中 華 大 學

中 華 大 學 碩 士 論 文

題目：模糊失效模式與效應分析應用於建築業 售後服務之研究

The Research of Applying Fuzzy

Failure Modes and Effect Analysis on Sales Services for Construction Industry

系 所 別：科 技 管 理 研 究 所 學號姓名：M09303048 王媛君 指導教授：陳 文 欽 博 士

中 華 民 國 九十四 年 七 月

i

模糊失效模式與效應分析應用於建築業售後服務 之研究

學生：王媛君 指導教授：陳文欽博士

摘 要

現代的企業面對龐大的資料洪流，需要有效的工具來協助捕捉顧客的相 關資訊，本研究以建築業為例，應用資料採礦的觀念與方法，將建築物完工 後，顧客搬遷進住使用中所發生的問題及修繕的內容，經由分析瞭解其發生 頻率進行區隔，從顧客反應的意見中，結合模糊失效模式及效應分析，利用 專家意見整合影響修繕發生內容之潛在風險因子，並且彙總失效原因、發生 頻繁及處理方式之因素。

依據上述資料建立快速檢核修繕問題系統，將模糊失效模式及效應分析 與傳統失效模式及效應分析，兩者結果做比較，提出客觀建議措施及可行改 善方案，作為建設公司未來檢視設計及改善施工品質之方向，以增進往後建 築施工管理績效與提昇建設公司創造優勢的競爭力。

關鍵詞：模糊失效模式與效應分析、資料採礦、售後服務

ii

The Research of Applying Fuzzy Failure Modes and Effect Analysis on Sales Services

for Construction Industry

Student：Yuan-Chun Wang Advisor：Dr. Wen-Chin Chen

Abstract

Modern enterprises need effective tools to assist in catching the related information of customers during facing data in huge amount, this research take the architecture industry for example, by using the idea and method of Data Mining, to separate all customer into different group after group analysis the frequency of problems and restoration content which provide by customer after they move in to the building, this research also combine the Fuzzy Failure Mode and Effects Analysis, using the expert advice to confirm the latent risk factor that can influence the restoration content, and also complies the factors of failure reason, frequency and processing way.

A fast restoration review system should be built up according to the data mentioned above, in the system will compare the result of fuzzy FMEA and traditional FMEA, to provide a objective suggestion and feasible improvement plan, also provide a basic direction of design review and execution quality improvement in the future, to improve the execution management performance and superiority of competitive ability of company.

Keywords：Fuzzy Failure Modes and Effect Analysis(FFMEA)、Data Mining、

Sales Services

iii

誌 謝

哈哈！終於可以寫誌謝了。在大學畢業離開學校十餘載後，能有幸再度 回到學校學習，重溫莘莘學子做學問是一直以來的心願，沒想到辛勤努力的 耕耘，如今能有豐碩寶貴的成果，帶著歡喜心情及滿滿的行囊離開美麗的校 園，對未來的挑戰充滿信心。

研究所這些日子來，回想從零到有的此時，承蒙指導教授陳文欽博士耐 心的指導，無論在課業或是生活上均給予最大的支持。其淵博的學養與縝密 嚴謹的研究思維，充實了學生在專業領域上的涵養。而開放自由的學風，亦 帶給學生思想上重大的啟發。本篇論文的完成，同時也由衷的感謝蔡志弘博 士及張丁才博士等口試委員於百忙之中撥空指導，你們提供許多寶貴的意 見，使得本論文得以更臻完備，特致謝意。

研究期間，亦感謝同事們的支持、學長姊、學弟妹以及同窗好友們的關 懷，由於你們的鼓勵，得以熬過那段辛苦的日子，順利完成碩士之學程，現 在回想起真是個甜蜜的回憶。

深深地感謝我最親愛的父母、姐弟與家人們，由於你們全心全意的默默 扶持與鼓勵，以及無怨無悔的付出與包容，使求學過程得以順利不虞匱乏，

並能專心的完成論文的工作。最後僅以本論文獻給曾經關心、照顧我的師長、

家人、同事以及朋友們，在此亦將這份榮耀與你們一起分享。

王媛君 謹誌於中華大學科管所 中華民國九十四年八月四日

iv

目 錄

摘 要... i

Abstract ... ii

誌 謝... 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... 1

1.3 研究流程... 3

1.4 研究範圍及限制... 4

第二章 文獻探討... 5

2.1 資料採礦... 5

2.1.1 資料採礦的意義 ... 5

2.1.2 資料採礦的步驟特性 ... 6

2.1.3 資料採礦的技術分類 ... 8

2.1.4 資料採礦的應用方向 ... 9

2.2 建築業售後服務...11

2.2.1 售後服務的定義 ...11

2.2.2 售後服務的範圍 ... 12

2.2.3 售後服務的重要性 ... 15

2.2.4 售後服務執行的缺失 ... 16

2.3 失效模式與效應分析... 17

2.3.1 失效模式與效應分析的發展演進 ... 17

2.3.2 失效模式與效應分析的相關名詞與表格 ... 19

2.3.3 失效模式與效應分析的優缺點 ... 23

2.3.4 模糊失效模式與效應分析 ... 24

第三章 研究方法... 29

3.1 研究架構... 29

3.2 資料分析整理... 30

3.2.1 資料庫背景說明 ... 30

v

3.2.2 案例目標設定 ... 32

3.2.3 變數統計分析 ... 37

3.3 模糊理論應用內容... 45

3.3.1 模糊德菲法 ... 45

3.3.2 失效模式與模糊風險優先數的架構 ... 47

第四章 實證分析... 52

4.1 模糊失效模式與效應分析模式的建構... 52

4.1.1 失效模式與效應分析模式的建構流程 ... 52

4.1.2 模糊失效模式與效應分析模式的評點方式 ... 54

4.2 資料分析結果與討論... 60

4.3 模糊失效模式與效應分析模式的建議改善措施... 65

第五章 結論與建議... 72

5.1 研究結論... 72

5.2 後續研究建議... 73

參考文獻... 74

vi

圖目錄

圖1.1 研究流程圖... 3

圖2.1 資料採礦循環圖... 6

圖2.2 售後服務流程圖... 13

圖2.3 模糊推論的過程... 25

圖2.4 三角模糊數... 26

圖2.5 梯型模糊數... 26

圖3.1 研究架構圖... 29

圖3.2 公司組織圖... 31

圖3.3 歷年推案完工統計圖... 32

圖3.4 案件數量比例分佈圖... 34

圖3.5 修繕案例社區分佈圖... 37

圖3.6 住戶報修性別分佈圖... 38

圖3.7 住戶樓層與公共區域分佈圖... 39

圖3.8 修繕案件中住戶居住樓層比例分佈圖... 39

圖3.9 案例社區修繕件數分佈圖... 41

圖3.10 修繕案件處理時效分佈圖... 42

圖3.11 1~30 天之處理時效分佈圖... 42

圖3.12 Max-Min 預測圖 ... 46

圖3.13 Fuzzy Integration 法之隸屬函數圖 ... 46

圖3.14 模糊關鍵性評估系統概念... 49

圖3.15 風險模糊集合定義... 50

圖4.1 失效模式與效應分析建構流程圖... 53

圖4.2 失效模式圖表... 57

圖4.3 傳統及模糊 FMEA 專家資訊系統進入畫面 ... 61

圖4.4 傳統 FMEA 資料輸入畫面 ... 61

圖4.5 模糊 FMEA 資料輸入畫面 ... 61

vii

表目錄

表2.1 FMEA 之發展演進表... 18

表2.2 嚴重度衡量標準... 20

表2.3 發生度衡量標準... 20

表2.4 難檢度衡量標準... 21

表2.5 標準失效模式與效應分析表格... 23

表3.1 社區基本資料明細表... 33

表3.2 售後服務修繕分類表... 35

表3.3 變數選取內容說明... 35

表3.4 住戶報修各案例男女比例表... 38

表3.5 住戶修繕區域統計表... 40

表3.6 售後服務修繕分類細目表... 43

表4.1 三個失效因子尺度比較表... 54

表4.2 模糊邏輯失效模式與效應分析應用於建築業售後服務分析表 ... 55

表4.3 建構資料庫系統明細表... 60

表4.4 傳統 FMEA 與模糊 FMEA 之結果比較 ... 62

表4.5 分析結果失效因子之排序... 65

表4.6 各類系統種類最高失效因子之項目... 68

1

第一章 緒論

1.1 研究背景與動機

美國享有盛譽的Harvard Business Review 期刊曾經指出，爭取新客戶的 成本是維繫現有客戶的五倍以上，因此，能提供完善貼心的售後服務品質的 企業，較能維繫著有價值的客戶群，並且進一步創造新的商機及利潤。然而，

