實例探勘

透過6.3.2節範例介紹得以瞭解序列型樣分析過程後，本研究實例探勘影響 計畫編號：B-00029績效不佳之因素所在。經6.1節與6.2節分析可得知分別導致 績 效 不 佳 在 個 別 值 管 制 圖 表 現 中 ， 於SPI 績 效 指 標 方 面 為 「 Grouping or Bunching」型態；在CPI績效指標方面為「Gradual change in level」型態。接續

135

在運用相關軟體分析前，本研究針對資料分類、資料處理及資料期數分割三部 份予以描述定義之，其所述如下：

一、資料分類

本研究於所蒐集計畫中，歸納時間期數為90年8月至91年4月，於SPI績效指 標上屬「Grouping or Bunching」型態；於CPI績效指標上屬「Gradual change in level」型態之各計畫。以瞭解兩型態管制圖中，各其影響因素間所發生之順序 性。

二、資料處理

於上述兩型態管制圖所蒐集之計畫中，將其各月所發生之影響因素，整理 如表6.3形式，以利軟體運作分析。

三、資料期數分割

在 本 研 究 所 分 析 之 時 間 期 數 上 ， 其90年8月至90年12月屬實際範圍，而91 年1月至91年4月屬預測範圍。因此，在運用序列型樣分析時，將所歸納管制圖 型樣之各計畫，其影響因素依此兩時間範圍作區分處理。

而本研究在最小支持度及最小信賴度兩參數門檻值設定上，為避免設定過 高及過低導致相關問題點情事發生，共評估5種之組合設定模式(詳如表5.7)所 示。經評估分析結果，以「Minimum Support = 50%」及「Minimum Confidence

= 50%」設定方式所分析出之結果較為適宜。

表6.7 Support與Confidence最小門檻值設定組合評估表 最小支持度

Minimum Support

最小信賴度

Minimum Confidence 評估結果

100% 65% 過緊

100% 60% 緊

50% 50% 較適宜

50% 40% 鬆

50% 30% 過鬆

資料來源：本研究整理

136

經 上 述 評 估 分 析 所 設 定 兩 較 適 宜 之 最 小 門 檻 值 參 數 後 ， 於SPI績 效 指 標 為

「Grouping or Bunching」型態；於CPI績效指標為「Gradual change in level」

型態所探勘出之序列型樣組合，其分析彙整結果(詳如表6.8)所示。

表6.8 績效影響因素序列型樣組合分析彙整表 績 效 指

標 管制圖型態 序列型樣組合規則

SPI

Grouping or

Bunching

施工作業 Ö 預算編列 其 它 Ö 招標作業 招標作業 Ö 預算編列

CPI Gradual change in level

天然因素 Ö 施工作業 其 它 Ö 其 它 施工作業 Ö 施工作業

行 政 作 業 Ö ( 行 政 作 業 & 施 工 作 業)

規劃設計 Ö 規劃設計 資料來源：本研究整理

從表6.8觀察發現，所粹取出之序列規則皆以1對1組合型態呈現，亦即為兩 影響因素間所發生之順序關係。然並未出現如表6.5依範例所分析，可顯示出多 種順序排列組合規則之對應關係。

因此，本研究現階段並無法依據實際已發生影響因素，透過其順序排列組 合狀況角度分析，以預測未來可能會發生影響因素所在(因上述原因並無相關 順序排列組合規則可加以比對)。而採以直接運用表6.8顯示之目前所探勘出序 列型樣組合規則，由1對1序列組合形式來預測計畫編號：B-00029所將發生之 影響因素。

