empirical analysis of engineers' competence needs in smart ... ·...

2019 富邦人壽管理博碩士論文獎

運用分析層級程序法於智慧製造領域之工程師職能

需求實證研究

Empirical Analysis of Engineers' Competence Needs

in Smart Manufacturing Using Analytic Hierarchical

Procedure

摘要

在智慧製造發展趨勢下，因應產業智慧化轉型下，預期將進入人機協同的情境；智

慧製造相關職能會產生什麼變化，人才的專業知識、能力需要被提升哪些，才能更符合

業界所需之人才。本研究探討電子產業數位(智慧)製造轉型概況包含：工廠設施數位(智

慧)化建置情形、數位(智慧)製造相關資訊系統建置情形，並運用層級分析法(Analytic

Hierarchical Procedure, AHP)在電子產業智慧製造轉型下相關工程師職能需求應具備的

能力組合，包括：新職類項目需求、需具備的學科領域條件、職責能力、技術性和作業

面的能力、資訊能力、人格特質和態度。做為未來探討產業人才培育的一套客觀、有效

且具有系統量化的科學方法，期能套用本研究方法模式，進行其他產業數位(智慧)製造

轉型之調查並進行產業人才培育之選、育、用人才的決策評估方法並從人才供需兩端角

度探討現今學校育才之課程規劃與未來智慧製造領域相關工程師職能需求的穩合度為

何，以做為日後學校育才多元發展規劃參考。

關鍵字：分析層級程序法、電子產業、智慧製造、職能分析


1

壹、緒論

我國產業人才培育政策與需求，中小企業在工業 3.0-4.0 發展下，製造業將面臨人才

不足挑戰，如何加速培育智慧製造的人才，是值得關切的議題。以中小企業為主的製造

業，為因應產業數位(智慧)轉型下，所面臨的智慧製造業缺乏跨域創新專業人才嚴重不

足的問題。然而企業轉型面臨人力需求招募不易問題、工資上漲及產業結構調整，使得

國際間相關產業面臨升級轉型壓力，急需導入智慧製造。

引用麥肯錫 2018 年 5 月提出「技能移轉：自動化和勞動力的未來」報告，針對歐

美國家(法、德、義、西班牙、美國)及五大產業別：銀行、保險業、能源和採礦業、醫

療和保健業、製造業和零售業等約 3,031 家廠商進行調查發現，以五大產業之技能移轉

趨勢來看，不同行業的技能轉移將有所不同，尤其製造業更為明顯。未來我們的工作及

職場將會與越來越多機器共存具一起工作。另外綜觀麥肯錫提出之「技能移轉：自動化

和勞動力的未來」報告指出，到 2030 年對專業技術、社會和情感以及更高認知技能的

需求將會增加。全球各國正面臨未來工作技能的轉變的重要外，公司組織變化的挑戰也

會從思維方式、組織設置調整、工作活動分配、勞動力結構、高階管理與人力資源、職

能等做大幅變革。預期未來工作技能將有很大的落差趨勢，也有不少工作因為自動化和

人工智慧的發展而需求遽增，如：資料科學家、數據分析師、IT 專業技術人員、研發人

員等。然而，這些專業人員，同時也會因為科技快速進步，專業技能養成不易而造成技

能落差情形加劇，且就業市場中供不應求的情形發生。

未來製造業情境發展將以數位轉型、智慧製造、自動化工廠、人機協同、虛擬實境、

擴增實境、混合實境、IT 與 OT 的結合、少量多樣聰明生產、數位決策、智慧供應鏈的

模式，例如：智慧生產，所有計畫與安排需要精準的執行，可以做到如實如地如質如本

的呈現；少量多樣生產的需求，增加產線自動化整合度、軟硬體與生產機具結合整合平

台構築智慧工廠基礎、讓製造溶入人工智慧技術讓生產流程更適應多變生產需求、部署

大量感測結合自我學習機制、製程可視化、製程監控管理與綠色製造、即時掌握生產資

訊精準掌握製成加工處理…等。未來工作本質將帶來諸多的可能性，尤其是在對智慧製

造的產業變革下，最重要是以「人」為本，人機協同的能力養成是否已躍升原先設定的

產業職能基準範籌，也是本研究探討的動機。

貳、文獻回顧

ㄧ、職能文獻回顧

(ㄧ) 職能定義與職能模型

職能(Competency)，職能概念早在 1950 年代初期萌芽。1973 年由美國哈佛大學教

授 McClelland 於提出「職能」一詞之明確定義，乃是針對以往高等教育以「智力測驗」

作為篩選新生的方式提出質疑。McClelland 對優越工作者做了一連串研究，發現智力非

決定工作成效好壞的唯一因素，而是實影響學習績效的能力。Spencer, Lyle M., and Signe

M. Spencer(1993)則認為「職能」是：指一個人所具有的外顯特質與潛在特質總合。這些

基本特質不僅與其工作所擔任之職務相關，更可以用來預期、實際反映或影響其行為與

績效表現。


2

衡量職能時常使用職能模型（Competency Model），其指構成每一項工作所必須具

備的職能，而知識、技巧、行為以及個人特質等則潛藏在每一項的職能中，所構成一個

模型（Dalton, 1997）。職能模式也可做為人力資源管理所有工具中，如選、訓、用、留

等功能面之應用(黃素芸，2009)。職能分析方法類型常用的 3 類 14 種方法與選用考量，

如圖 1 所示。

(資料來源：Gonczi、Hager 與 Oliver(1990)及賴春金、李隆盛(2011)

