4.1 Defining the problem for data m

4.1 Defining the problem for data mining
Owing to unknown weights for future CRs, a large marketing database was created by a professional computer manufacturer in Taiwan, based on many sales questionnaries, according to four period questionnaires; this resulted in a huge amount of data. The intent of this study was to explore and analyze a huge amount of data, by employing a time series-based data mining cycle in QFD, so as to identify the weights within customer questionnaires in each period. Based on these the weights of CRs, the future CRs for dynamic forecasting of life cycle under green supply chain may be discovered and the results can be encouraged and beneficial the computer designers and manufacturers.

ผลลัพธ์ (ไทย) 1:

4.1 การกำหนดปัญหาสำหรับการทำเหมืองข้อมูล เนื่องจากน้ำหนักที่ไม่รู้จักสำหรับอนาคต CRs ฐานข้อมูลการตลาดขนาดใหญ่ถูกสร้างขึ้น โดยผู้ผลิตคอมพิวเตอร์ระดับมืออาชีพในไต้หวัน อิง questionnaries ขายจำนวนมาก ตามแบบสอบถามรอบที่สี่ นี้ส่งผลให้ข้อมูลจำนวนมหาศาล จุดประสงค์ของการศึกษานี้เป็นการ สำรวจ และวิเคราะห์ข้อมูล จำนวนมหาศาล โดยใช้เวลาทำเหมืองตามชุดข้อมูลรอบใน QFD เพื่อระบุน้ำหนักภายในแบบสอบถามลูกค้าในแต่ละรอบระยะเวลา ตามเหล่านี้น้ำหนักของ CRs, CRs ในอนาคตคาดการณ์อายุภายใต้ห่วงโซ่อุปทานสีเขียวแบบไดนามิกอาจค้นพบ และผลจะสนับสนุน และเป็นประโยชน์ต่อผู้ผลิตและนักออกแบบคอมพิวเตอร์

ผลลัพธ์ (ไทย) 2:

4.1 การกำหนดปัญหาสำหรับการทำเหมืองข้อมูล
เนื่องจากน้ำหนักที่ไม่รู้จักสำหรับ CRs อนาคตฐานข้อมูลการตลาดที่มีขนาดใหญ่ถูกสร้างขึ้นโดยผู้ผลิตคอมพิวเตอร์มืออาชีพในไต้หวันอยู่บนพื้นฐานของแบบสอบถามขายจำนวนมากตามที่สี่แบบสอบถามระยะเวลา; นี้ส่งผลให้จำนวนมากของข้อมูล เจตนาของการศึกษาครั้งนี้มีการสำรวจและวิเคราะห์ข้อมูลจำนวนมากโดยการรอบเวลาการทำเหมืองข้อมูลชุดที่ใช้ใน QFD เพื่อให้เป็นไปแจ้งน้ำหนักภายในแบบสอบถามของลูกค้าในแต่ละช่วงเวลา ขึ้นอยู่กับเหล่านี้น้ำหนักของ CRs ที่จำในอนาคตสำหรับการคาดการณ์แบบไดนามิกของวงจรชีวิตภายใต้ห่วงโซ่อุปทานสีเขียวอาจจะค้นพบและผลที่สามารถได้รับการสนับสนุนและเป็นประโยชน์นักออกแบบคอมพิวเตอร์และผู้ผลิต