看屋買房賣房和房仲情報站論文書籍站
明道大學 精緻農業學系碩士班 羅惠萍所指導 黃潤銓的 ‘滿天星’百香果莖頂組織培養之研究 （2021），提出4ms評估關鍵因素是什麼，來自於莖頂培養、‘滿天星’百香果。
而第二篇論文國防大學 運籌管理學系 郭俊良所指導 温慧菱的 基於XGBoost機器學習演算法建立船舶主機PHM模型 （2019），提出因為有 預兆式健康管理、預測性維護、樹狀分類演算法、XGBoost演算法的重點而找出了 4ms評估的解答。
‘滿天星’百香果莖頂組織培養之研究
為了解決4ms評估 的問題，作者黃潤銓 這樣論述：
本研究探討以不同鹽類濃度、培養基型態及生長調節劑，對‘滿天星’百香果莖頂初代及增殖培養之影響。鹽類濃度有1/4MS、1/2MS及MS，以1/2MS培養其培植體鮮重其雖較以MS培養小，但其癒傷組織率低，展葉良好。培養基型態有固態、雙相及液態紙橋培養基，其中液態紙橋培養基其培植體鮮重較重，且無癒傷組織，並展葉良好。生長調節劑有NAA(0~0.04 mg/L)、BA(0~0.4 mg/L)及NAA 0.02 mg/L與BA(0~0.4 mg/L)之組合，於各處理及組合以僅添加0.02 mg/L NAA，其培植體表現良好，鮮重可達15.4 mg，且無癒傷組織形成。初代培養之建立培植體取之季節，在
夏季摘取之培植體，不僅鮮重表現最佳，無癒傷組織生成。經本研究結果‘滿天星’百香果莖頂初代培養，建議培養基鹽類濃度以1/2MS、培養基型態以液態紙橋培養並添加 0.02 mg/L NAA其培植體且有較佳的生長情形。 增殖培養階段，在添加kinetin時，增殖率以0.6 mg/L kinetin結合0.02 mg/L NAA之固態培養基，其增殖率最佳達2.1個芽，其癒傷組織生成率極低。在添加2iP時，培植體伸長效果最佳，濃度0.4-1 mg/L 2iP結合0.02 mg/L NAA之固態培養基，芽長達5.4-5.8mm，但僅在低濃度之0.1 mg/L之2iP無癒傷組織生成，其他各濃度皆有癒傷組織
生成。增殖培養有添加TDZ之處理者皆有癒傷組織生成，且添加TDZ之處理者與其他兩種生長調節劑2iP及kinetin比較，其增殖及培植體伸長皆表現不佳。在溫度試驗增殖及培植體伸長三種溫度雖無差異，但在30。C不僅存活率最高，同時無褐化及癒傷組織生成。最後培養基型態以固態培養基較雙向培養基表現佳，雙向培養基之培植體顏色黯淡，且部分培植體出現玻璃質化的情況。
基於XGBoost機器學習演算法建立船舶主機PHM模型
為了解決4ms評估 的問題，作者温慧菱 這樣論述：
工業4.0的時代，以物聯網和智慧系統為基礎核心，預測技術與智慧演算法交織，對裝備之主動維護產生積極的影響。柴油發動機的可靠性優化對船舶可用性、安全性和生命週期成本具有巨大之影響，現有的監視與警報系統僅針對基本運轉狀態偵測及警示故障，而預兆式健康管理模型的最終目標是可靠地偵測異常及預測故障時間，以便系統自主地進行有效的維護計畫。由於科技日新月益，武器裝備的集成度、複雜度及智慧化急劇增加，對資訊精準度與時效性的要求亦大幅升級，推動人們對於演算法的創新發展與運用，本研究採用透過系統優化和演算法增強的XGBoost機器學習演算法與隨機森林和支援向量機演算法進行預測模型的比較，實驗證明XGBoost可
顯著改進傳統維護方案，更加快速且準確地偵測船舶主機系統異常並預警，及時供維保人員與決策者於主機裝備維護之決策參考，藉由預兆式健康管理模型透過優化的預測方法，以提升補保系統適時適切地進行後勤作業，可使裝備整體生命週期的維運成本大幅降低，並提高裝備妥善率，未來可有助國軍進一步全面優化4M管理。