隨著我國經濟發展及建築技術的進步，住宅以朝建築立體化、社區客製化的 方向發展，提供完善貼心的售後服務，已不足以滿足需求，顧客對於快速診 斷與回應，預防錯誤發生及減少重覆學習之要求，已有日趨增強的趨勢。

現代的企業面對龐大的資料洪流，除了從累積的經驗去瞭解判斷每一項 問題發生的特性外，亦可試圖從大量的歷史資料記錄中找出一些資訊，但無 法用過去的經驗去進行臆測，如此一來，易導致對資訊誤解而做出錯誤的決 策，勢必需要有效的工具來協助補捉相關資訊，進而幫助企業厚植穩固的顧 客群。因此，藉由資料採礦方式，結合模糊失效模式及效應分析，進行科學 化分析瞭解顧客的行為，整合售後服務修繕內容缺失之改善方式，建構一套 適用於住宅建築工程之快速檢核系統。期盼能在營建專案初期構想階段，提 供建築設計及專案參與者在規劃決策上一個有用的檢視工具。藉此，對企業 能有效提昇市場佔有率及降低行銷成本；與顧客建立共同的價值和信賴的關 係，以達成企業經營最佳化，使企業能以更客觀的角度制定決策。

目前國內使用 FFMEA方式，分析評估建築業售後服務內容的潛在風險 相關研究是罕見的。因此，本論文選定售後服務流程中之修繕服務內容，運 用模糊失效模式及效應分析模式進行評估研究。

1.2 研究目的

基於上述說明之研究背景及動機，本研究以建築業為例，應用資料採礦 的觀念與方法，將資料中所內涵之知識加以發掘，運用模糊失效模式及效應 分析(Fuzzy Failure Modes and Effect Analysis，FFMEA) 之研究方法，將建 築物完工後，顧客搬遷進住使用中所發生的問題及修繕的內容，從顧客反應 的意見中，進行資料分析區隔，經由專家意見發掘潛在風險因子及發生的頻 率，進而提出處理方式及改善可行方案，不僅能將顧客需求之層面加以強化

2

重視，更能提昇建築物施工品質與創造建設公司優勢的經營競爭力。

本研究之主要目的如下列幾點：

一、收集建設公司售後服務修繕工程之歷史案例資料，分析建築物中顧客所 遭遇不同修繕問題之類型。

二、利用專家意見分析、整合影響修繕發生內容之潛在風險因子，並且彙總 失效原因、發生頻繁及處理方式之因素，並依據上述資料建立快速檢核 修繕問題系統。

三、將模糊失效模式及效應分析與傳統失效模式及效應分析，兩者結果做比 較，提出客觀建議措施及可行改善方案。

四、建構售後服務修繕之執行分析模式，並且採取優先建議改善的措施與降 低系統發生風險的實際行動，反映到設計與施工管理方面的流程中，作 為建設公司檢視設計及改善施工品質之方向。

3

1.3 研究流程

本研究流程如圖 1.1 所示。首先先闡述本研究之研究背景與動機，

並藉以確認研究之目的，之後進行文獻資料蒐集與探討，然後建立本研 究架構及假設，確定使用研究方法，依據資料內容的整理與分析，產生 實證分析與結果，最後根據所產生之結果，提出本研究結論與建議。

圖1.1 研究流程圖 研究背景與動機

研究目的

文獻資料蒐集與探討

研究架構與假設

確定研究方法

資料整理與分析

實證分析與結果

結論與建議

4

1.4 研究範圍及限制

基於在研究內容上力求公正客觀及實用性，因受限於資料來源及時間等 之因素，使得研究在建立時，會產生許多無法評量的屬性及限制，故本研究 之研究範圍及其限制如下：

一、本研究因受限於時間、人力及資料之機密性因素，無法針對所有售後服 務修繕內容充分分析，而採用一段時間內所發生的案件資料作為研究的 範圍，進行分析與比較。

二、考量資料收集來源的差異及各案例標準的複雜度，無法就全國性或全建 築業界之資料來進行探討，因此，本研究所採用之案例資料範圍，以個 案建設公司之售後服務部門資料庫為例。

三、由於本研究所針對之研究對象是設定建設公司住宅類建築為主要目標，

因此，所得售後服務修繕系統模式，將適用回饋於建築業住宅施工品質 管理上。

5

第二章 文獻探討

本研究之文獻探討主要分成三個部份，第一部分為資料採礦之闡述，說 明其意義、步驟特性、技術分類及應用方向；第二部分為建築業售後服務之 介紹，說明其定義、範圍、重要性及執行的缺失；第三部為失效模式與效應 分析之探討，說明其發展演進、相關名稱與表格、優缺點及模糊失效模式與 效應分析理論之介紹。

2.1 資料採礦

資料採礦這門技術可說是結合了資料庫系統、人工智慧、統計學、高效 能運算架構與視覺化等技術，是個重要的研究領域，也是增加企業潛能的重 要指標。

2.1.1 資料採礦的意義

資 料 採 礦(Data Mining ， DM) 屬 於 資 料 庫 中 知 識 發 掘 (Knowledge Discovery in Database，KDD)的一部分，其涵意為由大量的資料中，萃取出 隱藏的、未知的與潛在而具實用性的資訊之處理過程。資料採礦藉由提供多 樣性、全面性的分析與計算功能，利於在資料庫或是資料倉儲中進行即時的 分析。透過資料採礦可以萃取出規律的、高層次的或者是使用者感興趣的資 訊，並由不同的觀察角度進行知識的探索，用以作為知識的生成及確認，同 時也是豐富且正確之資料來源【7】。

林國偉(2001)指出：資料採礦(Data Mining，DM)，是一種能夠從巨量的 資料中過濾出有用的知識與規則的技術。它利用人工智慧、統計學的方法，

或以其他演算法為基礎，做為識別技術發掘有用的策略性資訊。透過這些資 訊，找出有用可採行作為決策，並建立能自動預測顧客行為的模型。透過這 些模型，企業可以瞭解顧客、分析顧客進而發現新的商機，以調整行銷策略，

提升競爭力。因此，將資料採礦的技術，用在客戶關係管理上，將有助企業 從大量的資料中，挖掘出具有商業價值的行銷資訊【4】。

Michael and Gordon【19】資料採礦是經由自動或半自動的方法探勘及分 析大量的資料，以建立有效的模型及規則。資料採礦有兩種基本模式：第一

6

種，假設檢定：是一種由上而下的方式，檢視我們的想法是否成立。第二種，

知識發掘：是一種由下而上的方式，從分析原始資料開始，找出我們所不知 道的事實。

因此，綜上所述，所謂「資料採礦」就是透過很多不同的方法從歷史資 料中找尋脈絡，歷史資料愈完整、愈能從中把寶藏給找出來，也就是找出結 果，做為決策上所需資訊之參考依據。

