這些年來由於大陸太陽能產業快速的發展，單多晶矽太陽能電池供過於求，造成競爭漸漸激烈。單多晶矽太陽能電池的價格逐漸下降並接近原本具有低價優勢的薄膜型太陽能電池。因為薄膜型在轉換效率比單多晶矽太陽能電池低，所以提升轉換效率，是薄膜型太陽能電池製造業者要保有市場的一席之地的關鍵點。為了提升轉換效率，應用了很多的分析與技術，希望能從製程中找到影響轉換效率的重要相關因素。
本研究使用資料探勘的數值預測的工具模式樹，分析從薄膜太陽電池製程收集到鍍膜機台大量的參數資料，研究中分三組屬性，分別是專家提供的一組；用統計方法篩選屬性的一組，最後是兩組屬性加在一起的組合，再分別建構這三組的模式樹。研究的結果顯示加在一起的這組，它的預測的錯誤最低。我們也分析了從這三組屬性產生的模式樹與其中的線性迴歸式找出與薄膜型太陽能電池的轉換效率相關性高的屬性。

The supply of mono-polysilicon solar batteries exceeds its demand due to the rapid expansion of the solar industry in China such that the competition pressure of
this industry increases. The price of mono-polysilicon solar batteries is declined and close to that of thin-film ones. Since the conversion efficiency of thin-film solar batteries is relatively lower, how to increase this efficiency is critical to the survival of the companies that produce thin-film solar batteries. Various analyses and techniques have been applied to find the factors from the manufacturing process for improving the conversion efficiency of thin-film solar batteries.
This study applies the model tree,a data mining tool for numeric prediction, to analyze the data collected from the coating machines for producing thin-film solar batteries. There are three attribute subsets considered in this study: the subset provided by experts, the subset filtering by statistical methods, and the combination. The experimental results show that the combined attribute subset has the lowest prediction error. The model trees and their linear regression models resulting from the three subsets are analyzed to find the attributes that are highly relevant to the conversion efficiency of thin-film solar batteries.

中文文獻
工研院網站. 太陽光電資訊網。上網日期： 民國103 年10 月15 日， 檢自http://solarpv.itri.org.tw/memb/main.aspx。
尤如瑾(民國95年) .薄膜型太陽電池發展現況與未來的挑戰和契機。工業技術研究院IEK-ITIS產業觀察。
王尹柔(民國103年)。台灣加權股價指數報酬與波動性之特性，逢甲大學財務金融研究所碩士論文。
王振軒、趙忠傑(民國95 年)。非營利組織的資訊化能力建構。南華大學，4，27-52。
史哲坤(民國94年) .應用資料探勘技術於半導體封裝業產品異常原因分析。義守大學資訊管理研究所碩士論文。
吳咏璁(民國92年) .模式樹選取分割屬性方法之研究，國立成功大學工業管理科學碩博士班論文。
呂明澤(民國96年). 運用資料挖礦技術進行影響良率學習之因素分析 - 以某半導體廠製程為例。國立清華大學工業工程與工程管理學系碩士論文。
林明獻(民國97 年) .太陽電池技術入門。台北市：全華圖書股份有限公司。
徐弘孝(民國94年) .以資料探勘技術改善半導體製程錫鉛凸塊高度良率之研究。未出版之碩士論文。中原大學資訊管理研究所。
國立虎尾科技大學.太陽能介紹與說明。上網日期：民國103年10月1日，檢自http://sparc.nfu.edu.tw/~msge/solar.htm。
產學合作資源平台。非晶矽薄膜太陽能電池製程。上網日期：民國103年10月1日，檢自http://own.chemistry.pu.edu.tw/energy/company.htm。
莊嘉琛(民國97 年) .太陽能工程—太陽電池篇。台北市: 全華圖書股份有限公司。
郭明村(民國96年) .太陽光電能電池製造設備發展現況。機械工業雜誌，96(5)，6-18。
陳品潔(民國93年).應用資料探勘技術於半導體業製程良率改善之研究。國立交通大學管理學院(資訊管理學程）碩士論文。
傅進銘(民國96年) .以資料探勘改善良率之研究。未出版之碩士論文。國立交通大學工業工程與管理研究 。
黃志仁，吳建樹，翁得期，陳麒麟(民國96年) .矽薄膜太陽電池技術簡介與發展方向。機械工業雜誌，96(8)，149-164。
張雅智(民國102年).以羅吉斯迴歸分析連續生產機台非週期性預防保養時機。國立成功大學工業與資訊管理學系碩士在職專班碩士論文。
楊承崇、黃昭貴、鍾瑞芬、顏永仁(民國99年) .探討以臺中分局建構太陽能發電可行性方案。標準檢驗局臺中分局。
鄭淑娟(民國98 年) .薄膜太陽能電池技術、製程與產品特性分析。資策會MIC。
賴孟誠(民國101年) .高功率脈衝磁控濺鍍漸層能隙二氧化鈦薄膜太陽電池於可撓式基板，逢甲大學材料科學與工程學系碩士論文。
蕭寶棋(民國95年) .運用資料探勘技術於LED產業製程良率。未出版之碩士論文。國立交通大學管理學院碩士在職專班資訊管理組。

