隨著現代科技的進步以及人工智慧和大數據的蓬勃發展，每天都產生大量的資料。半導體產業是台灣引以為傲的重要產業，但在管理報表的應用方面仍存在一些問題，如資料不足、報表內容單一等，導致管理效果不盡理想。
本論文計劃運用人工智慧技術來改善管理報表的品質，在半導體產業的工作中，資料庫管理上普遍存在精確性和及時性的不足。因此，本論文的主要工作是建立匯總化資料庫、製作可視化報表和應用推薦系統等。這些技術將有助於提高報表的精確度和即時性，提升整體管理效率。
為了實現這一目標，我們重新評估現有的MES系統設計，定義所需的可視化報表項目，並準備建立新的匯總化資料庫。同時，也在研究適合的程式語言和演算法，以支持推薦系統的開發和應用。
這些努力旨在提高半導體產業的管理水平，使半導體產業能夠具備更好的能力應對市場變化和競爭壓力。我們的實驗證明了，運用人工智慧技術可以成為半導體產業蛻變的重要助力，帶來更高效和更智能的管理方式。

With the advancement of modern technology and the rapid development of artificial intelligence and big data, vast amounts of data are generated daily. The semiconductor industry, a crucial sector that Taiwan prides itself on, still faces challenges in the application of management reports, such as insufficient data and monotonous report content, leading to suboptimal management outcomes.
This paper aims to improve the quality of management reports by utilizing artificial intelligence technology. In the semiconductor industry, there is a prevalent issue of insufficient accuracy and timeliness in database management. Therefore, the primary focus of this paper is to establish a data warehouse, create visual reports, and implement a recommendation system. These technologies will help enhance the accuracy and timeliness of reports, thereby improving overall management efficiency.
To achieve this goal, we re-evaluate the existing MES (Manufacturing Execution System) design, define the necessary visual report items, and prepare to establish a new integrated data warehouse. Additionally, we are exploring suitable programming languages and algorithms to support the development and application of the recommendation system.
These efforts aim to elevate the management level of the semiconductor industry, enabling it to more effectively respond to market changes and competitive pressures. Our experiments demonstrate that the application of artificial intelligence technology can be a significant catalyst for the transformation of the semiconductor industry, leading to more efficient and intelligent management practices.

第一章、 緣由 1
1.1 研究背景 1
1.2 研究動機 2
第二章、 文獻探討 4
2.1 匯總化資料庫及資料孤島(Data Silos) 4
2.2 可視化報表(資料視覺化) 5
2.3 推薦系統 6
第三章、 研究架構 8
3.1 架構 8
3.2 公司現況評估及問題定義 9
3.3 目標設定及解決方案之擬定 9
3.4 基礎環境建立及改善 10
3.5 智慧化程式的建立 10
3.6 智慧化管理可視化報表的建立 10
3.7 推薦系統智慧化建立 11
第四章、 實作研究 13
4.1 匯總化資料庫(Data Warehouse)建立 13
4.2 可視化管理報表的建立 25
4.3 推薦系統的設計 36
第五章、 結論 44
5.1　結論 44
5.2　未來研究期許 46
參考文獻 47
 

王喆(2020)。矽谷資深演算法大師：帶你學深度學習推薦系統。深智數位。
台灣物聯網產業技術協會(2024年5月14日)。TSIA2024年第一季台灣IC產業營運成果出爐。https://www.twiota.org/eventDetails.aspx?id=53147dc1-4ec6-4766-a08f-d8f270ff4482
邱楚盦(2022)。分散式數據中台－打破資料孤島的頭等公民(碩士論文)。國立成功大學。臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/g6gs45
陳定邦(2020)。以顏色變化突顯事件及趨勢之多變量時序資料視覺化(碩士論文)。交通大學多媒體工程研究所。
陳兪辰(2023)。推薦系統之建置與應用探討─以化妝品為例(碩士論文)。銘傳大學。臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/z964m6
蘇有、劉仁筑(2019)。網路資料視覺化研究。中華印刷科技年報,Vol.,No.,pp.215-234。
IDC(2023年10月5日)。2027年台灣晶圓製造市佔將下滑至43%。EETimesTaiwan。https://www.eettaiwan.com/20231005nt21-wafer-manufacture/
Liu,W.(2022,March4).WhatisRecommenderSystem?Medium.https://medium.com/@winnie54liu0504/%E6%8E%A8%E8%96%A6%E7%B3%BB%E7%B5%B1%E6%98%AF%E4%BB%80%E9%BA%BC-what-is-recommender-system-445abf82795
Marr,B.(2017).WhyDataSilosAreBadForBusiness?Forbes.https://www.forbes.com/sites/forbestechcouncil/2018/11/19/why-data-silos-are-bad-for-business/?sh=42618b85fafb
Oracle.(n.d.).WhatIsaDataWarehouse?https://www.oracle.com/tw/database/what-is-a-data-warehouse/
TechInsights、PrecedenceResearch、資策會MIC(2023年7月18日)。半導體產業現況。經濟部產業發展署智慧電子產業計畫推進辦公室。https://www.sipo.
org.tw/industry-overview/industry-state-quo/semiconductor-industry-state-quo.html
WebComm.(2023,April6)。為什麼會有數據孤島(DataSilos)破除數據孤島方式。偉康科技。https://www.webcomm.com.tw/blog/data-silos/