隨著產品開發時間越長，開發成本相對的越高，如果產品問題越晚發現，為了修正錯誤所付出的費用則越高。因此產品功能測試在產品開發過程中，是必要的階段，透過測試希望產品問題能及早發現，因為有效的測試，可以讓產品在第一時間發現問題，在出貨前及時修正，讓客戶購買到品質優良，穩定度佳的產品。所以，測試工作在產品的製造過程，是極為重要的議題。在網路產品中，使用者需要長時間的使用，並維持穩定，為了符合客戶需求，產品開發時的測試特別重要。
本研究以網路產品測試資料，進行資料探勘模型建立，經使用關聯規則資料分析及驗証，得出網路產品測試資料的確可有效使用於判斷待測物所需之測試計畫。資料透過不同的條件因素的分類之後，可以更清楚的發現產品與測試計畫之間的關係，若是集中於一份資料，則可發現不同產品類型各自分別與測試計畫所呈現的關係。在網路產品測試時可採用資料探勘技術獲取所需測試計畫之準確率，藉以節省人力需求，符合實際產品測試運作之人力有效運用，讓資料探勘真正發揮幫助企業追求利潤之能力、提高顧客滿意度之目標。

With the longer product development time, the cost usually will relative higher. And if the issues are found at the later of development process, then the cost will even higher just to pay for the correction.Therefore, product's functional testing in the development process is a necessary stage and through testing hope the problem can be detected at the earliest time.Because of effective testing, the issues can be found and correct right away before the product shipment.To let the customers have the highest quality and stability product is our goal.So, the product testing is extremely important task during the product manufacturing. Users require a long period of use and maintain stability for network products.In order to meet customers demand, the testing is very important during product development's period.
This study is based on the network product testing data to do the survey and model building, and through the use to analysis its information association with rules and validation.The results show that the network product testing data can be used effectively on determine the analytes in the test plan.Information through different conditions and factors classification, you can see the relationship between product and test plan more clearly.If just focus on one data, then you will find that different type of products have its own relationship with the test plan.Network product testing can also be using network data survey techniques to obtain the accuracy and save more labor requirement.By using this way, the labor resource can be used more efficient and also let the data survey perform its best ability to create more profit to corporate, also by using tihs way to enhance the product satisfication on customers.

Abstract III
目錄 IV
圖目錄 VI
表目錄 VII
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 研究範圍 3
1.4 論文架構 3
第二章 文獻探討 5
2.1 網路通訊產業之分類與現況 5
2.2 軟體測試定義及分類與架構導向管理模型 12
2.3 產品測試與上市時間之策略分析 17
2.4 小結 19
第三章 研究方法 20
3.1 資料探勘的定義 20
3.2 資料探勘的方式 24
3.3 資料探勘模式建立方法 27
3.4 關聯規則定義 29
第四章 本研究機制 34
4.1 資料來源 35
4.2 資料篩選 36
4.3 建模機制 38
第五章 分析與討論 41
5.1 關聯規則彙整 41
