近年來我國光學模具產業受到下游產業持續外移以及去年金融風暴影響，造成內需市場呈現大幅萎縮的現象，原本以低廉價格為主要行銷優勢，在面臨中國及南韓中、低價位模具的強勢競爭，以及光學產品用模具需使用高精密奈米加工機生產，呈現M型化分配，整體經營環境已日趨困難。因此，我國模具廠商亟需思考轉型方向，並著眼於產品與技術的研發與人才的培育，朝向高精密度、高速度、高深寬比的精密模具技術開發、知識管理、智慧資本與商業智慧的累積，藉以提昇產品附加價值與模具人才的前瞻性佈局，此舉不僅可因應產業遽變的發展趨勢，更是永續生存之道。

    模具為工業產品之母往往扮演著產業舉足輕重的腳步，唯模具在光學產業中雖然為關鍵成功因素但其製作涉及的人員、機械設備、物料、環境及管理因素等關鍵因素複雜；為能客觀診斷其關聯性，企業必須彈性地微調組織架構，讓各部門主要的功能流程發揮到最佳效能。

    因此本研究擬以資料探勘的方式使用SPSS CLEMENTINE 12，應用其關聯法則、Apriori演算法及分析使用軟體，了解員工對於光學模具產業影響之關鍵績效指標如人員、機械設備、物料、環境及管理因素之關聯性。研究目的在於透過資料探勘方式探討光學模具產業中的關鍵績效指標關聯性之影響。並針對光學產業用模具之關鍵績效指標發展分析，期能為我國光學模具產業提供具創新性及前瞻性的發展方向。

Optical mold industry at Taiwan attacked by downstream industry continue move out in recent year and financial crisis effect at last year, bring deep decrease about inter-market.

  Originally for mass marketing exclusive by cheep prices, it’s emerge M-type of distribution by face Strength competition of middle & low price mold at China & Korea and optical production’s mold need high nano-machine. It is very difficult in integrated business environment.

  So we need think transfer target at mold factory owner in Taiwan and focus research product & technology and talented person training toward explicit mold’s encumbrance of technology R&D、Knowledge Management、Intellectual Property、Business Intelligence by HI-EXACTNESS、HI-SPEED、HI-DEEP&WIDE Ratio.

  In order to enhance the added value of products with the mold talent forward-looking layout, would not only be a result of rapid change in industry trends, more is eternal survival, The mold industry is the foundation of the industrial products, and it’s also act an important Role .
 
  In order to objectively diagnose their relevance, companies need to allow flexibility to fine-tune the organizational structure, so that the major functions of various departments to play to the best performance processes. Therefore, this study is intended to Data Mining Research Methods for using in a way through the Data Mining SPSS CLEMENTINE 12, application of the association rules, Apriori algorithm and analysis of the use of software.
        
  Research target for exploring ways through data mining optical mold industry in key performance index and dies for the optical industry's key performance index developed for an analysis, a view to die for our industry to give an innovative and forward-looking direction of development.