2.1.2 資料採礦的步驟特性

「資料採礦」是整個知識發現過程中最重要的核心步驟，且整個資料採 礦的過程是不間斷地且重複的步驟，如圖2.1所示。

圖2.1 資料採礦循環圖 資料來源：【12】

一、確認問題：如問題之定義、確定分析目標等。

二、分析資料：選擇合適的資料採礦工具，以萃取出有用的資訊。

三、採取行動：參考所萃取出的資訊以作出合理且正確的決策。

四、評估結果：根據實際執行成果以評估該次資料採礦之成效，並反覆修正 資料採礦模式，以作為下次循環改善之用。

資 料 確認問題

評估結果

採取行動

分析資料

7

在處理過程中，先對欲解決的問題與需求做明確的定義，其次選擇目標 資料庫，將雜訊資料進行排除，並且對資料進行編碼來轉化資料顯示的格式，

以增加處理上的效能；在選擇採礦的工具方面，選擇適合問題的解決工具來 進行萃取的工作；在找出有用的資訊後，則必須對於資訊進行評估，以確保 知識的有效性；如此一來，才算是完成了整個資料採礦的工作。

資料採礦的出現會引發各領域的廣泛注意，主要原因在相較於傳統統計 分析而言，資料採礦具有下列幾項特性【10】：

一、處理大量實際資料更強勢，且無須太專業的統計背景去使用資料採礦的 工具。

二、資料分析趨勢為從大型資料庫抓取所需資料，並使用電腦專屬電腦分析 軟體，資料採礦的工具更符合企業需求。

三、純就理論的基礎點來看，資料採礦和統計分析有應用上的差別，畢竟資 料採礦目的是方便企業末端用者使用，而非給統計學家檢測用的。

Sung Ho Ha and Sang Chan Park【20】所歸納的資料採礦步驟特性如下：

一、發展以及了解所應用的範圍，包含已知有意義的知識或資訊與發掘顧客 的目標。

二、發展一套目標資料規範，選定目標集合或資料樣本，然後執行。

三、資料挖掘的前置動作，在於消除不完整的或不需要的資料，並收集建構 模式時所需的資訊。

四、訂定資料轉換和簡化的規劃，根據目標的需求從資料中找出有用的特性，

並且使用其他轉換或簡化的方法以減少有效資料中的變異數。

五、透過資料挖掘的動作，找出資料中的關連規則、群集、分類、排列或是 作預測。

六、決定適當的資料挖掘演算法，演算法的目的在找到適當的模式或資料參 數。

8

七、資料挖掘包含於特殊的種類或具代表性的集合中，找出有興趣的模式。

八、解釋從步驟七所建立的模式，或是與一至七中任一個步驟作更進一步的 互動。

九、合併從資料挖掘中所發現的知識，並且從資料挖掘系統裡找出相關策略 或文件。

由此可知，資料採礦的特性應用範圍相當廣泛，對於資料採礦的結果，

主要是利用便利的工具，舉凡有關因整體經濟轉換、社會型態變遷所造成間 接影響，萃取對於企業產品影響策略方針的大部分屬性，其主要特性即在協 助企業做出更好的決策。

2.1.3 資料採礦的技術分類

資料採礦方法乃是利用建立資料集合的模式，利用這些模式的特性，描 述資料中所屬的特徵及關係，研究或分析者可利用各種不同的方法、技術，

試圖找出內含於資料中，可提供決策所需要的資訊，故資料採礦之應用模式 乃具多樣性。一般而言，目前主要的資料採礦技術包含下列六種【9】：

一、關聯分析(Association Analysis)

關聯分析在資料採礦技術中佔相當重要的環節，這項技術的主要目 的在於找出物件之間的關聯性，從同一筆交易資料中，分析某些項目間 的關聯性，亦即找出哪些交易項目可能同時發生，可運用於市場分析及 決策應用上。

此法則的演算法有二個重要的參數：支援值(Support)及信度值 (Confidence)。支援值(Support)是用以決定某項關聯事項的發生率至少要 超過一個可自行設定的值。信度值(Confidence)則是用以確定超過支援值 (Support)的事件之可信度。

二、分類法(Classification)

分類法是將資料根據某一已知屬性之值分類，利用已分類的資料，

並從其中找出特定的資料判別屬性，並依循此分類規則，將未知的資料

9

置入予以分類，找出這些規則後，可提供預測功能，將來可根據此規則 推估與判斷。

三、分群法(Cluster)

分群法是將資料的特性之相關性，將其分為不同的組別，每一群組 中的成員其屬性相似性比較高，群組間的相異性較大，目的在於找出不 同組別間的異同。

四、時間序列(Time sequence)

時間序列是找出在連續的一段時間中，事件發生的相似性，利用現 有的數值資料預測其未來之數值，通常分析數值與時間相關，例如：季 節性、時間的週期性、特殊節日等，若應用在購買方面，比如可透過這 種方法，了解商店在冬天這段時間物品銷售量的變化，以預測在某時點 需要多少的進貨量，以滿足客戶需求預測。

五、類神經網路(Neural Network)

類神經網路是模擬人類的神經網路，由許多輸出、輸入和處理結果 所組成的網路，這技術也應用在資料採礦上。類神經在商業上的應用，

包括找尋顧客在買賣商品上的關聯、股匯市的預測等。

六、歸納法(Generalization)

上述的五種技述，都是從資料中找出資訊的技術，而歸納法則是對 這些資料進行前處理，上述五種技術均可能需與歸納法搭配使用；原始 資料的屬性值可能非常多，因此，很難挖掘出令人滿意的資訊，此時就 要透過歸納法，進行資料的前處理，使經過處理的結果符合需求。

2.1.4 資料採礦的應用方向

基本上資料採礦的應用包含下列幾項【11】：

一、理解資料與進行的工作。

10

二、獲取相關知識與技術(Acquisition)。

三、融合與查核資料(Integration and checking)。

四、去除錯誤或不一致的資料(Data cleaning)。

五、發展模式與假設(Model and hypothesis development)。

六、實際資料挖掘工作。

七、測試與檢核所挖掘的資料(Testing and verification)。

八、解釋與使用資料(Interpretation and use)。

因此，企業可以將資料採礦技術應用在以下六個方向【2】：

一、獲取新客戶(Customer Acquisition)

從第一步開始，可根據顧客屬性來預測其對商品或通路計劃的反 應，接著可以比照相對應的實際屬性與反應是否真如預期，並從中挑選 出哪些尚未成為我們的顧客，但最有可能對我們的產品感興趣的人來。

二、維繫客戶(Customer Retention)

當資訊顯示企業的基本顧客已經開始流失到對手陣營時，公司就該 採取挽留措施，同時對那些還算穩定的顧客就該給些誘因使其更願意留 下來。

三、放棄客戶(Customer Abandonment)

當顧客資料中出現「黑名單」，也就是企業投注於其上的費用遠超過 他所回饋的，就應該考慮是否停止為這些顧客付出努力與成本。

四、購物籃分析(Market Basket Analysis)

購物籃指的就是消費者所購買的商品種類及數量，分析消費者購買 的產品將會對公司產生多少的經濟效益，即是所謂的購物籃分析，或稱

11

為聯合性分析(Association Analysis)。

五、需求預測(Demand Forecasting)與目標行銷(Target Marketing)

在處理過大量的資料後，當再次收到一筆新的資料時，電腦系統便 會模擬它的結果。也就是我們能根據某類潛在顧客的特性去預測其需 求，從而找出對我們所提供的商品最具有消費傾向的顧客。這方面的分 析可以加強我們對各種商品其主力顧客的促銷動作，進而提高銷售的成 績。另一方面，又可以節省不必要的浪費，如行銷費用與存貨的過剩或 不足等。

六、交叉銷售(Cross-Selling)與主動銷售(Up-Selling)

共同基金市場常有交叉銷售的手法出現，我們往往可以在一家基金 經理公司中發現許多特性不同的基金組合，如成長型、國際型、穩定型、

股票型等，既迎合了投資人分散風險的需求，又提供顧客操作上的便利。

或是和異業結盟形成一張完整的銷售網，盡可能滿足顧客「一次購足」

的需求，像航空公司與租車行、飯店的結盟就是一個例子。同時還可以 根據不同族群的消費特性，向潛在顧客介紹適合的產品，如此一來便揚 起了顧客的潛在需求，亦即所謂主動銷售。

