臺灣博碩士論文加值系統

人力資源的影響力逐漸成為企業競爭力的主要原因，也漸漸地成為公司的核心部門，過去被認為成功的企業均很重視人力資源。在人力資源管理中的選、育、用、留等功能，如何使公司所有員工人盡其才，事得其人，人事相宜，以實現組織目標，一向是難以掌握且難以控制的項目。但近年來開始發展的英國人力資本投資（Investors in People, IiP）與瑞士ISO10015提供一個解決方向，本研究將以IiP著重在凝聚員工共識為論點。
本文以DMAIC流程步驟及決策步驟貫穿全文，利用問卷調查定義（D）與衡量（M）資料，並填寫員工及主管的重要度與滿意度，接著將問卷進行數據分析（A）及發掘原因，首先，透過倒傳遞類神經網路模式，進行輸入單元對輸出單元之關聯分析，再將輸出單元的結果定義為五個群族，接著根據五群族分別對員工及主管作十字型績效矩陣，即可從矩陣中發現推行缺口，再從中尋找事件問題，並找出主要因素和次要因素，接著利用灰關聯觀念排序相對應的策略作為改善（I）之用，最後重新問卷衡量作控制（C）及效果確認。期望此一連串模式的建立，替將來剛成立的公司或是正要積極推行人才培育相關之制度時，可以提供一個正面方向供作參考使用。

The human resources influence gradually becomes the main reason of the enterprise competitive ability, also gradually becomes the company the core department, in the past was considered the successful enterprise takes the human resources very much. In the human resources management function, such as choose educate employ and keep so on. How causes company all staffs to enable each person to develop his talents achieves the organization goal that is always grasps and control the project difficulty. But the recent years started the England Investors in People(IiP) which developed with Swiss ISO10015 provides a solution direction. The research emphatically will be condensing the staff mutual recognition to take IiP as an argument.
This article passes through the full text by the DMAIC flow step and the policy-making step. The use questionnaire survey define(D) with the Measure (M) the data, and fills in the staff and manager's importance and satisfaction, subsequently uses questionnaire survey to analyze (A) data and find the reason. First, the penetration Back-propagation Neural Networks pattern to carry the relation analysis input unit and output unit. The output unit result define will be five groups, and uses the cross performance matrix to the staff and the manager separately according to five groups. Then from the matrix found the gap and seeks the event question. To discover the primary factor and the secondary factor to improve(I) strategy which uses the Grey Relation to sort. Finally makes the control(C) and the effect confirmation for questionnaire measure. Expected to build a succession of pattern to provide a reference for the new company which carries out the cultivatable brain.

摘要 i
ABSTRACT ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 ix
第一章 緒論 1
1-1 研究背景與動機 1
1-2 研究目的 2
1-3 研究對象範圍及限制 2
1-4 研究流程 2
第二章 文獻探討 4
2-1 人力資本投資與ISO10015之相關研究 4
2-1-1 英國人力資本投資驗證制度 4
2-1-2 瑞士ISO10015訓練品質制度 9
2-1-3 英國IiP與瑞士ISO10015之比較 12
2-1-4 小結 14
2-2 類神經網路模式(Neural Network Model) 15
2-2-1 倒傳遞類神經網路 16
2-2-2 倒傳遞類神經網路架構 17
2-2-3 LM倒傳遞類神經網路演算過程 18
2-2-4 網路參數設定之考量 20
2-2-5 網路終止條件 21
2-2-6 類神經網路之相關研究文獻 22
2-3 績效評估（Performance Evaluation） 24
2-3-1 績效評估之定義 24
2-3-2 績效評估之相關研究文獻 24
2-3-3 績效指標定義 25
2-3-4 1σ管制界線績效評估矩陣 26
2-4 灰色理論（Grey Theory） 29
2-4-1 灰關聯分析（GRA） 29
2-4-2 灰關聯之相關研究文獻 31
第三章 研究方法 33
3-1問卷設計與發放 33
3-1-1問卷設計 33
3-1-2 資料發放對象 34
3-2 類神經網路模式（Neural Network Model） 35
3-2-1 輸入變數的定義 35
3-2-2 輸入數據正規化（Scaling） 35
3-2-3 目標輸出的定義 36
3-2-4 隱藏層（Hidden Layer）的參數設定 36
3-2-5 其他重要參數之設定 37
3-2-6 網路評估 37
3-3 十字型績效評估矩陣模型 38
3-3-1 模型建立規則 38
3-3-2 類神經結合十字型績效矩陣模型 39
3-4 灰關聯（Grey Relation） 41
3-4-1 灰關聯分析演算步驟 41
第四章 實證研究與資料分析 47
4-1 定義 47
4-1-1 信度分析 47
4-2 衡量 48
4-2-1 集群分析 48
4-2-2 網路之創建 49
4-3 分析 53
4-3-1 D群族之績效矩陣分析 54
4-3-2 A群族之績效矩陣分析 62
4-3-3 B群族之績效矩陣分析 64
4-3-4 C群族之績效矩陣分析 66
4-3-5 E群族之績效矩陣分析 68
4-4 改善 70
4-4-1 灰關聯分析 72
4-4-2 各群族改善策略 73
4-5 控制 78
第五章 結論與建議 84
5-1 研究方法與實證分析結論 84
5-2 後續研究與建議 86
第六章 參考文獻 87
第七章 附錄 90