目錄
致謝	I
中文摘要	II
英文摘要	II
目錄	III
表目錄	VI
圖目錄	VII
第一章 緒論	1
1.1 研究背景	1
1.2 研究動機	4
1.3 研究目的	5
1.4 研究流程	6
1.5 論文架構	7
第二章 文獻探討	9
2.1 績效管理（Performance Management）	9
2.1.1 績效管理的定義	9
2.1.2 績效管理的目的	11
2.1.3 績效管理的流程	12
2.1.4 小結	14
2.2 商業智慧（Business Intelligence）	15
2.2.1 商業智慧的定義	15
2.2.2 商業智慧的架構	17
2.2.3 商業智慧的效益	18
2.2.4 小結	20
2.3 關鍵績效指標（Key Performance Index）	20
2.3.1 關鍵績效指標的定義	21
2.3.2 關鍵績效指標評估因素	23
2.3.3 製造關鍵績效指標衡量	25
2.3.4 小結	27
2.4 資料探勘（Data Mining）	28
2.4.1 資料探勘的定義	28
2.4.2 資料探勘技術與流程	30
2.4.3 小結	32
第三章 個案公司關鍵績效指標管理問題	33
3.1 我國之光電產業用模具概述	33
3.1.1 光學產業用模具範疇	36
3.1.2 光學產業用模具特性	36
3.2 個案公司簡介	39
3.2.1 個案公司之背景與營運概況	40
3.2.2 個案公司光學模具之製造程序	44
3.2.3 個案公司之模具開發流程	44
3.2.3 個案公司現行關鍵績效指標診斷	47
3.3 概念性架構	49
第四章 研究方法	50
4.1 研究設計與架構	50
4.2 系統架構	51
4.2.1 系統架構與流程	51
4.2.2 資料庫建置	53
4.3 問卷設計與發放	58
4.3.1 問卷設計	58
4.3.2 問卷發放計畫	60
4.4 關聯法則與集群分析	61
4.4.1 關聯法則	61
4.4.2 Apriori演算法	63
4.4.3 C&R Tree分類迴歸樹	65
4.4.4 K-Means集群分析	67
4.5 資料分析使用軟體－SPSS CLEMENTINE 12	70
第五章 實證分析與討論	71
5.1 回收樣本結構描述	71
5.2 績效分類、分群模式之探勘	73
5.3 關鍵績效指標之探勘	79
5.4 關鍵績效指標相互影響之探勘	83
5.4.1 人員因素與物料因素之探勘	84
5.4.2 人員因素與管理因素之探勘	86
5.4.3 物料因素與環境因素之探勘	88
5.4.4 環境因素與機械設備因素之探勘	90
5.4.5 管理因素與機械設備因素之探勘	92
第六章 結論與建議	93
6.1 研究結論	93
6.2 管理意涵與個案公司建議	98
6.3 研究限制	103
6.4 後續研究建議	104
參考文獻	105
附錄	112
附錄一 問卷內容	112