圖 2.1 4 種 14 項職能分析方法

(二) 台灣之職能相關標準推動回顧

我國經濟部工業局最早推動職能基準解決廠商普遍反映產業人才職能落差之問題。

自 95 年起開始推動建置職能基準(Occupational Competency Standard-OCS)；99 年產業創

新條例通過後，其他部會亦陸續投入職能基準發展；2010 年 5 月政府制定公布的「產業

創新條例」第十八條明訂「除法律另有規定外，各中央目的事業主管機關得依產業發展

需要，訂定產業人才職能基準及核發能力鑑定證明，並促進國際相互承認。」，於 2011

年 9 月勞委會修正通過「職業訓練法」第 4 條之 1：「中央主管機關應協調整合中央目

的事業主管機關所定之職能基準、訓練課程、能力鑑定規範與其辦理職業訓練相關服務

資訊，以推動國民就業所需之職業訓練及技能檢定。」

從經濟部產業專業人才發展資平台網站中，職能標準推動至今已推行 16 個產業類

別 139 項職能基準。故自 2012 年起，勞動部職訓局依法著手擬定職能基準相關推動政

策與方案，並逐步開始與其他現有方案配套推動。為鼓勵並輔導各類組織建立職能體系、

精進人才投資、提昇人力資本、強化國家競爭力，因此建構「職能基準活用指引」，讓

企業、學校和培訓機構以及個人能有效參考與落實應用職能基準，以期培育端的學校和

培訓機構與應用端之企業能夠在同一標準下校準產業需求，縮短學訓用落差，達成學訓

用合一的目標。而台灣在 2013 年勞動部職訓局為提升人才培育效能，持續推動職能發

展與應用相關措施，吸取國際經驗，提升我國職業訓練人員訓練規劃與評估能力，舉辦

4 梯次「訓練規劃與評估職能之國際合作研習活動」，直接從澳洲聘請專業講師來台授

課，引進澳洲「訓練規劃與評估四級證書」(Certificate IV in Training and Assessment)訓

練套件作為主要研習內涵；從規劃、發展、評估等多面向切入，學習者可學習訓練套件


3

的內涵，並培養自行發展、編輯學習方案、評估工具等職能，對提升個人及組織的國際

視野與培訓規劃能力，將具有莫大助益。

二、智慧製造與電子產業領域介紹

引用工研院市場產業情報，台灣電子產業回顧與展望一文中所述，台灣電子相關產

業發展近四十年，從 1970 年間政府積極引進半導體技術並推動個人電腦組裝和周邊零

組件標準化，衍生出完整電子產業生態鏈，幾乎所有消費性智慧型手機、平板電腦、筆

電等高科技產品都由台灣廠商提供設計、研發、零組件供應、組裝與代工製造等。台灣

電子相關產業在高度群聚效應推動下，尤其半導體、光電、電子零組件和資訊服務(軟體

/硬體)等科技應用產業，已在全球電子產業站穩關鍵性地位，並累積堅強 OEM/ODM 研

發與製造實力。

面臨全球性的工業 4.0 轉型趨勢，如何促進國內產業創新轉型、掌握關鍵技術自主

能力、維持國際競爭力，以迎接未來興起的資料經濟（Data Economy）將持續顛覆傳統

的能源經濟（Energy Economy）之競爭思維，如何能分析並利用具爆炸性、無國界、開

放性、多用性的巨量資料，並掌握使用者真正需求，提供以人為本創新服務，將是過去

以硬體技術與代工製造擅長的台灣廠商將來所需要突破的關鍵課題。

胡竹生於 2017 年提到，歐盟 FP7 計畫 ISM2020 定義了工業 4.0 的三個方向：以使

用者為中心能夠快速地自我調整、靈活度高且能自我組織的價值鏈、具備持續發展的能

力，此定義很值得參考。簡單地說，工業 4.0 就是利用先進的資通訊與知識數位化技術，

來建立具備自我決策與持續優化能力的製造系統，這套系統可以自我持續進步，並可被

精準評估、預測。

簡禎富(2019) 亦提及，過去台灣教育體系培養的人才，曾是台灣製造業快速起飛的

動力，面對這波來勢洶洶的工業 4.0 革命，更是台灣產業轉型升級的當務之急。產業的

轉型時教育才是重點，而非強調技術。「工廠智慧化，人的分析判斷和決策角色會更重

要。德國工業 4.0 戰略的八個工作項目當中，其中只有三個在講技術，其他五個都在講

教育的改變。如果教育跟不上，沒有人才，一切都是白搭。」，同時為因應數位轉型台

灣當務之急，特別是中小企業，「應該發展工業 3.5，做為目前的工業 3.0 和未來的工

業 4.0 之間的混合策略，先發展能善用智慧製造系統的人才和能力，先在工業 3.0 即有

的製造系統環境下，把握目前產業結構轉換空檔，達成或局部達到工業 4.0 三大願景：

大數據分析、價值鏈整合和彈性決策能力。這些都是台灣企業，能夠現在應該在公司內

部推動，而且可以在即有基礎上提升的競爭力。」

綜觀以上，在製造業中之需求較過去複雜，而在智慧化轉型過程中，業界人才需求

將隨生產技術、平台聯繫、數據分析等技術普及，將改變產業藉人才需求，進一步衍生

改變該領域對人才培育的標準。

三、分析層級程序法(AHP)

分析層級程序法是 Thomas L. Saaty(匹斯堡大學教授)於 1971 年發展出來，確定情

況下的多屬性評估方法。利用層級結構將複雜問題系統化，將決策元素劃分成不同維度，


4

將問題加以層級分解和架構，使大型複雜的決策問題可以解構成多個小的子問題，分別

比較評估後再整合。AHP 應用範圍廣泛，已有許多學者在不同國家進行用於大型決策問

題的實證研究，於經濟、社會及管理等領域的決策問題，包括公共政策評估、區位選擇、

供應商評選及系統選擇(簡禎富，2014)。

近年來漸多以 AHP 法針對職能項目進行量化與優先順序和比對分析，陳長雄(2007)