中文文獻
1. 行政院主計處，http://www.dgbas.gov.tw/mp.asp?mp=1。
2. 行政院經濟建設委員會，http://www.cepd.gov.tw/index.jsp。
3. 李帛庭，2005，台灣液晶顯示器導入統計製程管制績效評估模式，國立勤益技術學院生產系統工程與管理研究所，碩士論文。
4. 李泰霖，2001，企業導入企業資源規劃系統之目標、過程與成效，國立中央大學，碩士論文。
5. 汪雅康、黃世忠，2004，英國IiP計畫研究及我國人才培訓機構驗證評鑑制度之規劃，行政院勞工委員會職業訓練局-93年度職業訓練機構訪視評鑑、成果發表會及分析培訓評鑑制度之計畫。
6. 林士彥、鄭健雄，2005，“生態旅遊地點選取之灰關聯分析評估”，旅遊管理研究，第4卷，第2期，頁177～194。
7. 林妙雀，2005，“影響量販店與百貨公司消費者購買決策因素之研究－以基因演算法最佳化類神經網路模式加以驗證”，管理科學研究，第1卷，第2期，頁57～77。
8. 林登雄，2001，建構企業整合績效評估新模式－以提昇企業診斷能力，義守大學，碩士論文。
9. 美國訓練與發展協會(American Society for Training and Development ，ASTD)，http://www.astd.org/astd。
10. 唐淑娟，2000，台灣地區鳳梨零售價格預測之研究－灰預測、類神經網路與預測組合之應用，屏東科技大學農企業管理系，碩士論文。
11. 夏郭賢、吳漢雄，1998，“灰關聯分析之線性數據前處理探討”，灰色系統學刊，第1卷，第1期，頁47～53。
12. 張力友，2002，台灣電子業績效評比灰關聯分析與資料包絡法之應用與比較，銘傳大學金融研究所，碩士論文。
13. 張火燦，1996，“績效評估的模式與相關理論”，人事管理，第371 期，頁17～23。
14. 張志華，2006，台灣高科技產業導入平衡計分卡之績效評估，國立勤益技術學院生產系統工程與管理研究所，碩士論文。
15. 張晟域，2006，整合DEA視窗與Malmquist指數分析台灣電信業效率，國立勤益技術學院生產系統工程與管理研究所，碩士論文。
16. 張緯翎，2005，類神經網路與羅吉斯迴歸分析方法對於車體損失險出險預測能力之比較，逢甲大學保險學系碩士班，碩士論文。
17. 梁淑芳，2006，導入LM 法之平行倒傳遞演算法，東吳大學商學院資訊科學系，碩士論文。
18. 許士軍，2000，績效評估，天下雜誌，台北。
19. 陳明哲，2002，平衡計分卡應用於警務機關之績效評估，中原大學工業工程學系，碩士論文。
20. 彭文正譯，2001，資料採礦－顧客關係管理暨電子行銷之應用，數博網資訊股份有限公司。
21. 黃世忠，2004，“國際標準組織(ISO10015)之內涵介紹”，就業安全半年刊，頁25～29。
22. 黃俊英，1979，國營事業投資計劃評估方法與作業之研究，行政院研究發展考核委員會。
23. 楊啟洲，2004，以倒傳遞類神經網路作為授信風險預測之研究，中華大學科技管理研究所，碩士論文。
24. 葉怡成，1999，類神經網路模式應用與實作，儒林出版，台北。
25. 廖仁傑，2004，“由ISO 10015與IiP二個國際標準來談教育訓練與人力資源品質的提升”，品質月刊，第10卷，第40期，頁28～31。
26. 鄧聚龍，2000，灰色系統理論及其應用，高立圖書有限公司。
27. 盧靜怡，2001，企業經營績效排名之預測-灰色關聯分析與類神經網路之應用，國立台灣科技大學資訊管理系，碩士論文。
28. 羅一忠，2001，國內綜合證券商經營績效之評估 主成分分析及灰色關聯分析之應用，銘傳大學金融研究所，碩士論文。
29. 羅華強，2001，類神經網路-MATLAB 的應用，清蔚科技出版。
30. 蘇億珊，2006，企業導入ISO 10015教育訓練品質系統之可行性研究，國立中正大學勞工研究所，碩士論文。

