urban, G. L. ＆ Hauser, J. R. (1993), “Design and marketing of new products(2nd ed.) , Upper Saddle River, NJ: Prentice Hall.
19.Zahra, S. A. ＆ Bogner, W. C. (2000), “Technology Strategy and Software New Ventures Performance: Exploring the Moderating Effect of the Competitive Environment, Journal of Business Venturing, Vol. 15, No. 2, pp.135-173.
網際網路:
1.台達電子(2010)，UPS三相機使用手冊，http://www.deltaww.com/Products /CategoryListT1.aspx?CID=0701＆hl=zh-TW，Accessed by May 1，2015。
2.維基百科網站，主題-決策樹＆資料探勘，https://zh.wikipedia.org/zh-tw，Accessed by May 1，2015。
3.SAS(2013)，SAS教學手冊，http://www.sasresource.com/artical_8.html， Accessed by June 12，2015。