因此，運用企業知識來做好企業與顧客間互動之聯繫，加強企業對顧客 知識之建立，重新定位顧客之需求，藉由資料採礦之使用，可使企業瞭解運 作現況外，並可藉由整合顧客與產品之資料數據，找出顧客對企業產品與服 務之滿意度或不滿意之部分，同時可以增進企業營運效率，創造企業知識之 附加價值。

2.2 建築業售後服務 2.2.1 售後服務的定義

售後服務的定義包含「在顧客確定價格並以契約或口頭或預付訂金表示 決定購買後，企業與顧客間所產生的一切活動的總稱」。

所謂建築業售後服務的定義，專指有關房屋銷售交屋之後關於應客戶要

12

求所提供之服務、檢查、修繕、估價與收款以及相關事項。故建築業的售後 服務並不僅止於保固期間的建築暇疵之修繕，亦包括交屋超過保固後之建築 修繕工作【8】。

售後服務的特性為發生頻率高、工程金額小、工程種類多、時有緊急搶 修，因為大多屬於零星工程，故相對而言的售後服務的工程單價均比大量發 包的工程單價為高，且維修的成效亦較不穩定，故對建設公司而言，售後服 務的整體效益較差。

2.2.2 售後服務的範圍

為使顧客所提出的意見之處理有所遵循，以確保建設公司及顧客雙方合 法權益，售後服務的形式可分成電話中服務或到場服務，服務內容大多是產 品故障排除、維修、備品供應等，依保固期限所約定的時間，作為支付費用 之界定，例如：建商於房屋買賣契約書訂定：「...第十八條--保固期限及範圍：

本契約房屋，除建商能證明可歸責於買方(如自行變更、自行施工或使用不當 等情行)或非可歸責於建商(如自然損害、天災或不可抗力等事項)因素外，自 建商通知交屋日起，針對主要結構部分(如樑、柱、樓梯等)負責保固十五年；

添附於結構上之固定建材及設備部分(如門窗、粉刷、地磚等)負責保固一 年。」。售後服務流程圖如圖2.2 所示，其作業說明如下：

13

圖2.2 售後服務流程圖

各案現場員 客戶服務部 專案部門 財務部 顧客需求/意見

分案處理

查明原因及登記

保固期責任判斷

保固期外之處理

協調說明

估價報顧客

發包處理/收費

施工完成

完工簽認

統計分析

建檔保存 顧客需求/意見

保固期內之處理

協調原承商處理

處理期限確認

發包施工

施工完成

費用收支報繳

14

售後服務作業流程如下列四點說明：

一、顧客提出需求或意見時，由各案現場員或客戶服務部門，統一填報後分 案處理。

二、與營造廠商保固期限範圍內之各案處理方式：

(一) 顧客因設計、品質、設備、管理、合約履行等各項事務提出時，由 客戶服務部責任判斷後，轉由專案部門承辦單位，限期由責任廠商 修繕完成。

(二) 如期限內未能完成，由公司代為處理涉及費用支付時，於施工完成 後扣工程保固款或尾款，作為支付處理費用。

三、與營造廠商保固期限範圍外之各案處理方式：

(一) 各案現場員與顧客協調說明，經勘查、估價後向顧客報價，依其是 否施作意願處理。

(二) 確認價格及施作意願後，即發包施工處理及費用收支報繳。

四、將建議處理方式、原因分析及預防措施填載記錄，以利統計分析、建檔 保存。

本研究依建築業售後服務的定義，其所涵蓋的範圍應包含下列項目：

一、房屋簽約後，顧客需求、意見之處理時所涵蓋之服務內容 (一) 付款方式程序。

(二) 室內裝修變更設計。

(三) 工程進度追蹤。

(四) 完工房屋設備驗收。

(五) 產權名義人確認及過戶。

15

(六) 銀行貸款撥付與尾款結清。

二、房屋交付後，營造廠商結案退場後之維護內容 (一) 保固期間的確認。

(二) 廠商定期維修保養。

(三) 設備使用教育訓練。

(四) 顧客諮詢解答及服務。

(五) 客訴案件處理及回應。

售後服務資料的管理的範圍，可分成以下幾個部分：

一、顧客投訴處理：顧客投訴的資訊處理，應完整記錄顧客投訴的內容，分 析協助解決顧客所提出的問題，並且彙整至相關部門，這是售後服務資 料中對於企業各方面的改進扮演著非常重要的角色。

二、售後服務排定：安排處理售後服務問題的先後順序，排定適當的廠商或 人選處理問題，並且追蹤所有待處理的問題，將延誤處理的案件依情節 輕重緩急通知相關部門或人員，並做進度的追蹤管理。

三、服務用料管理：主要是在掌控所有產品維修用的零件庫存數量、放置地 點、使用數量。因此，掌握正確的零件數量可達到調撥的功能，使維修 零件的供應發揮彈性，充份掌握時效。

四、記錄服務內容：對於處理過的售後服務案件，記錄維修過程、故障原因、

更換的零件及維修的廠商和人員，並做建立服務記錄分析程序。

2.2.3 售後服務的重要性

顧客滿意才會再度光臨，滿意的顧客是所有企業生命的活血源頭。隨著 消費者意識的提高，顧客滿意度不再局限於產品價格及功能而已，售後服務 的好壞也具有舉足輕重的角色。由於新市場的開發不易，愈來愈多的企業經 營重心不在獲取新顧客而已，如何保留已購買者也已成為企業經營的主要重

16

點。

從宏觀的角度來看，售後服務具有四項重要性：

一、維繫公司的顧客：良好的服務可以減少顧客對較差產品的不滿意度，對 於好的產品則有助於建立顧客的忠誠度。

二、加強產品在市場上的競爭力：價格、交貨及品質等因素外，服務是顧客 在購買時的重要衡量因素。

三、創造公司的利潤：愈來愈多的售後服務為求善用資源起見，採使用者付 費的觀念為趨勢，因此，售後服務常也是公司重要收益的來源。

四、經營方針的依據：售後服務也是企業瞭解顧客的重要來源，其間所收集 的資料，常為擬訂公司成功經營策略之重要依據。

售後服務是整體建築專案的最後一個步驟，與顧客的關係也最密切的一 個工作，分析影響修繕服務品質的原因，除了從服務的態度與時效之外，根 本之道仍在維修問題的改善。以往售後服務往往被認為是公司的負擔，然而，

在現今追求顧客滿意度的同時，售後服務的內容與口碑已成為企業是否具有 競爭力的來源之一。因此，達到提升售後服務滿意度為依歸，成為企業更具 成本效益之競爭策略。

2.2.4 售後服務執行的缺失

探討售後服務執行方式的缺失如下：

一、售後服務大部分均採書面的形式來進行維修問題的處理，如此一來只能 針對表面情況，而不知真正所以然，對於實際原因的發生，並無法探討 出來。

二、顧客所提出的問題，公司內部為徵求相關單位之意見，往往採行文件往 返，不但會流於表面形式，且因時效冗長而耽擱應變時機，更別說是解 決問題。

三、對於修繕內容可能發生的原因有很多，對於各單位所提出的解決方案缺

17

乏實證，不見得是反應真正的問題所在，因此，長久下來對於解決問題 能力缺乏可信度，難保相同事件不再發生。

四、確認問題是否徹底解決，是追蹤執行修繕服務記錄的目標，若無詳實的 文件記錄，建檔存查管理程序，不但無法經驗傳承、減少重覆學習時間，

以致於不易找出問題的根源。

五、所提出的解決方案，若未納入施工過程改善或標準流程的要求，對於再 遇到相同問題的人員，不見得知道處理方式，所以可能造成同樣的問題 一再的重覆發生。

六、顧客售後服務問題的反映，解決的最佳方式，是在問題尚未發生時就先 預防並且克服，應可透過有效機制的途徑來解決，並且在解決之後，納 入施工規範中，後續遇到相同問題時，皆可迎刃而解。

2.3 失效模式與效應分析

失效模式與效應分析「Failure Modes and Effects Analysis」是一種工程技 術用在系統、設計、製程及服務還沒到達顧客前，提早發現產品在生產上或 設計製造過程中，有可能發生的潛在問題、錯誤…等等，以及其產生的原因 對於系統上的影響，並採取適當的措施與與預防的方法。因此，通常是在產 品生命週期的初期實施，用來提高產品或製程的可靠性，降低往後做彌補改 善動作的成本【1】。

