中文摘要………………………………………………………………………………...i
ABSTRACT……………………………………………………………………………...ii
誌謝……………………………………………………………………………………...iii
目錄……………………………………………………………………………………...iv
表目錄…………………………………………………………………………………...vi
圖目錄…………………………………………………………………………………...vii
第一章 緒論…………………………………………………………………………1
1.1 研究背景與研究動機………………………………………………1
1.2 研究目的……………………………………………………………………1
1.3 研究架構與流程………………………………………………………2
第二章 文獻回顧與研究方法…………………………………………3
2.1 資料探勘……………………………………………………………………3
2.1.1 資料探勘之定義…………………………………………………3
2.1.2 資料探勘之模型與方法……………………………………5
2.1.3 關聯分組………………………………………………………………6
2.2 鐵路維修工作之定義與規範…………………………………7
2.2.1 中華民國「鐵路機車車輛檢修規則」規範…7
2.2.2 預防性保養……………………………………………………………8
2.2.3 矯正性保養……………………………………………………………22
2.2.4 工單位置與物料的編碼原則……………………………22
2.3 研究方法……………………………………………………………………23
2.3.1 維修工單主系統分類…………………………………………23
2.3.2 研究對象與資料來源…………………………………………24
2.3.3 資料前置處理………………………………………………………25
第三章 實驗與結果……………………………………………………………26
3.1 資料探勘資料匯入……………………………………………26
3.2 數據分析………………………………………………………………31
第四章 結論與未來展望……………………………………………………38
參考文獻………………………………………………………………………………40

[1] 黃範哲，高速鐵路系統運轉整理之研究，交通管理學系，2000，國立成功大學
[2]臺灣教育評論月刊，2015
[3]王派洲譯, “資料探勘: 概念與方法”, Elsevier (Singapore) Pte Ltd., 滄海書局, 三月, 2008
[4]林嘉慶，運用關聯法則技術於倉儲系統儲位指派與揀貨策略配置模型之研究，科技管理研究所，2004，中華大學
[5]鄭明傑，資料探勘技術應用於醫療門診藥品存貨分類管理，運籌管理研究所，2011，高雄第一科技大學
[6]陳迪祥，以資料探勘技術發掘疾病隱藏關係之研究，2003國立暨南國際大學資訊管理研究所碩士論文
[7]吳素英，資料探勘技術應用於知識管理系統之建構以醫院疾病分類管理為例，2004，國立中正大學資訊管理研究所
[8]黃勝崇，資料探勘應用於醫療院所輔助病患看診指引之研究，2001，南華大學資訊管理研究所
[9]資料來源:交通部鐵路機車車輛檢修規則
[10]資料來源:日本新幹線Labeling Plan
[11]資料來源:日本鐵道設施協會 路線管理の手引
[12]沈德麒，資料探勘技術於航電元件維修備料預測之研究，2004，大葉大學工業工程學系
[13]資料來源:交通部鐵道局維修基地常見中英文對照表
(https://www.rb.gov.tw/public/files/artsinfo/1567475063-m0.pdf)
[14]資料來源:Microsoft SQL Server Analysis Service總覽 (https://docs.microsoft.com/zh-tw/analysis-services)
[15] Piatesky-Shapiro, G. & W. J. Frawley (1991), “Knowledge Discovery in Databases”
[16] Grupe, G. H.& Owrang (1995),”Database Mining Discovering New Knowledge and Cooperative Advantage”
[17] Fayyad, U. (1996), “Data Mining and Knowledge Discovery in Databases”
[18] Berry, M. J. A.&Linoff, G. S.(1997) ,“Data mining techniques: For marketing, sales, and customer support”
[19] Hand, D., Mannila, H., Smyth, P.(2001), “Principles of data mining”
[20] Lee, J. R., Hsueh, S. L., & Tseng, H. P.(2008),”Utilizing data mining to discover knowledge in contruction enterprise performance records. Journal of Civil Engineering and Menagement”
[21] Clifton, Christopher.(2010) ,“ Encyclopedia Britannica: Definition of Data Mining ”
[22] Khajvand, M., Zolfaghar, K., Ashoori, S., & Alizadeh, S. (2011) ,“Estimating customer lifetime value based on RFM analysis of customer purchase behavior”
[23] Chen, Y.L. and Weng, C.H. (2008),“Mining association rules from imprecise ordinal data”
[24]Chen, Y.L., Tang, K., Shen, R.J. and Hu, Y.H.(2005) , “Market basket analysis in a multiple store environment”
[25] Rakesh Agrawal & Ramakrishnan Srikant(1994) , “Fast algorithms for mining association rules in large databases”
[26] Agrawal, R.,Imielinski, T.,Swami, A.(1993) ,”Mining Association Rules between Sets of Items in Very Large Ddatabase.Proceedings of the ACM SIGMOD Conference on Management of Data”
[27] Cho Y. B., Cho, Y. H. and Kim S. H., ”Mining changes in customer buying behavior for collaborative recommendations,” Expert Systems with Applications, Vol: 28, 2005, pp. 359-369.
[28] Chen, H.-C. and Chen, Arbee L. P. “Collaborative Filtering and Algorithms: A Music Recommendation System Based on Music Data Grouping and User Interests,” Proc. of ACM international Conference on Information and Knowledge Management, 2001.
[29] Agrawal, R. Imielinski, T. and Swami, A. “Mining Association Rules between Sets of Items in Large Databases,” Proceedings of the ACM SIGMOD Conference on Management of Data, 1993, pp.207-216.
[30] Berry, M. J. A.,Linoff, G. S.(2004) ,”Data Mining Techniques for Marketing, Sales, and Customer Support”
[31] Fisher, R. A.(1934) ,” Statistical Methods for Research Workers. Edinburgh: Oliver and Boyd”
[32] Wasserstein, R. L., & Lazar, N. A. (2016) ,” The ASA’s Statement on p-Values: Context, Process, and Purpose. The American Statistician”
[33] Schafer, J. B., Konstan, J. and Riedl, J. “E-Commerce Recommendation Applications,” Data Mining and Knowledge Discovery, Vol. 5, 2001, pp. 11-32.
[34] Han Jiawei, Kamber, Micheline “Data Mining: concepts and techniques, Morgan Kaufmann” USA, 2001.