|
Ÿ 在遇到无法进行实验的时候，例如客户满意度、市场调研数据、实验的成本过高或时间过长等情况。我们就可以使用历史数据来建立模型，作为预测与控制的规划。使用历史数据建立模型，能节省大量实验的费用与时间。
课程目的：上完本课程，研发工程师或学员将能够获得下列知识与能力: 1.应用历史数据DOE分析法:用DOE分析历史性数据，过滤因子建立初级数学模型。 2.使用一般线性模型(General Linear Model):适用于连续型响应，混和连续与离散的因子之建模。 3.多项式回归: 适用于具有平方项次与交互作用项的模型。 4.逻辑回归: 用于离散型响应，混和连续与离散的因子之建模。
课程效益: 使用历史数据建立模型，能节省大量实验的费用与时间。
课程特色: 这门课程将教会研发工程师如何辨识出问题的失效模式以及各种类型的原因，在课堂中老师手把 手的应用演练，搭配电子软件模板、电子文件及实际案例，上手容易,操作性强。 |
||
|
参加人员： 1.研发部门相关工作人员。 2.设计.品质.制造.技术部门之工程师及高级工程师。3.试验验证工程师及管理层。4.各部门之中高阶主管。 |
培训教材： 每位参加人员将获得一套培训手册及Minitab软件试用版。 |
|
|
|
||
|
课程内容 |
||
|
1.历史数据DOE 1) 历史数据的选择与收集 2) 历史数据的编码处理方法 3) 以编码数据进行全因子与部分因子设计 4) 以编码数据分析主效应与交互作用
2.一般线性模型(General Linear Model) 1) GLM的使用时机与应用案例 2) 教学演示: Ÿ 练习: SIGMA SAVINGS AND LOANS.MTW Ÿ GLM残差分析 Ÿ 从模型中预测Y值:
3. 多元线性回归 1)线性回归模型/多元可决系数R2 2)教学演示:多元线性回归SIGMA SAVINGS AND LOANS.MTW、残差分析 3)练习: 多元线性回归PROFIT_SIMUL.mtw
|
4.逻辑回归(Logistic Regression) 1)逻辑回归的种类 Ÿ 二值逻辑回归（Binary LR） Ÿ 名称型逻辑回归（Nominal LR） Ÿ 顺序型逻辑回归（Ordinal LR） 2)示例: 实例说明各种逻辑回归的状况 Ÿ 练习: 辨别要使用何种逻辑回归
3)教学演示: 4)回归分析的步骤 Ÿ 练习: 二值逻辑回归模型Rebate.mtw 5) 演练复杂的二值逻辑回归 – 连续和离散的X's
|
|