隨著市場競爭激烈，筆記型電腦及其零組件等消費型產品價格也持續下探，嚴重影響了毛利率。面對這樣嚴苛的考驗，各公司開始著重於縮短產品開發時程、減少不良品報廢，才能夠有效提升自己產品的競爭力、維持毛利並滿足市場瞬息萬變的多樣化產品特性。
　　而大數據的時代來臨，人們開始學習從過往的經驗中找出隱含的意義，希望能夠帶來價值，所以如何有效地利用儲存的資料，轉換成資訊，甚至成為公司重要的知識，並提升產品品質。故本論文主要以筆記型電腦內之散熱零組件之設計品保的觀點出發，探討新產品於開發設計階段影響品質的關鍵因子，從大量的新產品試做後不良品記錄進行一連串的資料清洗及分析，以第五版D-FMEA（Design - Failure Mode and Effects Analysis，設計端失效模式和效應分析，簡稱D-FMEA）失效模式與效應分析）為架構，結合親和圖法將質性資料標準化，而資料分析後得到影響產品品質的關鍵因素，最終導入同步工程與其知識管理工具，即「卓越產品設計」（Design for excellence; 簡稱 DFx）於開發階段即同步讓各功能部門針對關鍵因子進行管控，將不良攔阻於設計之前，達到縮短開發流程與減低試做後之不良品報廢兩大目標，進而有效減低公司的內耗成本。

　　In the face of stiff global competition, the prices of consumer products such as laptop computers and its components are going down constantly, and it has caused a decrease in gross profit significantly. Though, the companies have begun to focus on shortening the product development timeline and reducing the scrapping of defective products, so that they can effectively enhance the competitiveness of their products, maintain gross profit, and meet the rapidly changing of the market.
　　A famous word “Data Science” is going to change anything that we used to make by manually, people start to find the hidden meanings from past experience, hoping to bring the value of the company. Therefore, in this thesis, I will integrate several techniques to construct a procedure for finding out the key factor base on thousands of past laptop production data. First, I will use the fifth edition of D-FMEA（Design-Failure Mode and Effects Analysis）as the framework, combined with the affinity diagram method to classify and standardize the production data. Once the qualitative data could be easily analyzed, it will no longer be difficult for engineers to find the key factors of quality and design. Second, using Concurrent Engineering and DFx（Design for excellence）tools can help us to store the key factor as knowledge or principle for different function departments and shorten the new product design and development time. Base on a case study, the result shows that this procedure effectively reducing the company's internal consumption costs. It could be a reference for the manufacturers that want to find patterns and knowledge discovery from data.

摘要 I
ABSTRACT II
致謝辭 III
目錄 IV
表目錄 VI
圖目錄 VIII
第一章、 緒論　1
1.1 研究背景　1
1.2 研究動機　1
1.3 研究目的　3
第二章、 文獻回顧　4
2.1筆記型電腦產業　4
2.2 數據的定義　7
2.3 資料整理的方法　8
第三章、 研究架構流程　11
3.1 資料庫設計與資料整合　11
3.1.1 資料庫設計與資料整合　11
3.1.2 新版（AIAG+VDA 第五版）FMEA介紹　12
3.2 資料清理及知識發現　15
3.2.1 親和圖法介紹　15
3.2.2 知識發現　16
3.3 同步工程與卓越產品設計（DESIGN FOR EXCELLENCE）　16
第四章、 個案分析研究　18
4.1研究資料準備　18
4.2 資料建模與資料整合　19
4.3 知識發現　26
4.4卓越產品設計（DESIGN FOR EXCELLENCE; DFX）　28
4.5 個案結論　31
4.6 實際案例分享　32
第五章、 結論與建議　35
5.1 研究成效　35
5.2 研究結論　36
5.3 未來研究建議　37
參考文獻　39

1. 王友龍（2015），圖解資料學，台北市: 臉譜出版社有限公司
2. 白光華（2003），創新協同產品研發，台北市: 財團法人中國生產力中心
3. 何佳勳（2012），建構一以KJ法為基礎之創意思考平臺，國立臺中科技大學，多媒體設計系碩士論文
4. 林華齡（2005），大量客製化環境下台灣機械製造業產品模組化的探討，私立東海大學管理碩士學程碩士論文
5. 洪儒瑤（2000），台灣企業知識管理應用現況及其模式之研究，國立台北大學，企業管理研究所碩士論文
6. 翁紹仁和林光甫（2011），可靠度工程之失效模式與效應分析介紹，品質月刊，47卷2期，32-34頁
7. 張芬芬（2010），質性資料分析的五步驟：在抽象階梯上爬升，初等教育學刊，第三十五期，87-120頁
8. 曾渙釗（2005），供應鏈及企業資源管理ERM大辭典，台北市: 松崗電腦圖書資料股份有限公司
9. 黃弘毅（2002），設計概念階段之產品知識建構與應用-以案例式推理法為例，東海大學工業設計系碩士論文
10. 彭新傑（2016），利用資料挖礦找出影響產品品質之關鍵因素以 LED 封裝為例，國立清華大學工業工程系碩士論文
11. 梁宇麟（2012），使用同步工程與故事情境法改善新產品開發之品質控制-以設計品保觀點，國立清華大學工業工程系碩士論文
12. 潘俊隆（2016），整合 DFMEA 與檢核表之技法於產品設計審查，國立台北科技大學工業工程系碩士論文
13. 蔡錦裕（2005），筆記型電腦市場地位與競爭策略之研究，中華管理學報，第六卷第一期，17-36頁
14. 鄭江宇（2019），「數大」便是美-大數據與現代生活的連結，2019-11-01 科學月刊第599期，26-29頁
15. 簡禎富和許嘉裕（2014），大數據分析與資料挖礦，新北市: 前程文化出版有限公司
16. Crabtree, B.F. & W. L. Miller.（1992）, Research Methods for Primary Care, 93-109, Thousand Oaks, CA: Sage Publications, Inc.
17. Mitchell Fleischer & Jeff K. Liker（1997）, Concurrent Engineering Effectiveness, 20-22, Germany: Hanser Gardner Publications