• Description

上課地址:中科_工商行服務大樓4樓或9樓教室 【台中市428大雅區中科路6號】

時數:28

起迄日期:2021-07-08~2021-08-12

聯絡資訊:陳文幸/04-25672316

報名截止日:2021-08-11

課程類別:人才培訓(課程)

活動代碼:2320040054

課程介紹

製程資料結合IOT進行生產紀錄,其最重要的貢獻在於提供品質分析。然而從大量資料中找出製程與品質的相關性有其複雜度,且在已經高度良率中要再將品質再提升更是難上加難。一般品質分析主要是透過SPC來進行管制界線設定,透過SPC來提升產品品質。然而有時品質問題牽涉層面較廣,可以透過分類、關聯法來找出品質與製程機台的關聯性以及製程的差異性,是否牽涉到補償問題。因此大數據之後,主要在於建模,而建模的良窳又牽涉到資料前處理。

而資料整理有人使用SQL進行資料處理,有的使用Excel來進行分析,整理時間耗費數天或數周。而進行資料建模分析透過撰寫程式,得經過撰寫、編譯、除蟲等問題,執行分析後得在驗證模型,在驗證後再出報告。如此可能耗費數天或數月,若資料有問題或模型不準確得再重新整理資料,再重新建模,如此不斷反覆實作。

本課程將講解大數據資料整理,品質關聯分析、製程品質參數分析,機台維護資料的文本分析處理。透過製程與品質之案例資料來進行演練,並利用大數據軟體工具(PolyAnalyst)來進行實作練習,讓學員了解如何透過大數據資料整理、建模分析等,以應用在結構資料及非結構化資料上。

本系列課程~歡迎企業包班

●本課程符合勞委會"協助事業單位人力資源提升計畫"的補助方案,歡迎企業踴躍報名參加
●歡迎企業包班,請來電洽詢 課程承辦人陳小姐(Joan) 04-25675621
●歡迎您以下為【全系列/單元課程】~歡迎您報名參加

課程日期

課程名稱

時數

7/8~8/12

(週四)

《全系列》【贏在AI的起跑點】智慧機械品質與製程改善工程師(請點我)

28hrs

7/08(週四)

單元一: 智慧IOT與產品品質資料蒐集整理分析  (請點我)

7hrs

7/22(週四)

單元二: 製程IOT與品質改善案例分析(請點我)

7hrs

8/05(週四)

單元三: 製程IOT與機台預維護分析(請點我)

7hrs

8/12(週四)

單元四: AI演算及文本資料分析(請點我)   

7hrs

課程目的

1.結構資料與非結構化資料之如何應用與分析。
2.
品質技術分析常用的分析演算法。
3.
如何應用在製程與品質關係分析。
4.
了解資料處理與建模及模型比較。
5.
如何進行品質異常分析,歸類、分群,異常關聯。
6.
資料前處理的技巧。
7.
結構與非結構分析與品質提升之應用

課程大綱

●本課程搭配電腦實作教學
●敬請自備NB (備配需求:RAM至少4G以上最佳,硬碟至少40GB,作業系統:Windows 7以上,Windows Update 更新至最新最佳)安裝實作練習!

課程名稱

課程大綱

(F1)

智慧IOT與產品品質資料蒐集整理分析

(上課時間:110/7/8)

(1).大數據資料分析初步認識

(2).製程與品質資料收集與整理

(3).資料前處理技術淺談

(4).大數據建模與驗證

(5).結構化資料分析與應用

(6).非結構化文本分析與應用

(7).統計方法分析

(8).加工機台時間分布統計

(9). SPC製程管制界限分析

(10).時間序預測分析

(F2)

製程IOT與品質改善案例分析

(上課時間:110/7/22)

(1).製程與品質分析案例實作

(2).機台資料整理與品質資料串聯

(3).機台資料格式轉換

(4).機台與品質關聯分析與解讀

(5).生產參數分析模型建立

(6).生產參數分析比較

(7).規則與模型驗證

(F3)

製程IOT與機台預維護分析

(上課時間:110/8/5)

(1).機台維護案例文本分析實作

(2). 3D印表機維護紀錄說明

(3).文本資料前處理

(4).維護事件詞雲分布呈現與探討

(5).事件分類與歸類

(6).事件分類表統計

(7).事件與子事件比例分析

(F4)

AI演算及文本資料分析

(上課時間:110/8/12)

(1). AI演算法介紹

(2).分群與分類演算法、資料分群神經網路

(3).支持向量機、決策樹、關聯演算法

(4).連結分析、預測、時間序列分析

(5).數值估算與函數逼近、文本分析

(6).資料分析案例分享

(7).生產案例分析

(8).製造品質案例介紹

(9).維護文本分析

(10).DRAM網路新聞文本與商品價格預測

 

課程對象

1.電機/電子/材料/機械/生技/資訊/統計等相關背景之研發工程師、產品設計師、生產製造、品保工程師、研究員及各管理階層及相關工程師/資料分析人員。
2.
欲追求自我成長者或對本課程有興趣之學員。