英文文獻
1. Beale, H.D., 1996, Neural Network Design, Thomson Learning, Inc.
2. Chen, C. N. and Ting, S. C., 2002, “A study using grey system theory to evaluate the importance of various service quality factors”, International Journal of Quality and Reliability Management, Vol.19, No.7, pp.838-861.
3. Chen, S. C., Chen, K.S. and Tao, C. J., 2006, “Apply Six-Sigma Methodology in Constructing the Measurement Model for ISO-9001 Implementation”, Total Quality Management & Business Excellence, Vol.17, No.1, pp131-147.
4. Davis, S. and Botkin, J., 1994, The Monster Under the Bed – How Business Is Mastering the Opportunity of Knowledge for Profit, Simon & Schuster.
5. Hagan, M. T. and Menhaj, M. B., 1994, “Training Feed-forward Networks with the Marquardt Algorithm,” IEEE Transactions on Neural Networks, Vol.5, pp.989-993.
6. Han, J., and Kamber, M., 2001, Data Mining: Concepts and Techniques, Morgan Kaufmann, CA, USA.
7. Hung, Y. H., Huang, M. L. and Chen, K. S., 2003, “Service quality evaluation by service quality performance matrix”, Total Quality Management, Vol.14, No.1, pp. 79-89.
8. Investors In People UK, 2000, Investors In People：Your Handbook, p3, TQM.
9. Investors In People UK, 2000, Investors In People：Your Handbook, p2-4, TQM.
10. Investors In People UK, 2001, Benefits of Being An Investor In People, p3, TSO.
11. Julong, D., 1989, “Introduction to grey system theory”, The Journal of Grey System, Vol.1, pp.1-24.
12. Koch, R., 1997, This edition of the 80/20 principle: The secret of achieving more with less, Nicholas Brealey Publishing Limited, London.
13. Lambert, D. M. and Arun, S., 1990, “A Customer-Based Competitive Analysis for Logistics Decisions”, International Journal of Physical Distribution and Logistics Management, Vol.20, pp.23.
14. Lin, W. T., Chen, S.C. and Chen, K. S., 2005, “Evaluation of performance in introducing CE marking on the European market to the machinery industry in Taiwan”. International Journal of Quality Reliability Management, Vol.22, No.5, pp.503-517.
15. Nunnally, J., 1978, Psychometric Theory, Second Edition, Mcgraw-Hill, New York.
16. Parasuraman, A., Zeithaml, V. A. and Berry, L. L., 1991, “Understanding customer expectation of service”, Sloan Management Review, pp.39-48.
17. Saner-Yiu, L., Ziegler, K., and Sanar, R., 2005c. AdeQuaTE ISO 10015+ lead auditor’s training, pp.1-45.
18. Sharda, R. and Delen, D., 2006, “Predicting box-office success of motion pictures with neural networks”, Expert Systems with Applications, Vol.30 , pp.243–254.
19. Tu, Y.C., Lin, C. T. and Tsai, H. J., 2001, “The performance evaluation model of stock-listed banks in Taiwan：By grey relational analysis and factor analysis”, Journal of Grey System, Vol.13, No.2, pp.153-164.
20. Wu, D., Yang, Z. and Liang, L., 2006, “Using DEA-neural network approach to evaluate branch efficiency of a large Canadian bank”, Expert Systems with Applications, Vol.31, pp.108–115.
21. Wu, H. H., 2002, “A Comparative Study of Using Grey Relational Analysis in Multiple Attribute Decision Making Problems”, Quality Engineering, Vo1.15, No.2, pp.209-217.
22. Yiu, L. and Saner, R., 2005, “Does it pay to train?” ISO Management Systems, March-April, pp.9-13.
23. Li, R. and Wang, Z. O., 2004, “Mining classification rules using rough sets and neural networks”, European Journal of Operational Research, Vol.157, pp.439-448.