走在汽車革命的路上論文書籍站
國立清華大學 工業工程與工程管理學系 葉維彰、許棟樑所指導 蘇意筑的 延伸可靠度評估方法至彈性評估問題 （2021），提出Shutdown batch關鍵因素是什麼，來自於網絡彈性、元件重要性、網絡脆弱性、網絡可恢復性、網絡可靠性、二進制加法、二進制狀態網絡。
而第二篇論文國立雲林科技大學 工業工程與管理系 侯東旭所指導 江翠珊的 應用小波轉換與卷積類神經網路於軸承故障診斷之研究 （2020），提出因為有 軸承故障、小波轉換、縮放卷積式網路的重點而找出了 Shutdown batch的解答。
延伸可靠度評估方法至彈性評估問題
為了解決Shutdown batch 的問題，作者蘇意筑 這樣論述：
生活中許多實際應用程序由各種網絡組成。在這些網絡的運行過程中，它們可能會受到無法預測或無法控制的破壞性事件的干擾。這些破壞性事件包括但不限於人為錯誤，自然災害，或是惡意攻擊。就網絡體系結構而言，破壞性事件造成的損失主要是組件損壞或組件之間的連接路徑故障。當運行中的網絡遭到破壞時，往往會造成自然的生態或經濟損失。衡量網絡抵禦破壞和恢復能力的績效指標正是網絡的彈性。因此，系統性且有效地測量網絡彈性是一個值得討論的話題。基於對網絡可靠性的評估方法，即二進制加法樹算法（binary addition tree algorithm, BAT），提出了一種基於二進制加法樹的彈性評估（binary add
ition tree-based resilience assessment, BAT-RA）和時間相關的BAT-RA（time-related BAT-RA, t-BAT-RA），以分析非循環二進制狀態網絡的彈性。本文還提供了通過擬議的BAT-RA和 t-BAT-RA分析的野火無線檢測傳感器網絡的網絡彈性的案例研究。BAT-RA考慮了破壞性事件的隨機性，並基於最佳可行技術全面列出了所有可能的破壞性情景和相應的整體修復策略，然後計算了網絡的靜態彈性。t-BAT-RA 比 BAT-RA 進一步考慮了動態恢復策略，並專注於更容易發生的破壞性事件、更多的參數和決策變量、仍然包括保護和恢復策略的成本、
三階段策略制定（即保護，攻擊和恢復），以及用於量化網絡彈性的網絡可靠性恢復程度的新性能指標。此外，對於選擇具有成本約束（即恢復受損網絡的預算）和網絡彈性要求的恢復策略的決策者，建議的BAT-RA可以以不同的成本獲得網絡彈性，從而幫助決策者確定恢復受損網絡的預算，並獲得所需的網絡彈性性能。
應用小波轉換與卷積類神經網路於軸承故障診斷之研究
為了解決Shutdown batch 的問題，作者江翠珊 這樣論述：
由於近年來工業4.0的觀念興起，許多工廠紛紛投入相關技術，使工廠從傳統提升為智慧工廠。傳統上只有當機器故障停機後，才由專業的技術人員檢查機器故障的原因及損壞位置，但是這樣不但耗時，而且停工的造成的損失也不容忽視，因此預知維護就很重要。傳統的預知維護研究傾向運用感測器收集振動訊號，並透過訊號處理分析技術提取特徵，最後應用了各種機器學習的方法來對資料進行故障診斷。本研究使用小波轉換進行特徵萃取，並將其產生的圖像特徵應用新的縮放卷積式網路進行辨識，並用德國Paderborn大學的軸承振動訊號資料集來驗證所提方法之準確度。本研究結果發現，縮放卷積式網路模型的分類準確率平均為99.53%，深度殘差網路
模型分類準確率平均為99.48%，模型比較後得出縮放卷積式神經網路模型的各項績效評估指標皆優於深度殘差網路模型且所花費的時間也短了16.8分鐘，並將驗證結果與其他文獻所提的方法進行比較，可發現縮放卷積式網路優於其他方法。