研究以工具機機械研發人員為對象探討其重要職能項目，並引用經濟部產業專業人才發

展推動辦公室(2006)所發展之工具機產業研發人員職能內容之四項主要職責「收集產品

資料」、「訂定產品開發目標」、「整機設計」、「細部設計」內容進行探討與發展構

面，並使用分析層級程序法（AHP）來比較各職能因素構面，以排列出重要性排序程度。

蕭富鴻(2016)大專院校的教育課程安排會直接影響到學生畢業後的就業競爭力，結合層

級分析法與決策實驗室分析法探討台灣技職大學休閒相關科系課程規劃權重、各項準則

的因果關係及影響程度。林妍榛(2018) 應用層級分析法於專案經理遴選模式之建立-以

PMI 人才三角為分析基準，根據權重問卷分析，不同領域背景的專家對「評估構面」表

達出顯著差異的不同權重結果之研究。相關以以職能基準、職能分析之多層級程序分析

之研究。

回顧人力資源在職能研究方法部分，如錢建銘(2018)提出智慧製造職能需求探討半

導體產業與大學人才培育間之差異研究，主要以在智慧製造下半導體產業對於社會新鮮

人的職能需求模型，研究的目標群族都對單一群族如社會新鮮人，較少針對在職場上已

有工作經驗做研究。林育安(2018)提出智慧生產系統之工作分析與人才評量系統-以 A 公

司為例之研究，引用經濟部 iPAS 產業人才能力鑑定-「智慧化生產工程師能力鑑定之生

產與作業管理基礎、智慧製造生產線管理基礎、智慧製造生產與作業管理之實務應用、

智慧製造設備與製程管理等四項構面，以「智慧生產系統之人才評量」量表的題項彙整，

研究方向是朝智慧生產所需的能力與工作內容相結合，使其符合製造業目前的智能化、

自動化與數位化的發展階段，以提升人員工作效率、縮短產品上市時間，提高企業經營

的靈活性與品質。較少探討智慧生產工程師關鍵職能應具備的條件。

參、研究方法

本研究擬運用分析層級程序法，進行學術性實證研究的問卷調查。以台灣中小企業

數位轉型較成熟產業的電子產業為佳，探討電子產業智慧製造發展近程及智慧製造領域

相關工程師職類的能力需求分析，並以半導體產業、顯示器產業、電子零組件產業以及

智慧製造相關資訊服務業為對象進行調查，研究結果作為產業人才培訓機制參考。

主要研究步驟如以下：

ㄧ、背景資料蒐集

本研究參考天下雜誌首創台灣「工業 4.0 大調查」之廠商，並盤點生產技術/製程

工程師之職務需求、具備條件、語言、工具、特質等工作職責、項目，設計未來智慧

智造相關工程師工作職務能力的需求；並查詢 104、111 人力銀行網路次級資料彙整分

析、業界廠商電訪、面談方式..等工具手法初步盤點、歸納以製造業的生產部門為主與

其他部門日常工作內容，做為後續領域專家會議進行探討之依據來源。此外，並召開


5

領域專家會議，在工業 3.5 發展之人機協同的智慧工廠情境下，彙整領域專家們的專業

知識及建議，並以此做為建構 AHP 之目標層級架構基礎，如圖 2。此外，亦將目標層

級架構下之根本目標與屬性定義與專家會議資料進行統整屬性定義表，如表 1 所示。

智慧製造領域相關工程師職能需求

職責能力

層級一總目標

層級二根本目標

層級三屬性

學科領域條件資訊能力人格特質/態度

工業管理學科類

專案管理/分析

生產線管理︵人機料法環︶

自動化軟體開發

平台系統類

應用軟體類

數據預測類

設計生產/製程/周邊等大數據資訊萃取方法

生產線機器人與機器視覺整合應用

決策分析能力

電機電子工程學科類

機械及自動控制工程學科類

數學\

統計學科類

通訊工程學科類

材料\

化學工程學科類

光電工程學科類

內部管理系統開發、測試及優化

機器學習、深度學習演算法的智能應用開發

機器學習/深度學習分析模型建置與部署、調校與改善

資料挖礦方法預測潛在品質問題

資料處理和大數據庫管理

數據治理相關工作與數據模組設計

邏輯思考能力

洞察能力

溝通與談判能力

判讀思考能力

人際關係及同理心

團隊合作精神

系統異常偵錯及處理

採集、清洗與轉換及數據倉庫建置

生產/製程/周邊等大數據資料的

潛在危害鑑別︵人因/人身安全︶及風險預防

作業管理類

技術類

一般性分析功能軟體

程式語言

視覺化圖表類

預測分析軟體類

技術性和作業面的能力

圖 2 智慧製造領域相關工程師職能需求指標之目標層級架構(本研究統整)

表 1 智慧製造領域相關工程師職能需求評估屬性定義表(本研究統整)

根本目標屬性定義

B

學科領域

條件

B1工業管理學科類包含：工業工程、工業管理科學及技術、系統工程、工程科

學、生產工程、製造工程等科系所

B2電機電子工程學科類

包含：電機工程、電化工程、電子工程、自動控制工程、電機

與資訊工程、電子通訊、電訊工程、氣象電子、通信電子等科

系所

B3機械及自動控制工程學

科類

包含：機械工程、車輛工程、航空工程、船舶機械工程、動力

機械、航空太空工程、輪機工程、造船工程等科系所

B4數學/統計學科類包含：數學、數理統計學、應用數學、商用數學等科系所

B5資通訊工程學科類包含：計算機工程、資訊工程、資訊科學、電子計算機科學、

電子資料處理、資訊管理、商業資訊等科系所

B6材料/化學工程學科類包括：材料科學(工程)、機械材料工程、化學工程學類等科系

所

B7光電工程學科類包含：光電科學與工程學系、光電工程學類等科系所

C

職責能力

C1專案管理/分析

在智慧製造中，如何透過數位與數據幫助員工思考、判斷；在

智慧製造領域資料數據系統規劃與專案管理在透過專案管理

的方法、技術和工具來有效進行專案計劃、溝通管理、以及相

關專案分析，以利進行後續工作延展或檢討…等

C2生產線管理(人機料法

環)