2.3.1 失效模式與效應分析的發展演進

失效模式與效應分析(FMEA)是一種預防性品質保證的方法。其作法是在 生產設計階段調查系統間，各種可能的失效模式及其原因與效應，以預先偵 測產品設計上的缺陷，使未來在量產階段上，減少許多因設計變更所造成的 成本。FMEA 不但是一項積極預防性的治本措施，具有防患未然的效果，如 果正確實施的話尚可達到改善品質，增加產品可靠度之效益。每一份FMEA 的資料，皆代表了『技術留廠』的意義，即使以往負責參與實行 FMEA 的 技術人員離廠後，這部分寶貴的經驗與成果仍可留在廠中供日後使用。

失效模式與效應分析(FMEA)，為一種可靠度分析的作業程序，其目的是

18

分析系統內潛藏的失效模式及其影響效應，用來區分各種故障模式發生後之 嚴重性或關鍵性等級，再對等級較高之故障模式，尋找出改善或預防等因應 之道，藉此提昇系統之可靠度。然而，發展至今，在各個領域的應用已相當 的廣泛，如FMEA 方法之研究、核能電廠、汽機車工業、電子零件及太空科 技等，都證實了現在的企業對品質的重視程度。本文將FMEA 發展演進整理 歸納如表2.2 所示：

表2.1 FMEA 之發展演進表

時 間 作 者 ／ 研 發 團 體 主 要 貢 獻

1950 年 Grumman 飛 機 公 司 運 用 於 設 計 飛 機 主 操 縱 作 業 系 統 的 失 效 分 析 。

1960 年 美 國 航 空 太 空 總 署 (NASA)

應 用 在 太 空 計 劃，奠 定 了 航 太 工 業 的 基 石 。

1974 年 美 國 國 防 部

出 版 軍 用 標 準 MIL-STD-1629 規 定 FMEA 為 標 準 作 業 流 程，但 僅 限 於 設 計 方 面 。

1980 年 美 國 軍 方

修 訂 改 版 為 MID-STD-1629A， 此 FMEA 標 準 目 前 仍 為 全 世 界 重 要 之 參 考 指 標 。

1984 年 福 特 (Ford)汽 車 公 司

完 成『 潛 在 失 效 分 析 參 考 手 冊 』整 合 了 失 效 分 析 的 程 序 與 表 格，並 奠 定 了 FMEA 在 工 業 界 的 地 位 。

1985 年

國 際 電 工 委 員 會 (International

Electronic

Commission ,IEC)

出 版 之 FMECA 國 際 標 準

「 IEC812 」， 國 際 品 質 系 統 ISO9000 及 歐 市 產 品 CE 標 誌 ， 也 將 FMEA 視 為 設 計 管 制 內 的 分 析 手 法 。

1988 年 美 國 聯 邦 航 空 局 要 求 所 有 航 空 系 統 的 設 計 及 分 析 都 必 須 使 用 FMEA。

1992 年 Leszek M. Dacko

提 出 的 工 程 資 訊 系 統 中 包 含 了 失 效 模 式 資 料 庫，並 指 出 與 設 計 分 析 的 關 係 。

1993 年

Puneet Kukkal, John B. Bowles Ronald D. Bonnel 林 秀 雄

軟 體 與 資 料 庫 純 脆 將 紙 上 作 業 之 FMECA 轉 變 成 電 腦 作 業 。

19

表2.1 FMEA 之發展演進表(續)

時 間 作 者 ／ 研 發 團 體 主 要 貢 獻 1994 年 Dan Palumbo

Daniel Bell

提 出 模 組 化 失 效 模 式 與 效 應 分 析，可 以 結 合 模 組 化 可 靠 度 模 型 。

1994 年 C. E. Pelaez J. B. Bowles,

加 入 時 程、成 本 等 其 它 項 目 同 時 考 慮，評 估 時 以 交 集 或 聯 集 的 組 合 來 評 估 ， 甚 至 引 用 模 糊 理 論(Fuzzy Logic)。

1998 年 陳 文 欽 、 張 清 亮 、 蔡 志 弘

CE 認 證 之 風 險 分 析 － 以 一 般 醫 療 器 材 為 例 。

2000 年 陳 文 欽 、 許 惠 玲 模 糊 FMEA 應 用 於 半 導 體 封 裝 測 試 廠 。

2002 年 魏 秋 建 、 張 維 寬 FMEA 運 用 於 組 織 決 策 之 績 效 評 估 。

2003 年 陳 文 欽 、 江 祥 正

模 糊 邏 輯 失 效 模 式 與 效 應 分 析 於 企 業 決 策 之 應 用 — 以 新 產 品 開 發 投 資 為 例 。

2.3.2 失效模式與效應分析的相關名詞與表格

一、在實施FMEA作業時，首先必需先了解相關名詞的定義【3】：

(一) 可靠度(Reliability)：產品或系統在預定時段或任務時間內，在滿足 環境壓力之條件下，能發揮其足夠績效的機率條件。

(二) 失效(Failure)：就是「故障」的意思，即零組件本身或產品，在預 定時段或任務時間內，未能發揮預定機能的狀態。

(三) 失效模式(Failure Mode)：係指製程或產品具體地說明失效發生的方 式，而不能滿足內部與外部顧客的需求、期望之情形，如裂開、鏽 蝕、洩漏、震動、變形或折斷等情形之發生。

(四) 嚴重度(Severity)：係指失效模式發生後，會對顧客所造成損失的程 度，同時也表示失效對於達成系統任務所造成的衝擊，亦即失效發 生後對顧客、系統與下一製程產生影響的程度。

20

表2.2 嚴重度衡量標準

失效效應 效應嚴重度 等級

危險無警訊 失效模式影響到安全操作或違反政府規定，

且無警示

10

危險有警訊 失效模式影響到安全操作或違反政府規定，

但有警示

9

極高 零組件無法操作，影響主要功能 8

高 零組件還能運作，但表現降低 7

中 零組件還能運作，但舒適及便利降低 6

低 零組件及舒適、便利可操作，但表現較低 5 極低 大多數顧客會注意到外觀或異音等缺點 4 輕低 一般顧客會感到不滿意的外觀或異音等缺點 3

極輕低 只有挑剔顧客才會感到不滿意 2

無 無影響 1

資料來源：【15】

(五) 發生度(Occurrence)：是評估某失效在產品會發生機會的大小程度，

通常以每一段期間內平均會發生的次數，來決定其等級程度。

表2.3 發生度衡量標準

失效機率 失效率 等級

極高：失效幾乎不可避免 ≧1/2 1/3

10 9

高：重複發生失效 1/8

1/20

8 7 中：偶而發生失效

1/80 1/400 1/2,000

6 5 4 低：較少發生失效 1/15,000

1/150,000

3 2

幾乎沒有：失效不太可能 ≦1/1,500,000 1 資料來源：【15】

(六) 難檢度(Detection)：是評估在現有管控中發覺失效，能被檢測出來 的機率，或者失效能被顧客察覺出來的機會或難易度，以預防失效

21

被傳送到顧客手中。

表2.4 難檢度衡量標準

難檢度 檢查到之可能性 等級

幾乎不確定 完全無法得之製程發生的缺點或失效原因 10 極稀少 極少可能發現製程發生的缺點或失效原因 9

很少 很少可能發現製程發生的缺點或失效原因 8 非常低 非常低可能發現製程發生的缺點或失效原因 7

低 低可能發現製程發生的缺點或失效原因 6

中等 中等可能發現製程發生的缺點或失效原因 5 普通 普通可能發現製程發生的缺點或失效原因 4

高 高可能發現製程發生的缺點或失效原因 3

極高 極高可能發現製程發生的缺點或失效原因 2 肯定 肯定可能發現製程發生的缺點或失效原因 1 資料來源：【15】

(七) 關鍵性(Criticality)：係指失效模式發生的機率及其發生之嚴重程度 的一種相對度量。

(八) 失效率(Failure rate)：係指產品、零組件或子系統在每單位時間度量 失效的次數。

(九) 風險(Risk)：一個潛在性的損害可能造成財產的損失或人員生命安 全的危害。

(十) 風險優先數(Risk Priority Number，RPN)：RPN 是由嚴重度(S)、發 生度(O)和難檢度(D)三者相乘計算出來的數值，用以評定失效風險 之高低程度，公式表示如下：

