跳到主要內容

簡易檢索 / 詳目顯示

研究生: 林艷
Yan Lin
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
指導教授: 陳振明
Jen-ming Chen
口試委員:
學位類別: 碩士
Master
系所名稱: 管理學院 - 資訊管理學系
Department of Information Management
畢業學年度: 89
語文別: 中文
論文頁數: 78
中文關鍵詞: 關聯規則樹狀序列資料資料挖礦ERP系統效能型態
相關次數: 點閱:20下載:0
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

  • 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)。


    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

    [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

    QR CODE
    :::