|
在遇到無法進行實驗的時候，例如客戶滿意度、市場調研資料、實驗的成本過高或時間過長等情況。我們就可以使用歷史數據來建立模型，作為預測與控制的規劃。使用歷史數據建立模型，能節省大量實驗的費用與時間。
課程目的：上完本課程，研發工程師或學員將能夠獲得下列知識與能力: 1.應用歷史數據DOE分析法:用DOE分析歷史性數據，過濾因數建立初級數學模型。 2.使用一般線性模型(General Linear Model):適用於連續型響應，混和連續與離散的因數之建模。 3.多項式回歸: 適用於具有平方項次與交互作用項的模型。 4.邏輯回歸: 用於離散型響應，混和連續與離散的因數之建模。
課程效益: 使用歷史數據建立模型，能節省大量實驗的費用與時間。
課程特色: 這門課程將教會研發工程師如何辨識出問題的失效模式以及各種類型的原因，在課堂中老師手把手 的應用演練，搭配電子軟體範本、電子檔及實際案例，上手容易,操作性強。 |
||
|
參加人員： 1.研發部門相關工作人員。 2.設計.品質.製造.技術部門之工程 師及高級工程師。3.試驗驗證工程師及管理層。4.各部門之中高階主管。 |
培訓教材： 每位參加人員將獲得一套培訓手冊及Minitab軟體試用版。 |
|
|
|
||
|
課程內容 |
||
|
1.歷史數據DOE 1) 歷史數據的選擇與收集 2) 歷史數據的編碼處理方法 3) 以編碼數據進行全因子與部分因子設計 4) 以編碼數據分析主效應與交互作用
2.一般線性模型(General Linear Model) 1) GLM的使用時機與應用案例 2) 教學演示: Ÿ 練習: SIGMA SAVINGS AND LOANS.MTW Ÿ GLM殘差分析 Ÿ 從模型中預測Y值:
3. 多元線性回歸 1)線性回歸模型/多元可決係數R2 2)教學演示:多元線性回歸SIGMA SAVINGS AND LOANS.MTW、殘差分析 3)練習: 多元線性回歸PROFIT_SIMUL.mtw
|
4.邏輯回歸(Logistic Regression) 1)邏輯回歸的種類 Ÿ 二值邏輯回歸（Binary LR） Ÿ 名稱型邏輯回歸（Nominal LR） Ÿ 順序型邏輯回歸（Ordinal LR） 2)示例: 實例說明各種邏輯回歸的狀況 Ÿ 練習: 辨別要使用何種邏輯回歸
3)教學演示: 4)回歸分析的步驟 Ÿ 練習: 二值邏輯回歸模型Rebate.mtw 5) 演練複雜的二值邏輯回歸 – 連續和離散的X's
|
|