表目錄
表1.1 台灣光電產業主要產品之季產值	2
表2.1 績效管理的定義	10
表2.2 績效管理的目的	11
表2.3 商業智慧的定義	16
表2.4 關鍵績效指標的定義	22
表2.5 資料探勘的定義	29
表2.6 資料探勘的流程	31
表3.1 個案公司大事紀	43
表3.2 模具開發流程說明	46
表3.3 個案公司關鍵績效指標表	48
表4.1 實體、關聯圖例	53
表4.2 問卷發放計畫	60
表4.3 資料探勘軟體排名	70
表5.1 問卷回收統計表	71
表5.2 基本資料統計表	72
表5.3 K-Means分群結果	77
表5.4 族群與關鍵績效指標因素關聯結果	78
表5.5 關鍵績效指標-設備共振普遍偏高之關聯法則	79
表5.6 關鍵績效指標-設備共振普遍偏高之關聯法則	81
表5.7 人員因素與物料因素之關聯法則	84
表5.8 人員因素與管理因素之關聯法則	86
表5.9 物料因素與環境因素之關聯法則	88
表5.10 環境因素與機械設備因素之關聯法則	90
表5.11 管理因素與機械設備因素之關聯法則	92
表6.1 「生產製造族群」關鍵績效指標地圖	94
表6.2 「研究開發族群」關鍵績效指標地圖	95
表6.3 「策略佈局族群」關鍵績效指標地圖	97
表6.4 有機溶劑作業環境測定報告	99
表6.5 油氣揮發作業環境測定報告	100
表6.6 噪音作業環境測定報告	100
圖目錄
圖1.1 2006~2008年度台灣模具工業產值分析	3
圖1.2 2009年台灣光學元件應用產品產值比例	4
圖1.3 論文架構	8
圖2.1 績效管理流程圖	13
圖2.2 商業智慧架構圖	18
圖2.3 商業智慧效益流程圖	19
圖2.4 製造績效系統圖	26
圖3.1 光學產業分類圖	33
圖3.2 精密光學元件成長趨勢圖	34
圖3.3 光學產業鏈示意圖	35
圖3.4 光電產業用模具上下游關聯圖	37
圖3.5 光電產業用模具發展趨勢	38
圖3.6 個案公司產品類別圖	39
圖3.7 個案公司海外事業群分佈圖	40
圖3.8 個案公司組織架構圖	41
圖3.9 個案公司專利申請圖	42
圖3.10 模具製造程序	44
圖3.11 模具開發流程	45
圖3.12 概念性架構圖	49
圖4.1 研究設計圖	50
圖4.2 系統架構圖	52
圖4.3 概念性資料庫設計圖	54
圖4.4 邏輯性資料庫設計圖	56
圖4.5 實體性資料庫設計圖	57
圖4.6 問卷架構圖	59
圖4.7 Apriori演算範例	64
圖4.8 K-Means評估公式	68
圖4.9 K-Means分群步驟	69
圖5.1 資料節點串流圖	73
圖5.2 所屬部門C&R Tree 分類迴歸樹	74
圖5.3 K-Means集群分佈圖	76
圖5.4 機械設備因素之蛛網圖	80
圖5.5 環境因素之蛛網圖	82
圖5.6 關鍵績效指標影響示意圖	83
圖5.7 人員與物料因素蛛網分析圖（修正前）	85
圖5.8 人員與物料因素蛛網分析圖（修正後）	85
圖5.9 人員與管理因素蛛網分析圖（修正前）	87
圖5.10 人員與管理因素蛛網分析圖（修正後）	87
圖5.11 物料與環境因素蛛網分析圖（修正前）	89
圖5.12 物料與環境因素蛛網分析圖（修正後）	89
圖5.13 環境與機械設備因素蛛網分析圖（修正前）	91
圖5.14 環境與機械設備因素蛛網分析圖（修正後）	91
圖6.1 「生產製造族群」關鍵績效指標地圖	94
圖6.2 「研究開發族群」關鍵績效指標地圖	96
圖6.3 「策略佈局族群」關鍵績效指標地圖	97
圖6.4 商業智慧儀表版圖	102
圖6.4 關鍵績效指標研究限制	103
圖6.5 關鍵績效指標後續研究	104