Ｒ Ｐ Ｎj ＝ Ｓj × Ｏj × Ｄj

Ｓj：為第 j 項的嚴重度 Ｏj：為第 j 項的發生度

22

Ｄj：為第 j 項的難檢度 j：FMEA項目( j＝1～m)

此三個因子依照程度大小，以1 到 10 的分數加以評量，因此，

RPN 數值會介於 1 到 1000 之間，實施風險分析時，利用 FMEA 的 方法是將RPN 的值，訂出一個風險可接受的最大值是多少，也就是 RPN 的值能忍受到什麼程度，此風險才不被接受，而需要做一些改 善的動作。以RPN 高者作為優先進行改善的對象，改善後，需重新 再估計RPN 值是否達到可接受範圍，如果還未達到可接受標準，則 繼續再做改善或增加防護措施使RPN 值降低至可接受的範圍，產品 才算是安全度高的，否則繼續改善。

事實上，FMEA透過RPN的評估，就可以有效了解系統中可能 失效的程度，管理者再依據RPN的大小，進行要項之改進對策，如 此一來，企業內部便可以評估系統的可靠度，維持企業中產品或服 務的競爭力，同時充分達到零失效與零缺點之最佳化目標。

二、失效模式與效應分析的表格

一般而言，設計階段與製成階段的失效模式與效應分析的表單內容 大致上是相同的，有些公司將FMEA表格與程序統一整合，所有輸入的 資料必須有系統的傳輸到輸出資料中，另外也有的公司則將FMEA的資 料編輯成工作表並轉換資料到為標準的FMEA表格中，均可快速節省 FMEA的使用時間，其標準的失效模式與效應分析分析表格，如表2.6所 示：

23

表2.5 標準失效模式與效應分析表格

第_____頁 共_____頁 名稱/件號：____________ 負責單位：____________ 負責人員：____________

產品年份：____________ FMEA編號：____________ 日 期：____________

改正後結果 項

目 / 功 能

失 效 模 式

失 效 效 應

嚴 重 度 (S)

關 鍵 等 級

失 效 原 因

發 生 度 (O)

現行 管制 方法

難 檢 度 (D)

風險 優先 數

建 議 措 施

負責 單位 完成 日期

嚴 重 度

發 生 度

難 檢 度

風險 優先 數

資料來源：【3】

2.3.3 失效模式與效應分析的優缺點

一、FMEA 的優點

FMEA 是一種廣泛被採用的工程管理技術，結構化的系統程序方 法，其優點說明如下【13】：

(一) 原理簡單、方法簡便，基本上是定性分析，也可進行定量分析。

(二) 可以根據顧客對產品設計與製造需求的影響性，列出失效模式的改 進順序，由企業按優先順序逐一改進。

(三) 提供製作 FTA(失效樹)的基礎，有助於編寫失效檢修手冊。標準之 建立，有助於企業內之教育訓練成效。

(四) 提供設計評估、製造現場解決問題的參考資料，用以累積工程經 驗，締造「知識管理」的效果。

二、FMEA 的缺點

24

此外，FMEA 也有其不足之處，其缺點說明如下：

(一) 具有多功能、大量零組件的複雜性產品，將其系統分解後施以 FMEA 要考慮的細節太多，執行起來就顯得繁雜而困難。

(二) FMEA 主要是進行表格化、文件化並需要隨時修訂，工作量大且費 時，尤其是系統末端的零件評價改變時。

(三) FMEA 是探討單一因素的失效模式，若是多項失效模同時作用或相 互影響，就難以分析了。

因此，FMEA 是失效分析的一個重要工具，能提高產品品質重要方 法和發掘失效措施之一，企業若能積極而有效的規劃與執行，定能發揮 其功效。

2.3.4 模糊失效模式與效應分析

一、模糊理論

模糊理論的提出是在1965 年，由加州大學柏克萊分校的 L.A.

Zadedh【22】教授首度發表模糊集合（Fuzzy sets）的觀點，引出了隸屬 函數的觀念，以處理語意中認知差異的傾向性。模糊理論建構在模糊集 合的基礎上，為了解決現實環境中普遍存在模糊現象，而發展出的一種 定量表達工具，主要是用來表達某些無法明確定義之模糊性概念。模糊 集合理論把傳統數學從二值邏輯的基礎擴展到連續多值，主要是在處理 不確定性與模糊性之資料，並積極的將其數值化進行嚴密的處理。

(一) 模糊數：所謂集合(set)是由一些具有某種共同性質的事物所彙整而 組織，其中歸納一群具有相同特徵事物的工具。用來表達明確事物 為主，並區分成『傳統集合』或『明確集合』或『Crisp 集合』稱之，

以便和『模糊集合』或『Fuzzy 集合』相對應。

(二) 隸屬函數：為 Fuzzy 之最基本概念，透過隸屬函數才能對 Fuzzy 集 合進行量化，也才有可能利用精確的數學方法去分析和處理模糊性 資訊。一般之模糊推論的過程如下圖2.3 所示。

25

圖2.3 模糊推論的過程 資料來源：【5】

二、模糊數表示方法

在模糊數學中歸屬函數是描述模糊性的關鍵，當解決實際問題時，

首先是要確定歸屬函數。因此，常見的模糊數表示方法有兩種，分別為 三角模糊數(Triangular-shape fuzzy number)及梯形模糊數(Trapezoidal Fuzzy Number)，用於決策性最常見的是梯形模糊數。

(一) 三角模糊數

將此三角型模糊數以A=(a₁,a₂,a₃)來表示，則三角型模糊數之 左端點(a₁)，中心點(a₂)，右端點(a₃)，它的歸屬函數可定義為公 式(2.1)，其形狀如圖 2.4 所示。

⎪⎪

⎭

⎪⎪

⎬

⎫

⎪⎪

⎩

⎪⎪

⎨

⎧

>

≤

≤

−

−

≤

≤

−

−

<

=

3 3 2

2 3 3

2 1

1 2 1

1

, 0

, ) (

/ ) (

, ) (

/ ) (

, 0

)

(

a x

a x a a

a x a

a x a a

a a x

a x

A x

μ

規則庫

前題部份 結論部份

模糊關係R

合成演算

結論B’

事實A’

26

圖2.4 三角模糊數 (二) 梯型模糊數

梯型模糊數又稱為台型模糊數，以A=(a,b,c,d)來表示，其模 糊數的歸屬函數定義可以表示成公式(2.2)，其形狀如圖 2.5 所示。

.(2.3.4.2) ……

圖2.5 梯型模糊數 1

a b c d

( )

μA

0 x

( )

⎪⎪

⎪⎪

⎭

⎪⎪

⎪⎪

⎬

⎫

⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎨

⎧

>

≤

− ≤

−

≤

≤

≤

− ≤

−

<

=

d x

d x d c

c d x

c x b

b x a a

b a x

a x

A x

, 0

, , 1

,

, 0

μ

1

a1

( )

0

a3

a2

x

27

三、模糊數的四則運算

Yager【21】提出的模糊數比較大小的方法中，介紹了模糊數的加法 運算原則，Chen 【14】、Kaufmann 和Gupta 【17】說明的模糊數運算 原則，直接使用兩個梯形模糊數做計算，計算的結果不會改變模糊數本 身的性質，但卻大幅減化模糊數的運算難度。三角型模糊與梯型模糊數 一樣，可以如下定義加法、減法、乘法與除法等，以下為模糊數的四則 運算方式：

