美中貿易摩擦開始於2018年3月美國總統唐納.川普片面宣稱「中國偷竊美國智慧財產權和商業秘密」，並根據美國1974年貿易法第301條要求美國貿易代表對從中國進口的部分商品徵收關稅，該法條內容是關於世界各國智慧財產權保護。同年7月美國開始向從中國出口美國的部分商品課徵25%的額外關稅，中國同時也做出反制措施，增加部分美國輸中國的部分商品額外徵收25%關稅，其中最多的商品是大豆，後續兩國持續談判階無重大進展，2019年5月美國更是擴大課稅範圍對另外2000億美元中國出口美國產品關稅加增至25%，受影響的產品範圍多達5700多項，幾乎所有大陸製造業都受影響，其中台商最大的製造地都在中國大陸，受影響的程度也最大。
本研究背景係高雄某電機公司，原已將生產重心移往大陸，但因美中貿易摩擦，導致須將部份產能移回台灣，因工廠空間有限當物料不能及時供應時，及容易造成生管排程不斷重複調整，收集2020年資料，變更排程狀況佔了約3成的比例，為能有效掌握生管程序流程中可能導致修改排程的各種徵兆及所謂的領先指標，故運用資料探勘技術中的「決策樹」分析，研究各項狀況與導致修改排程之間的關聯規則，作為預先警告之指標依據。
經分析，「判斷物料分類」、「判斷材料類別」且「是否為大陸製產品」且「是否未定義最小訂購量」，以及「判斷材料類別」且「與廠商聯繫次數」且「判斷是否為大陸製產品」，以上3種情況的排列組合，可作為排程修改的領先指標，研究後，也針對結論做出相對應的改善方向，期望能減少不必要的溝通聯繫時間並針對供應商為何缺料問題再進一步分析與對策。
關鍵字：資料探勘、決策樹分析

The U.S.-China trade war began in March 2018 when U.S. President Donald Trump unilaterally declared that "China steals intellectual property rights and trade secrets of United States", and required the U.S. Trade Representative to impose tariffs on certain goods imported from China in accordance with Article 301 of the U.S. Trade Act of 1974. The content of this law is about the protection of intellectual property rights in countries around the world. In July of the same year, the United States began to impose an additional 25% tariff on some products exported from China to the United States. At the same time, China has also taken countermeasures to increase tariffs of 25% on some products exported from the United States to China, the largest of which is soybeans. Subsequent negotiations between the two countries continued, but there was no significant progress. In May of 2019, the United States expanded the scope of taxation and increased tariffs on another 200 billion US dollars of Chinese exports to the United States to 25%. The range of affected products is at least 5,700, and almost all Chinese manufacturing industries are affected. The largest manufacturing location of Taiwanese companies is in China, which is also most affected.
The background of this research is an electronic company in Kaohsiung which originally shifted its production focus to China. Due to the U.S.-China trade war, some of its production capacity had to be moved back to Taiwan. When the limited space of the factory leads to the inability to supply materials in time, it is easy to cause repeated adjustments to the production management schedule. According to 2020 data, the ratio of schedule changes is about 30%. In order to effectively grasp the various signs and leading indicators that may lead to schedule modification in the data mining techniques, the "decision tree" analysis in data mining technology is used to study the association rules between various conditions and schedule modification as a preliminary Indicator basis for warning.
After analysis, "judge the material classification", "judge the material category" and "whether it is a product made in China" and "whether the minimum order quantity is not defined", and "judge the material category" and "the number of contacts with the manufacturer" and "judge whether it is "Products made in China", the permutation and combination of the above three situations can be used as leading factors for schedule modification. Corresponding improvement measures are made in response to the conclusion, hoping to reduce unnecessary communication time and further analyze and countermeasures to the supplier's lack of materials.
Keywords: Data Mining ， Decision Tree Analysis

摘要
英文摘要
誌謝
目錄
表目錄
圖目錄
第壹章 緒論
一、研究背景
二、研究動機
三、研究目的
四、研究流程
第貳章 個案公司流程簡介
一、個案公司
二、流程簡介及系統描述
第參章 文獻探討
一、生產管理
二、ERP(Enterprise Resource Planning)
三、資料分群(Clustering)分類
四、資料探勘(Data Mining)
五、決策樹
第肆章 研究方法與資料處理
一、研究架構
第伍章 研究結果分析
一、研究結果
二、研究探討
第陸章 結論與未來研究探討
一、結論
二、未來研究探討

