Of het nu gaat om het koppelen van procesinstellingen aan de beoordeling van een sensorisch panel, het kalibreren van een meetprocedure of het modelleren van een productieproces ter verhoging van de kwaliteit en/of ter vermindering van productieverliezen, in de regel zijn meerdere factoren of variabelen van invloed op het resultaat.
Het algemene doel bij het toepassen van multivariate methoden is steeds:
- Het werken met variabelen waartussen verbanden kunnen bestaan
- Het herkennen van variabelen die een overheersende invloed op een proces hebben
- Het daarmee aanreiken van stuurmogelijkheden
- Het detecteren van de oorzaken van problemen in de productie
De cursus bevat de meest gangbare technieken die in industriële context gebruikt worden voor de analyse van multivariate data. Deze technieken zijn uitermate geschikt om verbanden tussen groepen van variabelen te ontdekken en om patronen, groepen en clusters in de data vast te stellen of metingen te classificeren. Op basis van deze analyses zijn bijvoorbeeld instelparameters van een productieproces te relateren aan kwaliteitskenmerken van het resulterende product, combinaties van instelparameters te detecteren waardoor een proces verkeerd loopt of een meetprocedure te kalibreren. Overigens worden daarmee ook de relevante technieken op het gebied van Multivariate Data Analyse voor medische wetenschappen en de menswetenschappen afgedekt.
Resultaat
De cursus verschaft u kennis over en vaardigheid in de toepassing van multivariate statistiek voor onder meer de analyse van data, die gerelateerd zijn aan kwaliteitsaspecten van producten en processen. Na afloop van de cursus bent u staat de behandelde technieken zelfstandig in uw eigen werkomgeving toe te passen en daarbij op een verantwoorde manier gebruik te maken van relevante statistische software.
De behandeling van de stof wordt afgewisseld met praktijkvoorbeelden en praktische oefeningen, waarbij ervaring opgedaan kan worden in het gebruik van statistische software.
De volgende onderwerpen komen in de cursus aan de orde:
- Exploratieve Data Analyse (EDA)
- Toetsen en schatten bij multivariate data (MANOVA)
- Principale Componenten Analyse (PCA)
- Factoranalyse (FA)
- Discriminantanalyse
- Clusteranalyse
- Canonische Correlatie
- Partial Least Squares Regression (PLS)
- Multidimensional Scaling
Docent
dr. J.J.M. Rijpkema (TU Eindhoven, Faculteit Wiskunde & Informatica).
Dagindeling:
dag 1 t/m 4: 09.30 - 17.00 uur |