假設兩個模糊數分別為：A=(a₁,a₂,a₃)，B =(b₁,b₂,b₃) (一) 模糊數加法運算：

) ,

,

(a₁ b₁ a₂ b₂ a₃ b₃ B

A⊕ = ⊕ ⊕ ⊕

(二) 模糊數減法運算：

) ,

,

(a₁ b₁ a₂ b₂ a₃ b₃ B

A− = − − −

(三) 模糊數乘法運算：

) ,

,

(a₁ b₁ a₂ b₂ a₃ b₃ B

A⊗ = ⊗ ⊗ ⊗

(四) 模糊數除法運算：

) ,

,

(a₁ b₁ a₂ b₂ a₃ b₃ B

A÷ = ÷ ÷ ÷

四、解模糊數

在模糊理論的運用當中，模糊化及解模糊化是兩個重要的部分。模 糊化(Fuzzification)是將明確集合轉換為模糊集合的過程，在模糊化的過 程中，最常使用的方法為直覺法，也就是透過語意的描述以及問題的前 後關係，建立隸屬度函數。解模糊化(Defuzzication)是將一個模糊集合轉 換成一個明確值，用以表示此一集合的特性。研究學者對於解模糊均曾 提出不同方法，其中Hellendoorn和Thomas【15】提出六種解模糊化的方 法，其說明如下：

28

(一) 重心法（Center of Area/ Gravity）：計算出模糊集合面積的重心值，

做為解模糊化的值。

(二) 面積和中心法（Center of Sums）：其分母為分別求取各個模糊集合 的面積後加總，分子也以類似的方法求取各個面積總和，。

(三) 高度法（Height）：以模糊集合的各個高度做為權數，與每個中心點 的值相乘，做為解模糊化的方法。

(四) 最大面積中心法（Center-of-Largest-Area）：選取最大面積之凸形模 糊集合，然後僅計算此模糊集合之解模糊化值。

(五) 第一個最大值法（First-of-Maxima）：以模糊集合的第一個最高點作 為解模糊化的值。

(六) 最大值之平均值法（Middle-of-Maxima）：以第一個最大值與最後一 個最大值的解模糊化值取平均數。

因此，由上述方式可得到以下的結論，在決策過程中專家評估值以語意 變數表達，乃是較合理且一般性的表示方式，而且藉由模糊數的隸屬函數可 以適度地表達每位專家偏好判斷之變化情形，在時間與成本上更具經濟效 益，故對於專家知識，經由模糊理論的處理更具客觀理性。本研究並利用模 糊理論加以定量化，以梯形模糊數來表示，並且也較合乎需求。

29

第三章 研究方法

本章節係針對本論文之研究方法加以探討，透過文獻探討及企業資料庫 分析，據以確立研究架構及研究設計，本研究之研究方法主要分成三個部分 說明如下，第一部分為研究架構的建立，第二部分為資料分析整理，第三部 分為模糊邏輯應用內容的說明。

3.1 研究架構

圖3.1 研究架構圖 建構FMEA品質診斷系統

分析問題及提出解決方案

完成FFMEA表格及驗證

建議改善措施 選擇資料庫內容

資料採礦實作與整理

分析結果與討論

30

本研究之主要研究架構如圖3.1所示，說明如下：

一、選擇資料庫內容：針對售後服務修繕內容的統計資料，篩選出主要研究 對象，確立案例資料庫目標設定。

二、資料採礦實作與整理：針對研究目標之資料內容，作各項目之描述型分 析與整理。

三、模糊失效模式與效應分析

(一) 建構 FMEA 品質診斷系統：訂立失效模式與效應分析之建構作業流 程。

(二) 分析問題及提出解決方案：針對失效種類、失效原因、失效影響及 處理方式提出解決方案，完成FMEA 表單各項內容的填寫。

(三) 完成 FFMEA 表格及驗證：選取 FMEA 之評量項目，加入模糊邏輯 權重指數計算，並將模糊 FMEA 與原始 FMEA 之排列結果作比較 驗證。

(四) 建議改善措施：依據實際的分析結果，針對風險優先數值較高的因 子，採取建議改善措施。

四、分析結果與討論：依據實際案例所產生之結果，進行分析說明與討論。

3.2 資料分析整理 3.2.1 資料庫背景說明

本次用來作為Data Mining 研究的資料庫是Ｆ建設公司客戶服務部門的 資料。Ｆ公司為精緻化、頂級產品的建設公司，在工程品質、服務管理上素 有聲譽及口碑，向來秉持為自己成家的用心服務顧客，更以生活品質最富裕 的城邦回饋社會為宗旨，其公司成立已長達27 年的歷史，資本額 27 億 3 千 餘萬元，歷年建築總數：住宅類－共46 個社區、共 3,821 戶、合計 122,598 坪(405,283 ㎡)，商用不動產類－共 29 棟、合計 56,975 坪(188,346 ㎡)。

31

公司組織圖，如圖3.2所示，其營業項目如下：

一、委託營造廠商興建國民住宅及商業大樓之出租出售業務。

二、室內裝潢設計及承攬業務。

三、土地及其定著物之鑑定顧問及土木工程管理之分析諮詢顧問業務。

圖3.2 公司組織圖

Ｆ建設公司結合集團間各關係企業的資源及雄厚實力為後盾，加上標榜

「產權清楚、施工嚴謹、管理嚴密、如期交屋、售後服務」五大品質保證，

融入新穎的規劃觀念，以及不斷革新的施工技術與建築材料，自早即已建立 穩健踏實的品牌形象，成為購屋者追逐的目標，其集團董事長曾說：「房子 蓋到最好是基本的，交屋給住戶後，一輩子的完善服務，才是真正的價值」，

一家優良的建設公司，理當是顧客終身信賴的夥伴，對顧客肩負責任的執著，

在售出房屋後的服務，才是真正的開始，從最初的建築規劃到最終的物業管 理，皆一貫作業全方位諮詢，讓顧客從開始的購屋至最後的進住，均享有永 續服務。然而，有感於縝密的服務體系，專業化經營規模，欠缺顧客聲音的 回饋，達到貫徹治本需求的管理水準。

室 內 設 計 部 董事長

總經理

總經理室 顧 問

管 理 部

投 資 企 劃 部

機 電 部

客 戶 服 務 部

採 購 部

專 案 一 部

專 案 二 部

專 案 四 部

財 務 部

32

因此，本研究所使用的為Ｆ建設公司客戶服務部門，近年陸續完工之住 宅建築個案，資料期間自民國九十三年一月一日至十二月三十一日止一整年 度內，所受理的售後服務修繕內容的統計資料，作為進行資料採礦的對象，

其主要考量的原因，第一是採用自行規劃興建的完整個案，整體資料齊全周 詳，對於原因的探討較易考慮周全；第二是受到外在環境因素影響，一年四 季之間各種天候的變化，均會造成建築物不同的售後服務項目的發生，故以 一個整年度的時間，也較能兼顧到各項影響因素的產生；第三是所選用的建 築標的設定，以建築物的品質等級及使用建材相當為主，居住的人文素質及 設備使用水準相仿為輔，對於售後服務的要求齊一，較能反映實情。

3.2.2 案例目標設定

一、案例資料分析

針對Ｆ建設公司自民國 68年至 92年間，歷年興建工程之記錄資 料，根據所收集完工之住宅類共計46個社區資料作分析，如圖3.3所示為 本研究之案例資料中，歷年推案完工件數之分布情形。

圖3.3 歷年推案完工統計圖

歷年推案完工統計圖

0 1 2 3 4 5 6 7 8

完工 年份

完工件數 3 3 2 0 7 3 3 4 4 1 1 1 0 1 1 0 1 0 1 1 1 1 1 1 5 6

8 6 9

7 0

7 1

7 2

7 3

7 4

7 5

7 6

7 7

7 8

7 9

8 0

8 1

8 2

8 3

8 4

8 5

8 6

8 7

8 8

8 9

9 0

9 1

9 2

件 數

33

其中案例資料分布於25 年間陸續完工之工程案件，本研究以選取最 近完工年份於民國87 年至 92 年間，採用 10 個工程案例社區之資料，作 為研究分析的對象，其相關基本資料如表3.1 所示。