能夠利用人工智慧排程及預測技術，結合公司內、外部大數

據資料（內在資料如人、機、料、法、環、存貨、品檢…等資


6


訊；外部資料如國際原料價格、天氣預報…等）更精準地提供

產銷決策所需資訊，並及時針對現有資源進行最佳調度，以

降低成本及提升生產效率。

能夠支援製品特徵與穩態速率關聯分析，可進一步提供機台

設備穩定度分析、人/機/料/工/法關聯分析、績效評比等日

常生產管理所需之資訊。

能夠分析生產數據並改進生產流程、應用開發機器學習演算

法開發及維護智能生產管理系統。

C3自動化軟體開發

能夠進行主機板測試程式開發(伺服器，儲存器)、Linux測試

平台及模組維護、Windows測試平台及模組維護、自動化測試

軟體開發、系統壓力測試軟體開發。

會 AOI自動光學影像檢測程式開發編寫、AOI設備開發、維護

及改善、自動控制，結合 PC-based control、自動化相關機

台設備及軟體開發或依各產業屬性不同自行開發動動化專業

軟體。

C4生產線機器人與機器視

覺整合應用

能夠會 C/C++, C#, Python, Matlab, OpenCV, Halcon 開發

工具、並熟悉市場相機/鏡頭/光源功能選型、影像處理分析

演算法，可以應用開發機器視覺演算法，開發光學檢測設備

系統程式及生產線機器人與機器視覺整合應用。

C5設計生產/製程/周邊等

大數據資訊萃取方法

能夠有製造業數據收集/分析/判斷/預測之數理模型建構經

驗或預測數據專案經驗，會使用數據分析軟件/平台(如

R/Python/Matlab)或可視軟件應用，以夠依設計生產／製程

／周邊等大數據資訊萃取方法，分析應用議題需求，設計分

析方法論，運用大數據資訊萃取方法，可以輔助功能部門進

行相關的決策依據。

C6內部管理系統開發、測

試及優化

能夠熟悉C#/java/HTML5/javascript等或同類型網站開發語

言或熟悉 Windows Server/Oracle 等主流數據庫開發及維運

或熟悉 Windows/Linux 網路通訊，或 ERP、WMS、MES 等管理

系統經驗(開發及維護)，進行公司內部管理系統開發、測試

及優化。

C7系統異常偵錯及處理

能夠具備相關專業系統操作/維護，例如 MES、ERP、EDA系統，

一旦發生異常或突發狀況時，能夠運用專業資訊系統異常偵

錯蒐集詳盡資訊，除了可以很快的反應及做出正確的決策及

處理，同時也可以做為未來遭遇類似狀況的因應檢討。

D

技術性和

作業面的

能力

D1生產/製程/周邊等大數

據資料的採集、清洗與轉

換及數據倉庫建置

能夠具備 ETL 或資料倉儲開發能力、數據收集及處理、熟悉

Linux 開發環境具備深度學習相關框架 (Tensorflow,

Theano, Keras 等)能力，可能進行生產/製程/周邊等大數據

資料的資料萃取、資料載入、資料轉換、資料清洗及數據倉庫


7


建置，依各大數據分析專案所需，設計及開發數據自動收集/

清理之 ETL程式、監控/維護 ETL及分析工作之執行

D2機器學習、深度學習演

算法的智能應用開發

能夠有撰寫程式的能力，要熟悉開發語言 C/C++, C#,

Python, R, Javascript/ Node.JS , Matlab、熟悉深度學習

工具 Caffe, Keras, Theano, Tensorflow、熟悉大數據和雲

端服務平台 Hadoop, Spark, MongoDB, SAS, Oracle 進行機

器學習、深度學習演算法的智能應用開發

D3機器學習/深度學習分

析模型建置與部署、調校

與改善

能夠有統計/資料探勘/機器學習/深度學習相關知識、了解深

度學習演算法原理如 MLP, CNN, RNN 等，對於數據收集/分析

/判斷/預測之數理模型建構經驗或預測數據專案實際能力、

可建立深度學習框架，如 Tensorflow、Keras、TensorRT，進

行機器學習/深度學習分析模型建置與部署、調校與改善。

D4資料處理和大數據庫管

理

要有 Oracle or SQL Server 程式開發及系統管理、Oracle

BIEE 等程式開發、系統軟體的專業知識及資料處理分析、各

種大數據庫系統的管理

D5資料挖礦方法預測潛在

品質問題

利用統計與數值為基礎的方法，透過大量數據得到潛在蘊含

的規則、脈絡、關聯等，進而達到分類或預測潛在品質問題。

D6數據治理相關工作與

data model設計

能夠具有數據治理相關專業知識，熟悉相關數據的主數據源

歸屬、數據分布情況，有效實施數據分布的規劃和治理。

熟悉大數據生態系(Big Data Ecosystem)，例如：Hadoop,

Spark, MapReduce, Hive, HDFS 等，具有數據分析程式開發

能力進行 Data model 設計工作

D7潛在危害鑑別（人因，

人身安全）及風險預防

能夠充分了解人機協同工作之作業安全手冊資料(包括協同

運作模式或製程說明、協同作業空間之圖說、協同作業機器

人之標示)，並進一步控制可能存在之潛在危害及風險預防。

E

資訊能力

E1平台系統類

需要具有資訊之平台系統類操作、運用能力，分為二大類型，

一是作業管理類，包括：(1)企業資源規劃(Enterprise

Resource Planning, ERP)；(2)製造執行系統(Manufacturing

Execution System, MES)；(3)供應鏈管理(Supply Chain

Management,SCM)。二是技術類，包括：(1)電腦輔助設計

(CAD/CAE/CAPP/CAM)；(2)工程資料分析系統(EDA)；(3)資料

智慧分析系統(xVidas) ………等。

E2應用軟體類

需要具有資訊之應用軟體能力為(1)一般性分析功能軟體，包

括：SAS、SPSS、Minitab、Tableau、Stata。(2)程式語言，

包括： C/ C++語言、C#、Python、Java………等。

E3數據預測分析類

需要會使用數據預測分析軟體工具能力，分為(1)視覺化圖表

類，如：BI工具：Tableau、PowerBI、FineBI；Excel Power

BI。 (2)預測分析軟體類： R 語言； Python； Software


8


Environment………等。

F

人格特質

/態度

F1決策分析能力

能夠協助決策者抽絲剝繭地解析複雜的決策問題，並按部就

班蒐集資訊、釐清決策元素、針對各個階段選擇合適的決策

分析工具。

F2邏輯思考能力

能夠針對問題（主題）提出有效答案（論述）」的過程，有系

統地區分現有資訊，歸納出各種關係，從中選出和問題有關

的部分，查明重點、確認原因，再針對這些原因擬定因應對

策，進而有效地解決問題。

F3洞察能力能夠多方面觀察事物，從多種問題中把握其核心的能力。找

出真正問題的實質，而不只是看到外表現象。

F4溝通和談判能力溝通過程中應能傾聽及清楚表達，說明之後，從反饋中了解

對方是否已充分了解所要傳達的資訊。

F5判讀思考能力

能夠判讀適切的資料，並且將其分類、轉化和測量成數字和

文字解釋，可判讀各個資訊的因果關係。能夠以客觀的角度

針對大量的情報資訊或是數據資料進行分析、整理，再經過

消化、思考和專業判讀。

F6人際關係及同理心

會站在對方立場設身處地思考的一種方式，即於人際交往過

程中，能夠體會他人的情緒和想法、理解他人的立場和感受，

可站在他人的角度思考、傾聽能力以及表達尊重等，以增人

際關係。對組織氣氛、組織溝通、組織運作、組織效率及個人

與組織之關係均有極大的影響。

F7團隊合作精神積極參與並支持團隊、凝聚力、合作意識、高昂士氣、與團隊

學習，能彼此鼓勵共同達成團隊目標。

二、分析層級程序法之建構

本研究以分析層級程序法目標層級架構為基底進行設計問卷，經由彙整專家意見後

統整之目標層級架構(圖 2)，依不同層級的決策元素之間的上下關聯，以及同一層級內

不同元素之間的相對影響做兩兩相對應比較。問卷尺度定義如表 2，讓專家進行重要性

評估，而各問卷亦須進行初步的一致性檢定，以便了解受測者判斷是否符合一致性，當

C.R.>0.1 時，則必須與受測者進行討論並修正判斷，直到全部的成對比較矩陣符合一致

性為止。


9

表 2 AHP 問卷尺度定義與說明

評估尺度定義說明

1 同等重要

(Equal importance)

兩方案或元素的貢獻程度相同

3 稍重要

(Moderate Importance)

經驗與判斷顯示稍微偏好某一

方案或元素

5 絕對重要

(Extreme Importance)

經驗與判斷強烈偏好某一方案

或元素

7 極重要

(Very Strong Importance)

可實際證明其優勢非常強烈偏

好某一方案或元素

9 絕對重要

(Extreme Importance)

有足夠證據肯定絕對偏好某一

方案或元素

2、4、6、8 相鄰尺度的中間值

(Intermediate Values)