5.2 因素分析與探討 43
5.3 總結 44
第六章 結論與未來研究 45
6.1 研究結論 45
6.2 未來研究 46
參考文獻 47

[1]李振登，「新產品開發」，偉明圖書，2004年。
[2]林玉如，2007通訊工業年鑑，工研院，2007年。
[3]黃琨翰，「以搜尋式方法偵測程式溢位弱點」，交通大學資訊科學學系碩士論文，2008年。
[4]陳弘文，「模式測試：測試案例自動產出方法論」，中山大學資訊管理學系碩士論文，2009年。
[5]陳家豪，「支援敏捷發展方法之軟體行為驗證與測試系統」，成大資訊工程學系碩士論文，2008年。
[6]張勝傑，「即時上市與產品測試策略分析之研究－醫療產業為例」，高雄第一科技大學企業管理學系碩士論文，2008年。
[7]陳家豪，「支援敏捷發展方法之軟體行為驗證與測試系統」，成功大學資訊工程學系碩士論文，2008年。
[8]陳梅鈴，「全球WLAN晶片市場現況分析」，工研院，2010年。
[9]李復孝、馬維銘、趙善中，「以架構導向改善軟體測試管理模型之研究」，資訊管理展望，第 11 卷，第 1 期，第73-93頁，2009年。
[10]張甄玲，「通信網路產業非意欲產出之效率分析」，東吳大學經濟學系碩士論文，2008年。
[11]梁德馨教授，「九十六年度台灣無線網路使用調查報告」，輔仁大學統計諮詢顧問中心，2007年。
[12]陳柏宇，「台灣網通產業競爭力之探討」，交通大學高階主管管理學程碩士論文，2007年。
[13]林宗蔚，「一個有效率在成對測試上產生測試資料的演算法」，交通大學資訊工程與科學研究所碩士論文，2007年。
[14]巫宗融譯，Robert G. Cooper著，「新產品開發手冊－如何在新產品戰爭中勝出」，遠流出版社，2000年。
[15]林宜萱、劉復苓譯，James P. Lewis and Louis Wong著，「產品研發專案管理」，美商麥格羅‧希爾國際股份有限公司，2005年。
[16]洪懿妍，「創新引擎─工研院：台灣產業成功的推手」，天下雜誌，2003年。
[17]莊立民審訂，吳亞穎、郭庭魁、張永翰等譯，Paul Trott著，「創新管理與新產品開發」，臺灣培生教育文化企業社，2006年。
[18]許瓊文、劉尚志、蔡千姿、龍仕璋，「科技管理」，智勝文化出版公司，2005年。
[19]產品行銷策略研究小組譯，朝野熙彥、山中正彥著，「新產品研發策略：產品行銷策略」，和昌出版社，2005年。
[20]Craig M. Vogel, Jonathan Cagan and Peter Boatwright著，「創新設計─如何打造風靡消費者的優質產品」，臺灣培生教育文化企業社，2006年。
[21]新產品研發風險 http://www.csoet.cn/n16/n1100/n1553/n1583/573525.html
[22]李振昌譯，Francoise Simon & Philip Kotler著，「打造全球生技品牌」，天下遠見出版社，2005年。
[23]陳祥輝，「TCP/IP網路通訊協定」，博碩出版社，2009年。
[24]曾恕銘譯，Dharma Prakash Agrawal．Qing-An Zeng著「無線通訊系統概論：行動通訊與網路 3/e」，東華出版社，2011年。
[25]林昌亮，「協同設計及企業電子化與運籌績效影響之研究-以台灣網通產業為例」，成功大學管理學院，2006年。
[26]工研院IKE，「2010 年上半年台灣通訊設備暨零組件產銷調查報告」，經濟部工業局，2010年。
[27]謝雨珊，「2010年全球通訊設備成長分析」，拓墣產業研究所，2010年。
[28]趙善中、趙薇、趙鴻，「系統架構學：軟體架構、企業架構、知識架構、思考架構」，科技圖書股份有限公司，2008年。
[29]李俊彥，「系統的自我指涉─盧曼的觀點(提綱)」，網路社會學通訊期刊，第十七期，2001年。
[30]曾淑峰、季延町、黃瓊玉，「以架構為中心推展企業資源規劃(ERP)之研究」，電子商務學報，第六卷，第二期，頁251-264，2004年。
[31]魏宏森、曾國屏，「系統論」，清華大學出版社，1995年。
[32] 簡禎富、李培瑞、彭誠湧，「半導體製程資料特徵萃取與資料挖礦之研究」，資訊管理學報，第十卷，第一期，頁63-84，2004年。
[33]林傑斌等合著，SPSS11統計分析實務設計寶典(初版)，博碩文化，2002年。
[34]尹相志，「SQL Server 2008 Data Mining資料採礦」，悅知文化出版社，第二版，2010年。
[35]Veryzer R. W. Jr., “Key Factor Affecting Customer Evaluation of Discontinuous New Products”, Journal Product Innovation Management, pp. 136-150, 1998.
[36]Berry, M., and Linoff, G, “Data Mining Techniques for Marketing, Sales and Customer Support”, John Wiley and Sons, New York, 1997.
[37]Brada, D., and A. Shmilovici, “Data Mining for Improving a Cleaning Process in the Semiconductor Industry”, IEEE Transactions on Semiconductor Manufacturing, Vol. 15, No. 1, pp. 91-101, 2002.
[38]D. Heckerman, “Bayesian Networks for Data Mining”, Data Mining and Knowledge Discovery, Vol. 18, pp. 79-119, 1997.