(一) 完工日期—87 年至 91 年均各為 1 個案例社區、92 年為 5 個案例社 區，座落區域均位於台北市，合計10 個案例社區。

(二) 建築面積—10 個案例社區共計 88,140.02 ㎡。

(三) 規劃樓層—最高樓層地上達 19 層、最低樓層地下開挖至 7 層。

(四) 規劃戶數—10 個案例社區共計 461 戶。

表3.1 社區基本資料明細表

序號 社區名稱 完工日期 建築面積 規劃樓層 規劃戶數 1 米蘭小鎮 87.02.03 9,653.80 ㎡ 8F/B3F 99 戶 2 觀景特區 88.08.19 14,186.86 ㎡ 11F/B2F 103 戶 3 濱湖特區 89.10.16 21,398.61 ㎡ 19F/B2F 126 戶 4 世 紀 館 90.11.21 11,133.87 ㎡ 12F/B2F 30 戶 5 國 際 館 91.02.04 27,468.23 ㎡ 11F/B2F 45 戶 6 中山大樓 92.03.20 653.56 ㎡ 11F/B4F 12 戶 7 杭州大樓 92.04.15 489.78 ㎡ 13F/B4F 13 戶 8 南京大樓 92.08.31 1978.32 ㎡ 12F/B7F 14 戶 9 天母社區 92.12.21 834.23 ㎡ 12F/B1F 13 戶 10 忠孝明園 92.12.31 342.76 ㎡ 8F/B1F 6 戶

自民國九十三年一月一日至十二月三十一日止，收集10個案例社區 所受理的售後服務的內容，每一筆維修案件經修繕完工後，由住戶所填 寫的系統設備發生問題之統計資料，所得之原始資料共計853筆，經過整 理及剔除不完整無法分析之部分資料後，共得730筆資料作為本文之研究 分析內容。各案例社區案件數量比例分布圖，如圖3.4所示。

34

圖3.4 案件數量比例分佈圖 二、選用變數項目

以F 建設公司客戶服務部門所受理的社區售後服務修繕內容，每一 筆維修案件經修繕完工後，由住戶所填寫認為系統設備所發生問題之統 計資料，經過此公司多年使用並修改表格演進所記載之內容，初步篩選 出與本文較可能影響的相關變數項目。所使用的變數分為兩部份，第一 部份為維修內容基本資料，主要記載項目為住戶的資料、修繕區域、修 繕類別及處理時效；第二部份為經由修繕問題案件處理後，檢視系統設 備內容所發生的種類及細目，也是售後服務工作必須改善的重要因素。

變數項目說明如下：

(一) 維修內容基本資料：包括居住社區、住戶性別、居住樓層、修繕區 域、修繕類別、處理時效等六個變數。

(二) 系統設備發生種類：包括滲漏水、機電設備、門禁監控系統、消防 設備、給排水、裝修工程、廚衛設備、門窗、電梯設備、景觀工程、

機械停車、設計規劃等十二個變數。如下之售後服務修繕分類表3.2 所示。

案件數量比例分佈圖

4% 7%

12%

10%

6%

13%

15%

5%

9% 19%

米蘭小鎮 觀景特區 濱湖特區 世 紀 館 國 際 館 中山大樓 杭州大樓 南京大樓 天母社區 忠孝明園

35

表3.2 售後服務修繕分類表

分類 名稱

1 滲漏水 2 機電設備 3 門禁監控系統 4 消防設備 5 給排水 6 裝修工程 7 廚衛設備 8 門窗 9 電梯設備 10 景觀工程 11 機械停車 12 設計規劃

本研究將取得變數之維修內容基本資料及系統設備發生種類之相關 檔案予以處理及分類，如表3.3 變數選取內容說明：

表3.3 變數選取內容說明

變數名稱 說 明 居住社區 分析案例社區所發生之維修內容。

住戶性別 探討住戶性別對於維修服務事項之關切程度。

居住樓層 了解住戶居住樓層發生的維修內容之影響。

修繕區域 修繕區域分為住戶屋內或公共區域之兩部分。

修繕類別 報修案件所進行修繕類別共分為下列12 種。

維 修 內 容 基 本 資 料

處理時效 處理修繕服務內容之完工時效。

36

表 3.3 變 數 選 取 內 容 說 明 (續 )

分類 名稱 細目名稱

1 滲漏水

熱水管銹蝕、連續壁滲水/防水層損壞、樓板/牆壁裂 縫、冷氣排水/冷凝水、水管漏水/結露、窗戶滲水、

管道間滲水、電管/開關箱滲水、灑水頭漏水

2 機電設備

馬達故障、排煙窗故障、冷氣故障、照明/感應器故 障、污水泵故障、排風機/發電機故障、車道柵欄搖 控器故障、斷路器/緊急電源自動切換開關故障、線 路故障

3 門禁監控 系統

對講機系統故障、保全主機故障、線路故障、電鎖 故障、自動控制故障

4 消防設備 感知器誤動作、感知器污染、灑水頭故障/短少、授 信總機故障、廣播系統故障、警報訊號故障 5 給排水 給水管阻塞、排水管阻塞、洩水不良

6 裝修工程

牆壁/地坪/天花板龜裂、石材破損/脫落/吐黃/白華/含水、

磁磚隆起/脫落、磁磚龜裂/勾縫吐沙、欄杆油漆脫 落、牆壁/天花板潮溼

7 廚衛設備

馬桶及蓋故障、洗臉盆/浴缸故障、抽風機/暖風機 故障、熱水器/熱水鍋爐故障、水龍頭/蓮蓬頭故障、

淋浴拉門故障/按裝不良、廚櫃/鉸錬/五金配件等、

洗碗機/冰箱/微波爐/烤箱/抽油煙機/瓦斯爐故障、洗 衣機/烘乾機故障

8 門窗 鎖頭/鎖心/鎖把故障、貓眼、鬆動/變形/故障、玻璃 破裂/玻璃刮痕、紗窗破損/故障

9 電梯設備 停靠不穩定、噪音、設定不良

10 景觀工程 照明不足、植栽維護、瀑布設施故障

11 機械停車 停車塔故障、倉儲式故障、升降橫移式故障、人為 操作不當、迴轉盤故障、維護保養缺失、設計失當 系

統 設 備 發 生 種 類

12 設計規劃 建築設計不良、內裝設計不良、機電設計不良、監 控設計不良、景觀設計不良、標誌設計不良

37

3.2.3 變數統計分析

由資料庫中變數之相關統計數值，以描述性方式說明資料變數所呈現的 意義，及其可能產生之相關訊息。首先為維修內容基本資料分析，針對住戶 基本資料與修繕內容，敘述各變數的統計資料；其次就系統設備發生種類分 析，分別就各修繕種類及細目作關連性敘述。

一、維修內容基本資料分析 (一) 居住社區：

就整體資料而言，各案例社區所報修件數，如圖 3.5 修繕案件 社區分佈圖，米蘭小鎮31 件、觀景特區 49 件、濱湖特區 84 件、世 紀館76 件、國際館 146 件、中山大樓 63 件、杭州大樓 43 件、南京 大樓96 件、天母社區 108 件、忠孝明園 34 件。顯示國際館及天母 社區報修件數較高、南京大樓居次，可能住戶要求建商之施工品質 較高或報修項目分項較細；米蘭小鎮與杭州大樓報修件數居末，米 蘭小鎮相較於其他案例社區之每戶坪數略小，產生修繕問題較易自 理，然而杭州大樓戶數屬於較少，相對地可能報修件數也趨於偏低。

圖3.5 修繕案例社區分佈圖

31 49

84 76 146

63 43

96 108

34

0 20 40 60 80 100 120 140 160

社區種類

修繕案件社區分佈圖

米蘭小鎮 觀景特區 濱湖特區 世 紀 館 國 際 館 中山大樓 杭州大樓 南京大樓 天母社區 忠孝明園

件 數