折衷值

三、結果解釋與評估

進行電子產業智慧製造發展近程以及智慧製造相關工程師職類的能力需求實證問

卷調查；以半導體、光電、電子零組件、資訊服務產業為對象進行調查。將 AHP 所建立

智慧製造領域相關工程師職能需求與權重做排序之研究結果進行統整歸納，探討未來智

慧製造領域相關工程師職能之供給兩端之需求，作為決策者參考方向。

肆、研究結果

本研究透過 AHP 探討智慧製造相關工程師職能需求，並且將電子產業領域分為半

導體產業、光電產業、資訊服務業與電子零件業。經問卷調查回收後，總樣本數回收 38

份，彙整電子產業領域專家問卷回覆數，除電子零組件產業回收數僅收 3 份，半導體、

光電、資訊服務產業回收數平均 10-12 份；為謹慎評估電子產業對未來智慧製造領域相

關工程師職能需求根本目標進行成對比較矩陣、計算特徵向量，做一致性驗證，將以半

導體、光電、資訊服務產業為主要探討實證對象。

經 AHP 特徵向量計算，並進行一致性驗證後，依電子產業對智慧製造領域相關工

程師職能需求在第二層根本目標之權重計算結果如表 3 所示。

另針對電子產業之各項產業對智慧製造領域相關工程師之職能需求，從五項根本目

標(學科領域條件、職責能力、技術性和作業面能力、資訊能力、人格特質與態度)權重

比較時發現，在「學科領域條件」是各產業最為重視，以資訊服務產業 0.46 最高，其次

是半導體 0.39、光電產業 0.36。「職責能力」在各產業中以資訊產業 0.26 占最高，其次

是半導體占 0.21、光電產業占 0.17。「技術性和作業面的能力」各產業中以半導體 0.90

占最高、其次是光電產業占 0.14、資訊服務產業占 0.11。「資訊能力」各產業中以光電

產業占.021 最高，其次是半導體產業占 0.13、資訊服務產業占 0.11。「人格特質與態度」

各產業中以光電產業占 0.11 最高，其次是半導體、資訊服務產業各占 0.8。


10

若以各產業總滿分為 1，此五項根本目標之權重平均等於 0.2 條件下可以發現，以

半導體產業較重視在「學科領域條件」(0.39)、「職責能力」(0.21)。光電產業較重視在

「學科領域條件」(0.36)、「資訊能力」(0.21)。資訊服務產業較重視在「學科領域條件」

(0.46)、「職責能力」(0.26)。

預期未來產業在智慧製造數位轉型下對於學術有專攻的學科領域條件為首要條件，

但後續可以觀察的是隨著數位化轉型的帶動下，未來工作的職能項目漸漸重視到資訊能

力的技能需求項目，尤其以光電產業在該產業的「資訊能力」項目職能需求排名第二。

圖 3 所示。

表 3 電子產業對智慧製造領域相關工程師職能需求之根本目標特徵向量

電子產業半導體產業光電產業資訊服務產業

權重排序權重排序權重值排序權重排序

學科領域條件 0.4032 1 0.3897 1 0.3600 1 0.4587 1

職責能力 0.2276 2 0.2125 2 0.1675 3 0.2633 2

技術性和作業面的能力 0.1530 3 0.1902 3 0.1448 4 0.1143 3

資訊能力 0.1339 4 0.1258 4 0.2143 2 0.1139 4

人格特質與態度 0.0822 5 0.0818 5 0.1134 5 0.0498 5

圖 3 各產業之根本目標特徵向量

在完成根本目標成對比較矩陣後，接著計算電子產業及子項產業如半導體、光電、

資訊服務產業之第三層各屬性成對比較矩陣的特徵向量同時進行一致性檢定，計算結果

如表 4 – 表 7 所示。

表 4 電子產業之評估屬性一致性檢定表

產業別根本目標特徵向量屬性代號特徵向量屬性權重 λmax CI CR 一致性

電子產業學科領域

條件 0.4032

B1 0.2277 0.0918

8.0566 0.0724 0.0548 符合 B2 0.1544 0.0623

B3 0.1475 0.0595

學科領域條

件職責能力

技術性和作

業面能力資訊能力

人格特質與

態度

半導體產業 0.39 0.21 0.19 0.13 0.08

光電產業 0.36 0.17 0.14 0.21 0.11

資訊服務業 0.46 0.26 0.11 0.11 0.05

電子產業 0.40 0.23 0.15 0.13 0.08

0.19

0.21

0.11

0.46

0.26

0.40

0.23

0.15 0.13

0.08

0.000.050.100.150.200.250.300.350.400.45

0.000.050.100.150.200.250.300.350.400.450.50

電子產業根本目標特徵向量


11

產業別根本目標特徵向量屬性代號特徵向量屬性權重 λmax CI CR 一致性

B4 0.1276 0.0515

B5 0.0955 0.0385

B6 0.1664 0.0671

B7 0.1020 0.0411

職責能力 0.2276

C1 0.2488 0.0566

7.3849 0.0403 0.0305 符合

C2 0.2081 0.0474

C3 0.1629 0.0371

C4 0.1194 0.0272

C5 0.0978 0.0223

C6 0.0897 0.0204

C7 0.0732 0.0167

技術性和

作業面能

力

0.1530

D1 0.2062 0.0316

7.2052 0.0272 0.0205 符合

D2 0.1894 0.0290

D3 0.1530 0.0234

D4 0.1056 0.0162

D5 0.1323 0.0202

D6 0.1143 0.0175

D7 0.0992 0.0152

資訊能力 0.1339

E1 0.4484 0.06

3.1786 0.0251 0.0433 符合 E2 0.3043 0.0408

E3 0.1651 0.0221

人格特質

與態度 0.0822

F1 0.2472 0.0203

7.1779 0.0263 0.0199 符合

F2 0.1625 0.0134

F3 0.1431 0.0118

F4 0.1146 0.0094

F5 0.1224 0.0101

F6 0.1363 0.0112

F7 0.0740 0.0061

表 5 半導體產業之評估屬性一致性檢定表

子項產業根本目標特徵向量屬性代號特徵向量屬性權重 λmax CI CR 一致性

半導體產業學科領域

條件 0.3897

B1 0.1795 0.0700

7.3433 0.0448 0.0339 符合

B2 0.177 0.069

B3 0.1569 0.0612

B4 0.083 0.0324

B5 0.0469 0.0183

B6 0.1937 0.0755

B7 0.1628 0.0635


12


職責能力 0.2125

C1 0.2174 0.0462

7.4349 0.0507 0.0384 符合

C2 0.2234 0.0475

C3 0.1570 0.0334

C4 0.1347 0.0286

C5 0.0874 0.0186

C6 0.0941 0.0200

C7 0.0856 0.0182

技術性和

作業面能

力

0.1902

D1 0.1733 0.0330

7.3803 0.0554 0.04194 符合

D2 0.1900 0.0361

D3 0.1634 0.0311

D4 0.0894 0.0170

D5 0.1324 0.0252