英文文獻
Alexander,W.P. & Grimshaw,S.D. (1996).Treed regression. Journal of Computationaland Graphical Statistics, 5, 156-175.
Berry, M. J. A. & Linoff, G. (1997). Data Mining Techniques for Marketing, Sales,and Customer Support, New York: John Wiley and Sons.
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984).Classification and Regression Trees . New York：Chapman and Hall.
Chaudhuri, P., Huang, M. C., Loh, W. Y., & Rubin, R. (1994). Piecewise polynomialregression tree, Statistica Sinica, 4, 143-167.
Chen, Y. L., Hsu, C. L., & Chou, S. C. (2003). Constructing a multi-valued and multi-labeled decision tree. Expert Systems With Applications, 25(2), 199-209.
Dobra, A. & Gehrke, J. E. (2002). SECRET：A scalable linear regression tree algorithm. Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 481-487.
Fan, G. Z., Ong, S. E., & Koh, H. C. (2006). Determinants of house price: a decision tree approach. Urban Studies, 43(12), 2301-2315.
Fayyad,U.M. & Irani, K.B. (1993). Multi-interval discretization of continuous-valued
attributes for classification learning. Proceedings of the Thirteenth International Joint Conference on Artificial Intelligence, 1022-1027.
Fayyad,U., Piatetsky-Shapiro, G., & Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM,39(11), 27-34.
Green, W.(2000). Econometric Analysis, Fourth Edition, Macmillan: NY.
Karalic, A. (1992). Employing linear regression in regression tree leaves. Proceedings of the 10th European Conference on Artificial Intelligence, 440-441.
Laudon, K.C. & Laudon, J.P. (2002). Management Information Systems, Seventh Edition. New Jersey: Prentice-Hall.
Loh, W.-Y. (2002). Regression trees with unbiased variable selection and interaction detection. Statistica Sinica, 12,361–38.
Peterson, S., & Flanagan, A. B. (2009). Neural network hedonic pricing models in mass real estate appraisal. Journal of Real Estate Research, 31(2), 147-164.
Quinlan,J. R. (1992). Learning with continuous classes. Proceedings of the Australian Joint Conference on Artificial Intelligence, 343-348.
Quinlan, J. R. (1993). Combining instance-based and model-based learning.
Proceedings of the 10th International Conference on Machine Learning,236-243.
Roiger, R. J. & Geatz, M.W. (2003). Data Mining: A Tutorial-Based Primer. Addison Wesley.
Torgo, L. (1997). Functional models for regression tree leaves, Proceedings of the 14th International Conference on Machine Learning, 385–393.
Wang, Y. & Witten, I. H. (1997). Inducing model trees for continuous classes.Poster Paper of 9th European Conference on Machine Learning, 128-137.