[39]Fayyad, U., G. G. Grinstein, and A. Wierse, “Information Visualization in Data Mining and Knowledge Discovery”, Morgan Kaufmann, San Francisco, 2001.
[40]Han, J., and M. Kamber, “Data Mining: Concepts and Techniques”, Morgan Kaufmann, San Francisco, 2000.
[41]Kusiak, A., and C. Kurasek, “Data Mining of Printed-Circuit Board Defects”, IEEE Transactions on Robotics and Automation, Vol. 17, No. 2, pp. 191-196, 2001.
[42]Hong, T.P., Lin, J.W. and Wu, Y.L., “A Fast Updated Frequent Pattern Tree,” Proceedings of the IEEE International Conference on Systems, Man and Cybernetics, Vol. 9, pp. 2167-2172, 2006.
[43]Jiawci, H. and Micheline, K., “Data Mining Concepts and Techniques”, SanDiego: Academic Press, 2001.
[44]Leung, C. K. S., Khan, Q. I. and Hoque, T., “CanTree: A Tree Structure for Efficient Incremental Mining of Frequent Patterns,” Proceedings of the 5th IEEE International Conference on Data Mining, pp. 274-281, 2005.
[45]Lin, C.W., Hong, T.P. & Lu, W. H., “Using the Pre-FUFP Algorithm for Handling New Transactions in Incremental Mining,” Proceedings of the IEEE Symposium on Computational Intelligence and Data Mining, pp. 598-603, 2007.
[46]Qiu, Y. & Lan, Y. J., “Efficient Improvement of FP-tree Based Frequent Itemsets Mining Algorithms,” Proceedings of the First International Conference on Innovative Computing, Information and Control, Vol. 3, pp. 374-377, 2006.
[47]Beizer, B., “Software Testing Techniques.” John Wiley & Sons, Inc. 1990.
[48]IEEE Standards Board, ”IEEE Standard Glossary of Software Engineering Terminology”, IEEE Std, 610-1990, 1990.
[49]Glen Myers, “The Art of Software Testing”, Wiley, 1979.
[50]Pressman, R. S., “Software Engineering: A Practioner’s Approach Fifth Edition” McGraw Hill, 2001.
[51]Rook, P., “Controlling Software Projects,” Software Engineering Journal, Vol.1, No.1, pp.7-16, 1986.
[52]William Harvey Inmon, “Building the Data Warehouse”, John Wiley & Sons Inc, 2005.
[53]Ralph Kimball, “The Data Warehouse Toolkit”, John Wiley & Sons Inc, 2004.
[54]Cooper R.G. and Kleinschmidt, E.J., “Benchmarking Firms’ New Product Performance and Practices”, Engineering Management Review, Vol. 23, No. 3, pp. 112-120, 1995.
[55]Crawford M. and Di Benedetto C. A., “New Products Management”, McGraw-Hill, Singapore, 2006.
[56]Di Benedetto C. A., “Identifying the Key Success Factors in New Product Launch”, Journal Product Innovation Management, pp. 530-544, 1999.
[57]Griffin A., “PMDA Research on New Product Development Practices: Updating Trends and Benchmarking Best Practices”, Journal Product Innovation Management, Vol. 14, pp. 429-458, 1997.
[58]Rainey D., “Product Innovation: Leading Change Through Integrated Product Development”, Cambridge University Press, New York, 2005.
[59]Song X. M. and Parry M. E., “The Determinants of Japanese New Product Successes”, Journal of Marketing Research, Vol. 34, pp. 64-76, 1997.
[60]Swink M., “Completing Projects On-time: How Project Acceleration Affects New Product Development”, Journal Engineering and Technology Management, JET-M 20, pp. 319-344, 2003.
[61]IEEE Standards Board, ” Systems and software engineering-Recommended practice for architectural description of software-intensive systems”, IEEE Std, 1471-2000, 2007.
[62]IEEE Standards Board, ” Software Unit Testing”, IEEE Std, 1008-1987.
[63]IEEE Standards Board,” IEEE Standard for Software Verification and Validation (Revision of IEEE Std 1012-1998)”, IEEE Std, 1012-2004.
[64]Craven, M., Shavlik, J. “Using neural networks for data mining.” Future Generation Computer Systems, 13, 211-229.
[65]Fayyad, U. M., et al, Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press, 1996.