D6 0.1132 0.0215

D7 0.1380 0.0262

資訊能力 0.1258

E1 0.5706 0.0718

3.1238 0.0375 0.0646 符合 E2 0.3067 0.0386

E3 0.1226 0.0154

人格特質

與態度 0.0818

F1 0.2478 0.0203

7.6010 0.0752 0.0569 符合

F2 0.1530 0.0125

F3 0.1607 0.0132

F4 0.1038 0.0085

F5 0.1310 0.0107

F6 0.1422 0.0116

F7 0.0613 0.0050

表 6 光電產業之評估屬性一致性檢定表


光電產業

學科領域 0.3600

B1 0.2375 0.0855

7.5226 0.0722 0.0546 符合

B2 0.1123 0.0404

B3 0.1422 0.0512

B4 0.1569 0.0565

B5 0.1292 0.0465

B6 0.1441 0.0519

B7 0.0778 0.0280

職責能力 0.1675

C1 0.2525 0.0423

7.3484 0.0402 0.0304 符合 C2 0.1443 0.0242

C3 0.1738 0.0291

C4 0.1197 0.0201


13


C5 0.1200 0.0201

C6 0.1049 0.0176

C7 0.0845 0.0142

技術性和

作業面能

力

0.1448

D1 0.2026 0.0293

7.2971 0.0405 0.0306 符合

D2 0.1825 0.0264

D3 0.1557 0.0226

D4 0.1178 0.0171

D5 0.1452 0.0210

D6 0.1123 0.0163

D7 0.0837 0.0121

資訊能力 0.2143

E1 0.4150 0.0889

3.0449 0.0185 0.0318 符合 E2 0.3668 0.0786

E3 0.2182 0.0468

人格特質

與態度 0.1134

F1 0.19150 0.0217

7.0199 0.0029 0.0022 符合

F2 0.11807 0.0134

F3 0.12080 0.0137

F4 0.15027 0.0170

F5 0.13948 0.0158

F6 0.18645 0.0211

F7 0.09343 0.0106

表 7 資訊服務產業之評估屬性一致性檢定表


資訊服務

產業

學科領域

條件 0.4587

B1 0.2542 0.1166

8.0566 0.0724 0.0548 符合

B2 0.1636 0.0751

B3 0.1287 0.0590

B4 0.1193 0.0547

B5 0.0840 0.0385

B6 0.1555 0.0713

B7 0.0946 0.0434

職責能力 0.2633

C1 0.2660 0.0701

7.3755 0.0376 0.0285 符合

C2 0.2416 0.0636

C3 0.1506 0.0397

C4 0.0990 0.0261

C5 0.0940 0.0248

C6 0.0847 0.0223

C7 0.0639 0.0168

技術性和 0.1143 D1 0.1807 0.0207 7.2389 0.0331 0.025 符合


14


作業面的

能力

D2 0.1322 0.0151

D3 0.1115 0.0127

D4 0.0921 0.0105

D5 0.1659 0.019

D6 0.1692 0.0193

D7 0.1480 0.0169

資訊能力 0.1139

E1 0.4104 0.0468

3.1381 0.0584 0.1006 符合 E2 0.3657 0.0417

E3 0.2238 0.0255

人格特質

與態度 0.0498

F1 1.0330 0.0514

7.7257 0.0840 0.0636 符合

F2 0.3580 0.0178

F3 0.4866 0.0242

F4 1.1347 0.0565

F5 0.6343 0.0316

F6 0.4715 0.0235

F7 0.2292 0.0114

依據根本目標下計算電子產業，含半導體、光電、資訊服務產業各屬性加權計算權

重排序前 15 項，其結果均著重於學科領域條件、其次是職責能力如圖 4.5 所示。前 15

項屬性權重排序差異比較，如表 8 所示。

圖 4 電子產業對智慧製造領域相關工程師職能需求根本目標屬性權重前 15 項比較

表 8 電子產業對智慧製造領域相關工程師職能之根本目標前 15 項屬性權重排序比較

學科領域

條件(B)

職責能力

(C)

技術性和

作業面的

能力(D)

資訊能力

( E)

人格特質

與態度(F)

電子產業 7 4 2 2 0

半導體產業 6 4 3 2 0

光電產業 7 3 2 3 0

資訊服務產業 7 5 0 3 0

7

4

22 0

0

1

2

3

4

5

6

7

8

數量


15

排序

電子產業半導體產業光電產業資訊服務業

屬性項目權重屬性項目權重屬性項目權重屬性項目權重

1 B1

工業管理學科類 0.0918

B6

材料/化工學科類 0.0755

E1

平台系統資訊能力 0.0889

B1


2 B6


E1


B1


B2

電機電子工程學科類 0.0751

3 B2


B1


E2

應用軟體類資訊能力 0.0786

B6


4 E1


B2


B4

數學/統計學科類 0.0565

C1

專案管理/分析 0.0701

5

B3

機械及自動控制工程

學科類

0.0595 B7

光電工程學科類 0.0635

B6


C2

生產線管理(人機料法環) 0.0636

6 C1


B3


學科類

0.0612

B3


學科類

0.0512 B3

機械及自動控制工程學科類 0.0590

7 B4


C2

生產線管理(人機料

法環)

0.0475

E3

數據預測分析類資訊

能力

0.0468 B4


8

C2

生產線管理(人機料法

環)

0.0474 C1


B5

通訊工程學科類 0.0465

E1


9 B7


E2


C1


B7


10 E2


D2

機器學習、深度學習

演算法的智能應用開

發

0.0361 B2


E2


11 B5


C3

自動化軟體開發 0.0334

D1

生產/製程/周邊等大

數據資料的採集…

0.0293 C3


12 C3


D1



0.0330 C3


B5


13

D1



0.0316 B4


B7


C4

生產線機器人與機器視覺整

合應用

0.0261

14 D2

機器學習、深度學習0.0290

D3

機器學習/深度學習0.0311

D2

機器學習、深度學習0.0264

E3

數據預測分析類資訊能力 0.0255


16

排序

電子產業半導體產業光電產業資訊服務業

屬性項目權重屬性項目權重屬性項目權重屬性項目權重

演算法的… 分析模型建置… 演算法的智能應用開

發

15

C4

生產線機器人與機器

視覺整合應用

0.0272

C4

生產線機器人與機器

視覺整合應用

0.0286

C2

生產線管理(人機料法

環)