一、中文資料
于泳泓（2002）。「從台灣企業成功導入平衡計分卡實例談企業現況剖析與導入架構檢核」，會計研究月刊，第198期，頁16-27。
王煥寧（2004）。「關鍵績效指標體系建立」，中國管理傳播網。
尹相志（2004）。「SQLServer資料探勘聖經」，學貫行銷股份有限公司。
林慶德（2003）。「資料庫管理與應用」，台北，培生出版社。
吳秉恩（1992）。「企業策略與人力發展」，台北，中國經濟企業研究所。
吳安妮（1997）。「平衡計分卡轉換為行動策略」，會計研究月刊，第130期，頁140-144。
吳姝蒨（2002）。「商業智慧的應用面向與導入關鍵要素」，電子化企業經理人報告，第32 期，頁12-22。
黃同圳（2002）。「績效評估與管理，人力資源管理的十二堂課」，台北，天下遠見出版，頁111-153。
張明杰（2009）。「國營事業經營績效管理之研究」，國立政治大學經營管理研究所碩士論文。
陳春盛（2009）。「建構職業安全衛生管理指標並重績效管理之研究－以某手機廠為例」，工業安全衛生期刊，第237期，頁41-59。
潘文章（1992）。「企業管理：導論、能力、革新」，台北市，三民書局。
劉一強（1997）。「資訊產業電子化關鍵績效指標評估」，國立清華大學工業工程與工程管理研究所碩士論文。
翁慈宗（2009）。「資料探勘的發展與挑戰」，科學發展期刊，第442期，頁34-37。
謝邦昌（2009）。「資料探勘與商業智慧」，台北市，鼎茂書局。
欒斌（2002）。「商業智慧三大手法」，經濟部商業月刊，第50期，頁34-38。
龔政中（2005）。「模具業參與產品協同設計、技術創新與開發績效關係之研究」，國立中央大學企業管理研究所碩士論文。
二、英文資料
Agrawal, R., Imielinski, T., and Swami, A. (1993).Mining association rules between sets of items in large databases.ACM SIGMOD Conference,Washington DC, USA, pp.254-259.
Agrawal, R.,and Srikant, R.(1994).Fast Algorithms for Mining Association Rules. Proceeding of the 20th International Conference on Very Large Database, pp.487-499.
Ahmad, M. M., & Dhafr, N.(2002).Establishing and improving manufacturing performance measures.Robotics and Computer Integrated Manufacturing,18, pp.171-176.
APICS(2001).Master planning of resources session 8, Version 2.0, Dec.
Armstrong(ed.)(1994).Strategies for Human Resources Management. London, Kogan Pages.
Bentley, T.(2006).Managing Performance, Training Journal, Apr, pp.20-25.
Berry,M.J.A.,and Linoff, G.(1997).Data Mining Techniques for marketing,sales, and customer support. NY：John Wiley and Sons Inc.
Berson(2001),Building Data Mining Application for CRM,McGraw-Hill。
Bevan, S. & Thompson,M(1992). Performance management in the UK, London: IMP.
Bilgin,K.U.(2007),Performance Management for Public Personnel:Multi-Analysis Approach Toward Personnel,Public Personnel Management, 36(2), pp.93-114.
Breiman, L., Friedman, J. H., Olshen, R. A. and Stone, C. J.(1984). Classification and Regression Trees, Chapman & Hall, New York.
Cabena,P.,Hadjinian,P.,Stadler,R.,Verhees,J.&Zanasi,A.(1998).Discovering data mining from concept to implementation. New Jersey: Prentice Hall.
Carrol, S.J & Schnerier, C.E.(1982).Performance appraisal and review systems,Glenview.
Challis, D., Samson, D., & Lawson, B.(2002). Integrated manufacturing, employee and business performance:Australia and New Zealand evidence.International Journal of Production Research, 40(8), pp.1941-1964.
Chapman, P., Kerber, R., Clinton, J., Khabaza, T., Reinartz, T. & Wirth, R.(1999).The CRISP - DM Process Model. CRISP - DM Consortium.

Chenhall, R. H.(1996).Strategies of manufacturing flexibility, manufacturing performance measures and organizational performance: An empirical investigation.Integrated Manufacturing System, 7(5), pp.25-32.
Cooper, R.G. & Kleinschmidt E. J.(1996).Winning Business in Product Development:The Critical Success Factors, Research Technology Management,39(4), pp.19-29.
Curt,H.(1995).The deville’s in the detail: techniques, tool, and applications for data mining and knowledge discovery-part 1. Intelligent Software Strategies, 6(9),pp.3-4.
David,Loshin.(2003).Business Intelligence:The Savvy Manager’s Guide,Morgan Kaufmann.
Evans,J.St.B.T.(1996).Deciding before you think: Relevance and reasoning in the selection task, British Journal of Psychology,87, pp.223–240.
Fayyad,U.&Stolorz, P.(1996).Data mining and KDD:Promise and challenges. Further Generation Computer Systems, 13, pp.99-115.
French,R.(1985),Performance appraisal: Assessing human behavior at work,MA:Kent-Wadsworth,Boston.
French.(1990).Human Resources Management.Boton:Houghton Mifflin.
Frawley,W.(1991).Knowledge Discovery in Databases.CA:MIT Press.
Hartel,F(1994),Performance Management Where ‘s Going-Competency Based Human Resource Management, Kogan Page, London.
Han, J. Kamber, M.(2000).Data Mining: Concepts and Techniques. Morgan Kaufmann.
Han, F. J. & Kamber, M.(2001).Data mining: concepts and techniques. San Francisco: Morgan Kaufmann Publishers.
Hoelscher, R.(2002).Business intelligence platforms boost ERP. Financial Executive,18(2), pp.66-68.
Hui, S. C. & Jha, G.(2000).Data mining for customer service support.Information & Management, 38 (1), pp.1-14.
IBM Redbooks(2000).Business Intelligence Certification Guide. White, The Business Intelligence Software Solution.Database Associates International, Inc., Version 3.
Kamel, R. and Samia,O(2002).PUZZLE: A Concept and Prototype for Linking Business Intelligence to Business Strategy.Journal of Strategic Information, 2(1), pp.133-152.
Kantardzic,M.(2003).Data mining: concepts, models, methods and algorithms. N.J.,Wiley. 
Keim,D.A.,Pansea,C.,Sipsa,M.&Northb,S.C.(2004).Pixel based visual data mining of geo-spatial data.Computers and Graphics,28, pp.327-344.
Mac Queen, J. B.(1967).Some Methods for Classification and Analysis of Multivariate Observation.Proc. 5th Berkeley Symposium on Mathematical Statistics and Probability, UC Berkeley, pp.281-297.
McFadden(2000),Modern Database Management, pp.207-216.	
Moss,L.T.,andArte,S.(2003).Business Intelligence Roadmap, Addison-Wesley, U.S.