由該計畫於90年8月至90年12月實際範圍中可觀察發現，其已發生之影響因 素為「預算編列」、「招標作業」、「天然因素」及「其它」。依據1對1形式比對，

且透過表6.8序列型樣組合，予以分析預測91年1月至91年4月狀況並加以評估，

其結果(詳如表6.9)所示。

137

表6.9 績效影響因素預測分析評估表 計畫編號：B-00029為例

91.01~91.04

預測狀態 實際狀態

預算編列 招標作業 施工作業 其 它

招標作業 施工作業 天然因素 其 它 資料來源：本研究整理

由表6.9觀察得知，在91年1月至91年4月實際發生有四項影響因素情況下，

透過1對1序列組合比對角度分析情況下，可預測出其中之三項影響因素，其命 中率估計為75%。

歸納分析，由於資料取得關係，本研究目前只針對上述兩種管制圖型態以 進行序列型樣分析。予以分析預測計畫編號：B-00029所屬時間範圍內之影響 因素，其以1對1序列組合比對角度分析，有達75%的預測能力，雖不盡理想，

尚屬可接受範圍。

另若觀察本研究於6.3.2節中所假設一理想範例可發現，其序列型樣分析確 實可以探勘出影響因素間的排列順序組合所對應之關係，以利一新計畫執行同 時，依據所粹取出之序列排列組合加以對應預測。然在6.3.3節實例分析中，其 不盡理想狀況，其經由觀察發現，可能原因有二。原因一：可能為目前所取得 的計畫資料中，並無相關序列規則特性可加以分析，導致無法可粹取出多種因 素之序列型樣組合予以比對預測；原因二：可能為公共建設各計畫彼此間，在 各月所發生之影響因素較難有雷同性存在。所以若在資料量不夠龐大之因素影 響下，較無法有更多同樣地序列組合加以評估，以挖掘出較多序列型樣組合予 以分析。

因此，主要若能擁有較為龐大相關資料，予以分析出不同管制圖型態，進 而粹取出不同對應之序列排列組合，以供日後之比對預測動作情況下。本研究 初步評估此經由統計製程管制之管制圖概念，搭配序列型樣分析方式加以探勘 未來可能發生的影響因素，此預測模式是可行的。

138

6.4 小結

本章利用於第四章中所蒐集進度與預算相關資料，在運用獲利價值管理系 統(EVMS)，進行進度績效指標(SPI)及成本績效指標(CPI)轉換勳作。本研究再 依據累積和管制圖(CUSUM Chart)趨勢預警檢定模式，加以評量整體趨勢績效 好壞。而針對趨勢績效不佳情事，透過個別值管制圖(X Chart)予以判讀其分類 型 態 。 根 據 其 管 制 圖 型 態 ， 在 經 由 資 料 探 勘(Data Mining) 中 之 序 列 型 樣 (Sequential Pattern)技術，所分析出於SPI與CPI兩績效指標中，分別在各類型態 管制圖於績效影響因素方面之序列型樣組合。以利進行績效影響因素探勘比對 預測。

因此，本研究提供了較適宜公共建設計畫於執行階段之動態預測模型，以 主動瞭解未來計畫之執行狀況。另外，本研究亦提供了在計畫績效影響因素上 所應探勘分析之動作，以利預測所將發生之影響因素，作為事前預防與管控。

最後本研究將每一執行階段所使用之預測方法與分析技術，予以繪製成流程圖 (詳如圖6.6)所示。

139

相關資料蒐集 計畫進度資料蒐集

計畫預算資料蒐集

獲利價值管理系統 (EVMS)

進度績效指標(SPI)轉換 成本績效指標(CPI)轉換 詳閱4.1節

Markov GM(1,1) 預測模型

建模期數五期(5個月) 預測期數四期(4個月) 詳閱4.2.5節

個別值管制圖 (X Chart)

基準線向上變化(頗佳) 基準線向下變化(不佳) 詳閱5.1節

累積和管制圖 (CUSUM Chart)

判讀憑據(如表3.5) 詳閱5.2節

序列型樣分析技術

(Sequential Pattern) 依管制圖型態加以預測 詳閱5.3節

績效影響因素 預防與管控

達到績效良好預期 績效趨勢頗佳

績效趨勢不佳

圖6.6 執行績效管理於各階段使用技術對應流程圖

140