0.0242

C5

設計生產/製程/周邊等大數

據資訊萃取方法

0.0248

由表 8 調查結果得知，電子產業在智慧製造轉型下對未來相關領域工程師職能需求

根本目標下的前 15 項可以發現以下不同產業之權重結果：

一、電子產業：

1. 學科領域條件(B1-B7)：職能需求重要性以學科領域條件為主，其排名以(1)工業管

理學科類 0.0918、(2)材料/化工學科類 0.0671、(3)電機電子工程學科類 0.0623、

(5)機械及自動控制工程學科類 0.0595、(7)數學/統計學科類 0.0515、(9)光電工

程學科類 0.0411、(11)通訊工程學科類 0.0385，共計 7項。

2. 職責能力部份(C1-C7):著重於排名(6)專案管理/分析 0.0566 和(8)生產線管理(人

機料法環)0.0474、(12)自動化軟體開發 0.0371、(15)生產線機器人與機器視覺整

合應用 0.0272，共計 4項。

3. 技術性與操作面能力部份(D1-D7)：著重於排名(13)生產/製程/周邊等大數據資料

的採集、清洗與轉換及數據倉庫建置 0.0316、(14)機器學習、深度學習演算法的智

能應用開發 0.0290、(15)生產線機器人與機器視覺整合應用 0.0272，共計 3項。

4. 資訊能力部份(E1-E3)：著重於排名(4)平台系統資訊能力 0.0600、(10)應用軟體類

資訊能力 0.0408，共計 2項。

5. 人格特質/態度(F1-F7)：權重的排序在 20 項以後，其優先順序是以決策分析能力、

邏輯思考能力、洞察能力。從調查結果發現，電子產業在智慧製造數位化轉型下，

因應軟、硬體與生產機具結合整合、人機協同的工作、場域的混合實境、生產環境

的諸多因素改變下，在工作上的決策能力、邏輯思考、洞察能力相對的重視程度就

以本次研究調查結果排名在 20、26、27。

二、半導體產業

(1) 學科領域條件(B1-B7)：權重排序以(1)材料/化工學科類 0.0755、(3)工業管理學科

類 0.0700、(4)電機電子工程學科類 0.069、(5)光電工程學科類 0.0635(6)機械及自動

控制工程學科類 0.0612、(13)數學/統計學科類 0.0324，共計 6 項。


17

(2) 職責能力部份(C1-C7):著重於排名(7)生產線管理(人機料法環)0.0475、(8)專案管

理/分析 0.0462、(11)自動化軟體開發 0.0334、(15)生產線機器人與機器視覺整合

應用 0.0286，共計 4項。

(3) 技術性與操作面能力部份(D1-D7)：著重於排名(10)機器學習、深度學習演算法的

智能應用開發 0.0361、(12)生產/製程/周邊等大數據資料的採集、清洗與轉換及數

據倉庫建置 0.0330，共計 2 項。

(4) 資訊能力部份(E1-E3)：著重於排名(2)平台系統資訊能力 0.0718、(9)應用軟體類

資訊能力 0.0386，共計 2項。

(5) 人格特質/態度(F1-F7)：權重的排序在 19-31項內，其優先順序是以決策分析能力、

洞察能力、邏輯思考能力、人際關係及同理心，重視程度就以本次研究調查結果排

名在 19、26、27、28。

三、光電產業

(1) 學科領域條件(B1-B7)：權重排序以(2)工業管理學科類 0.0855、(4)數學/統計學科

類 0.0565、(5)材料/化工學科類 0.0519、(6)機械及自動控制工程學科類 0.0512、(8)

通訊工程學科類 0.0465、(10)電機電子工程學科類 0.0404、(13)光電工程學科類

0.0280，共計 7 項。

(2) 職責能力部份(C1-C7):權重排序以(9)專案管理/分析 0.0423、(12)自動化軟體開發

0.0291、(15)生產線管理(人機料法環)0.0242，共計 3項。

(3) 技術性與操作面能力部份(D1-D7)：權重排序以(11)生產/製程/周邊等大數據資料的

採集、清洗與轉換及數據倉庫建置 0.0293、(14)機器學習、深度學習演算法的智能

應用開發 0.0264，共計 2項。

(4) 資訊能力部份(E1-E3)：權重排序以(1)平台系統資訊能力 0.0889、(3)應用軟體類

資訊能力 0.0786、(7)數據預測分析類資訊能力 0.0468，共計 3項。

(5) 人格特質/態度(F1-F7)：權重的排序在 17-31項內，其優先順序是以決策分析能力、

人際關係及同理心、溝通和談判能力、判讀思考能力，重視程度就以本次研究調查

結果排名在 17、18、24、26。

四、資訊服務產業

(1) 學科領域條件(B1-B7)：權重排序以(1)工業管理學科類 0.1166、(2)電機電子工程學

科類 0.0751、(3)材料/化工學科類 0.0713、(6)機械及自動控制工程學科類 0.0590、

(7)數學/統計學科類 0.0547、(9)通訊工程學科類 0.0434、(12)光電工程學科類 0.0385，

共計 7 項。


18

(2) 職責能力部份(C1-C7):權重排序以(4)專案管理/分析 0.0701、(5)生產線管理(人機

料法環) 0.0636、(11)自動化軟體開發 0.0397、(13)生產線機器人與機器視覺整合

應用 0.0261、(15)設計生產/製程/周邊等大數據資訊萃取方法 0.0248，共計 5項。

(3) 技術性與操作面能力部份(D1-D7)：權重的排序在 17-25項內，其優先順序是以(17)

