就『田口品質工程DOE』與統計學者的對話

Sabrina Kao是認識多年的朋友,在我就職CPC(中國生產理中心)時,就前往美國深造,獲得醫藥護理學方面的博士學位,也任教於德州的某大學的教職,前一陣子我將我的部落格連結給Sabrina,引起Sabrina的興趣,產生了一小段的對話如下:

_{GaryQ9000: 連結NO44. AI時代來臨-田口品質工程與AI合作的契機}

_{Sabrina: 最近在我領域中最熱門的也是AI在健康領域（臨床丶教育丶甚至考執照）的應用。}

         _{Regression model亦是我研究統計中常用的。}

_{GaryQ9000: 你應該用Logic Regress吧！}

 _{Sabrina: 看依變項是什麼性質的。若是類別性的（如有／無）就用logistic regression;}

          _{預測’何種中風老人會被送到護理之家。}

_{GaryQ9000: 我工作上用比較多的是工業統計-（田口SN比分析）的實驗設計法。我的部落}

          _{格就是分享這方面的經驗。}

_{GaryQ9000: 連結NO45.田口品質工程』各步驟重要優先次序觀點}

_{Sabrina: 參數是統計中的parameter 吧！而noise應是miss或有時稱為extraneous}

_{variable. 例如我碩士論文測量手術後第一次下床時血壓的變化時，當時未考}

_{慮到台大舊大樓並無暖気（只有窗型冷氣）而室溫也會影響血壓值。所以日後}

_{皆控制只在室溫15 －20度時收案（因爲是秋冬季）？}

_{GaryQ9000: 以ANOVA分析的DOE妳的觀點是是的！但田口方法是SN比分析和Noise設定}

_{（參數-控制因子在内側直交表；Noise因子（例季節室溫變化大）在外側直交}

_{表）→田口DOE是找一組最適參數組合，不但可以抵抗Noise(對Noise不敏}

_{感)也可以找到合適輸出值 。}

_{例如我部落格中，紙飛機✈️實驗，Noise是紙飛機老化（弄溼）+逆向風。然}

_{後紙的材料、導流、重心片材質、重心片位置⋯等控制參數最佳組合。不但}

_{可以讓紙飛機✈️飛向目的，也同時抵抗noise。這個S N比的實驗設計是日本人田口博士}

_{（Dr. Taguchi)創造的方式。就是我這三十多年的工作項目之一。}

_{GaryQ9000: 部落格的內容就是描述這個方法, 它大部分都在研究工業制程工藝的優化。例}

            _{如半導體製程、印刷電路板工藝、電子組裝工藝、汔車零件生產技術工藝⋯。}

 _{Sabrina: 聽起來像regression Y=alphaX1+alphaX2+alphaX3…. ANOVA只能用在同一變項}

         _{有二組以上的比較(e.g., X1, X2, 或X3). 如重心片放在三種不同位置,但無法}

         _{同時測重心片不同材質。這時就要regression了。}

_{GaryQ9000: 感覺不太像Regress,(但也可以用－元、二元、多元regress進行建模評價)。}

_{Sabrina: 應該是Multiple regression !}

_{GaryQ9000:請參考我部落格的紙飛機實驗(上)(中)(下)}

            _{No-38透過『自然科學遊戲-紙飛機設計(Activity)』進行Taguchi實驗計畫(上)}

              _{No-39透過『自然科學遊戲-紙飛機設計(Activity)』進行Taguchi實驗計畫(中)}

            _{No-40透過『自然科學遊戲-紙飛機設計(Activity)』進行Taguchi實驗計畫(下)}

_{GaryQ900: 主要是這方法的Ｎoise 概念 跟ANOVA 的方法不同, 你是學者,只要你上網研讀一下它}

          _{的方法就知道了,我是透過長年的案例累積}

_{Sabrina: 我也教博士班統計，所以很多東西到我腦中都會變成統計。}

_{GaryQ9000: 統計真的很有用,像現在的AI 中的建立預測模型(Building a Predictive}

           _{Model),再透過M.L. 與D.L.進行預測,他就是透過大量的統計模型(線性回歸 /}

          _{非線性回歸/Logistic回歸/多項式回歸/ 逐步回歸…..以及更多其他預測模式}

          _演算法)

 _{Sabrina: 但有些資料後的聲音會被忽略了，這就是為何近年來博士論文移至mixed}

          _{method(量性＆質性一起做)但能做好兩者的並不多。他們往往需要研究者的不}

           _{同人格特貭，就像iOS與Android一樣。}

_{GaryQ9000: 量性＆質性一起做=>Logic Regress, 當然研究醫學(病人)就非常複雜}

_{(患者的意志力,個性,基因.....)。相對於醫學研究, 我們工業統計在統計數學}

_{上相對比較簡單。}

_{Sabrina: 不過Logistic regression 仍是量性用於類別式的依變項。在人類研究中，不}

_{管是何種貭性研究都要透過會談，所以談不了太多人（通常15個以下）就會}

_{data saturate了（談來談去都是已經談過的時，就該停止談下去了），再由}

_{訪談內容中找出共通的主題。}

_{GaryQ9000: 我研究或者輔導的對象就是工廠（鋼鉄、電子、化工、汔車供應鏈）妳研究的對象是患者是}

_{醫護機構, 可能用到的統計方法不太一樣！}