1.工業工程教學研討會，1990，工業工程與管理，滄海出版社，台中市
2.山田 日登志，2008，豐田式生產管理精要：徹底理解豐田生產方式事典，豐田式生產管理研究小組 譯，先鋒企管，JP
3.王振武，2017，大數據挖掘與應用，清華大學出版社，中國
4.白賜清，2000，品質管制之統計方法，中華民國品質協會，台北
5.邱創鈞(Chuang-Chun Chiou) 、曾柏健(Zeng Bo-Jian) 、張炳騰(Chang, P. T)，2019，應用資料探勘分類法於多屬性ABC存貨分類，創新與經營管理學刊；8卷1期(2019/01/01) P46 – 60
6.吳佩諭、邱淑美，2011，生產製造模組應用篇，鼎新電腦股份有限公司，新北市
7.吳孟賢，2001，以全球資訊網為基礎之 ERP 資料探勘整合系統，國立交通大學資訊管理學程碩士班，碩士論文
8.屈嘉彥，2006，資料探勘技術於電子產業供應鏈物流管理之研究，淡江大學會計學系碩士班，碩士論文
9.屈俊峰(Jun-Feng Qu)、朱莉(Li Zhu)、胡斌(Bin Hu)，2006，两种决策树的事前修剪算法，計算機應用 26卷3期 ( 2006/03) , 670-672
10.林千立，2012，物流與供應鏈管理導論，翠柏林企業股份有限公司，高雄市
11.林世偉，2020，運用資料探勘技術改善資訊服務申請單處理流程，國立高雄科技大學，碩士論文
12.鈴木保男，2010，委外採購管理實務與應用，先鋒委外採購小組 譯，先鋒企管，JP
13.施蕾(Lei Shi)、唐艳琴(Yan-Qin Tang)、张欣星(Xin-Xing Zhang)，2009，挖掘类改进决策树，計算機與現代化 2009卷10期( 2009/10) 29-32
14.高長(Kao, Charng)，2020，COVID-19（武漢肺炎）疫情衝擊與全球供應鏈重整，展望與探索月刊 ； 18卷6期 (2020 / 06 / 01) ， P63 - 79
15.陳逸嘉，2020，應用資料探勘於供應商交期管理，交通大學管理學院資訊管理學程，碩士論文
16.莊奕琦，2000，個體經濟學，智勝文化事業有限公司，台北
17.莊敏姿，2014，應用資料探勘技術探討扣件關鍵檢驗參數，臺北科技大學工業工程與管理系碩士班，碩士論文
18.鄧治華，2019，多階段織造流程品質改善研究，臺灣大學工業工程學研究所，碩士論文
19.楊景晴，2004，整合決策樹與關聯規則之資料挖礦架構及其實證研究，國立清華大學工業工程與工程管理學系，碩士論文。
20.張碩毅、吳承志、張益誠，2009，企業資源規劃系統演練與實務應用，藍海文化出版社，高雄市
21.張碩毅、黃士銘、阮金聲、洪育忠、洪新原，2015，企業資源規劃，全華科技圖書股份有限公司，高雄市
22.張保隆、伍忠賢，2011，生產管理，五南圖書出版股份有限公司，台中市
23.張云濤、龔玲，2019，資料探勘原理與技術，五南圖書出版股份有限公司，台中市
24.簡禎富，2014，決策分析與管理：紫式決策分析以全面提升決策品質，雙葉書廊，台北市
25.Anil Maheshwari，2017，認識資料科學的第一本書，徐瑞珠 譯，碁峰資訊，台北市
26.Ahmed, Riaz，2018，Cloud Computing Using Oracle Application Express: Develop Internet-Facing Business Applications Accessible Anywhere and Anytime，Apress，USA
27.Jiawei Han．Micheline Kamber．Jian Pei，2014，資料探勘，郝沛毅、李御璽、黃嘉彥 譯，高立圖書有限公司，新北市
28.Jae Kyeong Kim、Hee Seok Song、Tae Seong Kim、Hyea Kyeong Kim，2005，Detecting the change of customer behavior based on decision tree analysis，Expert SystemsVolume 22, Issue 4
29.Mario F.Triola & Leroy A.Franklin，1996，商用統計學，賴靜惠、陳燕鑾、吳文彬、李思亮 譯，文京圖書有限公司，台北
30.WROX國際IT認證項目組，2017，大數據分析與預測建模，人民郵電出版社，中國