生產/製程/周邊等大數據資料的採集、清洗與轉換及數據倉庫建置 0.0207、(18)數

據治理相關工作與 data model 設計 0.0193、(19)資料挖礦方法預測潛在品質問題

0.019，重視程度就以本次研究調查結果排名不在前 15名內，主因可能是因為該產

業型態不同，主要業務是以軟體類(含企業解決方案、嵌入式軟體、資料倉儲、數據

分析)、服務類(含雲端服務、委外服務、系統整合、顧問諮詢)、硬體類(含自動化

系統、伺服器、儲存設備、網通設備、電源系統)，相對於職能力需求較偏重於學科

領域條件之外，其次是以職責能力與資訊能力需求為主要選項。

(4) 資訊能力部份(E1-E3)：權重排序以(8)平台系統資訊能力 0.0468、(10)應用軟體類

資訊能力 0.0417、(14)數據預測分析類資訊能力 0.0255，共計 3 項。

(5) 人格特質/態度(F1-F7)：權重的排序在 24-31 項內，其優先順序是決策分析能力、

判讀思考能力、人際關係及同理心，重視程度就以本次研究調查結果排名在 24、26、

27。

以上是應用分析層級程序法，藉由成對比較機制，萃取問卷調查專家們的價值判斷，

並排出優先順序作為決策評估的依據。對照實證調查結果，電子產業在智慧製造轉型下

對未來相關領域工程師職能需求根本目標下的 31 項屬性權重，如表 3、圖 3 所示根本目

標特徵向量排序以「學科領域條件」仍為首要考量。

伍、結論

ㄧ、研究貢獻

本研究方法在探討未來數位（智慧）轉型下智慧製造領域相關工程師職能需求評估

架構，與以往勞動部推動的職能、職能基準的能力盤點以擔任該職務所應具備工作內涵

（工作描述、入門水準、任務、職責、產出）、能力組合（知識、技能、態度、行為）

不同。設計問卷過程，參考天下雜誌-工業 4.0(2019，665 期)所探討數位轉型產業之公司

近程，並加以查詢相關公司的網站求職項目、104 人力銀行網站、111 人力銀行網站…

等綜整歸納，再透過專家會議規劃、設計問卷探討未來智慧製造相關工程師職類能力的

需求為何、可能的新職類項目需求有哪些、需具備的學科領域、職責能力、技術性和作

業面的能力、資訊能力、人格特質/態度，使在職者、新進人員、跨域人才者皆可確保其

技能符合該工作所需，並使用分析層級程序法將各屬性進行衡量比較。

本研究實證結果，電子產業在未來智慧製造領域相關工程師職務的職能需求還是取

決於學科領域條件為主要考量；因應未來製造業物聯網技術、人工智慧加入，技術與操

作面能力開始著重於生產/製程/周邊等大數據資料的採集、清洗與轉換及數據倉庫建置，

資料處理和大數據庫管理；資訊能力能力則是專注平台系統資訊的操作、應用。可預測


19

未來這些新職能會朝向跨領域、甚至跨產業，然後區分出那些職能，先由企業的內部訓

練支應，哪些跨領域技能該趕快導入學校教育體制，以做為長期打基礎之應用。

二、研究限制

(ㄧ) 不同產業之各級職主管的主觀差異將影響評估

由於不同產業、主管、資深工程師、工程師或其他相關人員對於工廠各項智慧化轉

型評估指標的重要性有不同的見解、偏好、保守，另外對於問卷題問的深淺度，若非是

轉型部後的主管、資深工程師、工程師人員或其他相關人員，較無法回覆問卷也會影響

問卷回收率及評估、對決策的影響程度。再則主管或資深工程師、工程師針對未來智慧

製造領域相關工程師的職能需求也會因組織規模發展、內部人才能力晉升、外在環境變

化…等估評指標的重要性有不同的見解、偏好，容易造成不同問卷計算出來的結果沒有

符合一致性或無法做權重比較，對決策有所影響、對產業人才職能需求的品質影響。

(二) 問卷來源與時效性問題

本研究產業以電子產業為主要探討對象，其中涵蓋半導體、電子零組件、資訊服務

等產業甚多，各產業在淡旺季忙碌不同，影響回收率不佳…等因素導致結果僅能部分呈

現，若只選擇一項產業進行調查，其樣本數據較集中，分析結果較具代表性。

(三) 問卷內容複雜且內容多

本研究在進行建立屬性間成對比較矩陣、計算特徵向量、驗證一致性時，在資訊服

務產業針對智慧製造領域相關工程師職能評估各項屬性中，人格特質與態度 CR 值均大

於 0.1，表示前後判斷有不一致。在重新計算、查驗每份問卷成對比較矩陣時發現，有些

問卷回覆專家在做決策時比較有極端的決策想法，故無法納入評估標準內，所以選擇不

進行兩兩比較。

三、未來研究方向

本研究旨在探討國內電子資訊產業智慧製造轉型概況及面臨未來產業轉型之最新

的人才需求，運用 AHP 取得快速量化的數據指標，做為主觀衡量階段的電子產業智慧

化轉型下智慧製造領域相關工程師職能需求的評估屬性權重計算，同時也能做為未來探

討產業人才培育的一套客觀、有效且具有系統量化的科學方法。

未來期望能套用本研究模式，進行其他產業如農業、金融業等智慧轉型之調查，並

進行產業人才培育之選、用、育才的決策評估方法。藉以探討從人才供需兩端不同角度，

探討現今學校育才之課程規劃與未來智慧製造領域相關工程師職能需求的擬合度為何，

以評估日後學校育才多元發展規劃參考。


20

參考文獻蘇孟宗、楊玟萍、彭茂榮、劉美君、黃孟嬌，2014。台灣電子產業回顧與展望。

https://www.itri.org.tw/chi/Content/NewsLetter/Contents.aspx?SiteID=1&MmmID=500

0&MSid=621302513530161363。搜尋日期：2019 年 4 月 20 日。

胡竹生，2017。推動 ICT 人才加入製造領域從設備投資轉向知識投資時代來臨。https://www.itri.org.tw/chi/Content/Publications/contents.aspx?&SiteID=1&MmmID=20

00&MSid=745170532137012711。搜尋日期：2019 年 4 月 22 日。

林育安，2018。智慧生產系統之工作分析與人才評量系統-以 A 公司為例。國立高雄大

學亞太工商管理學系碩士班碩士論文。

賴春金、李隆盛，2011。職能分析的方法與選擇。飛訊，第一百一十四期：1-22。

黃素芸，2009。職能運用於人力資源管理活動之實務探討。國立中山大學人力資源管理

研究所碩士論文。

簡禎富，2019。工業 3.5 台灣企業邁向智慧製造與數位決策的戰略。台北。天下雜誌。

簡禎富，2014。決策分析與管理：紫式決策分析以全面提升決策品質（二版）。台北，雙

葉書廊。

陳長雄，2007。機械研發人員職能標準驗證探討＿以工具機產業為例。逢甲大學經營管

理碩士在職專班碩士論文。

呂孟純，2014。建構業界需求人才之跨領域學程－以封測產業為例。明新科技大學工業

工程與管理系碩士班碩士論文。

侯堅強，2015。服務業職能指標建構暨運用。國立臺中科技大學流通管理系碩士班碩士

論文。

蕭富鴻，2016。結合層級分析法與決策實驗室分析法探討台灣技職大學休閒相關科系課程規劃之研究。國立勤益科技大學專案管理研究所碩士論文。

余長得，2016。電腦周邊產業組長/領班級職能需求分析。明新科技大學工業工程與管理

系碩士在職專班碩士論文。

吳俞葳，2018。職涯顧問師專業職能指標之研究。國立嘉義大學企業管理學系碩士論文。

錢建銘，2018。基於智慧製造職能需求探討半導體產業與大學人才培育間之差異研究。

東海大學工業工程與經營資訊學系碩士論文。

歐虹葳，2018。複合式大樓物業管理經理人職能之建構。國立高雄應用科技大學企業管

理系碩士在職專班碩士論文。

林妍榛，2018。應用層級分析法於專案經理遴選模式之建立-以 PMI 人才三角為分析基準。逢甲大學專案管理碩士在職學位學程碩士論文。

Dalton, M. 1997. Are competency models a waste? Training & Development, 51(10), 46-50.

Spencer, Lyle M., and Signe M. Spencer. 1993. Competence At Work; Model for Superior

Performance. New York (US): John Miley & Sons.

Gonczi, Andrew, Paul Hager, and Liz Oliver. 1990. Establishing competency-based standards

in the professions. Canberra: Australian Government Publishing Service.

https://www.itri.org.tw/chi/Content/NewsLetter/Contents.aspx?SiteID=1&MmmID=5000&MSid=621302513530161363

https://www.itri.org.tw/chi/Content/NewsLetter/Contents.aspx?SiteID=1&MmmID=5000&MSid=621302513530161363

https://www.itri.org.tw/chi/Content/Publications/contents.aspx?&SiteID=1&MmmID=2000&MSid=745170532137012711

https://www.itri.org.tw/chi/Content/Publications/contents.aspx?&SiteID=1&MmmID=2000&MSid=745170532137012711

empirical analysis of engineers' competence needs in smart ... ·...

Documents