Nicholson,S.(2006).The basis for bibliomining:Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services.Information Processing and Management, 42(3), pp.785-804.
Peter F. Drucker(2002).Management: Tasks, Responsibilities, Practices.
Philop R. Kelly,(1958).Reappraisal of Appraisal.HBR:Performance Appraisal,pp.16.
P.P.S. Chen,(1976).The Entity-Relationship ModelToward a Unified View of Data, " ACM Trans. on Database Systems, Vol. 1, No. 1, March.
Robert S. Kaplan. & David P.Norton(2000).The Strategy-Focused Organization:How Balanced Scorecard Companies Thrive in the New Business Environment. Boston : Harvard Business School Press.
Rowland, K. M., Ferris, G. R. and Sherman, J. L.(1983).Activity Analysis Production and Allocation Cowles Commission for Research in Economics Current Issue in Personnel of Activities. In Koopmans T.C. ed., New York: John Wiley and Sons, pp.33-97.
Santos, M. Y. & Amaral,Luis A.(2004).Mining geo-referenced data with qualitative spatial reasoning strategies.Computers Graphics,28(3), 371-379.
Schuler, R. S. and Jackson, S. E.(1996).Human Resource Management: Positioning for the 21st Century. New York: International Thomson.
Scott, N.(2006),The basis for bibliomining: frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services. Information Processing and Management, 42, pp.785-804.
Sean Kirby.(2009). start small and build toward business intelligence
.healthcare financial management,pp.1-8.	
Simons, R.(2000).Performance measurement and control systems for implementing strategy:text & cases.Prentice Hall, Upper Saddle River, NJ.
S.Parapob.(2009). The Survey of Thailand’s Military Logistics Key Performance Indicators.WCECS,San Fransico,USA.
Tahvan, M.(1998). Expariate Performance Management. Helsinki School of Economics Press. 
Tesoro, F. & Tootson, J.(2000).Implementing Global Performance Measurement System:A Cookbook Approach.Jossey-Bass, San Francisco.
Toroslua, I. H. & Yetisgen-Yildiz, M.(2005).Data mining in deductive databases using query flocks. Expert Systems Applications,28(3), pp.395-407.
Waal,A.A.(2007).Successful Performance Management? Apply the Strategic Performance Management Development Cycle.Measuring Business Excellence, 11(2), pp.4-11.
White,C.J.(1999).The Business Intelligence Software Solution,DataBase Associates International, Inc.
York Consulting Group(1999).Issues in implementing ERP: A case study. European Journal of Operational Research, 146, pp. 274-283.
Yurdakul, M.(2002).Measuring a manufacturing system’s performance using Saaty’s system with feedback approach. Integrated Manufacturing System, 13(1), pp.25-34.