你是否曾經遇過...
🔎多層結構的待測樣品，透過 SEM 影像卻無法分辨各層材質？
🔎明知 IC 有異常，層層 Delayer，SEM 分析卻什麼異常都找不到？
SEM BSE 技術或許將成為你的救星✨
一起來看看宜特科技的分享！
sem結構 在 Technews 科技新報 Facebook 的精選貼文
同時也有1部Youtube影片，追蹤數超過6萬的網紅EMi Fitness，也在其Youtube影片中提到，この辺の情報は結構出ていますが、やっぱり男性が主体となったデータが多いので、女性の話も付け加えてみました！ 私のコメント欄にも太ってばっかりで変化が無いとよく書かれますが…（笑） 男性と女性の違いについて、理解が少しでも広がれば女性ももう少し筋トレしやすい環境になるのかな～と思います！ ▼参...
sem結構 在 Facebook 的精選貼文
今天發神經，突然很想分享當年第一次做實驗的心情跟過程。
首先，把基板清理乾淨，細心的放到機器裡，完全照步驟，鍍了一層多元摻雜的奈米薄膜。鍍好後拿出來，細心呵護的放到桌上，然後我帶著手套、拿著鑷子、夾著無塵紙，看著這個要讓我畢業的樣品，抱持的感恩的心情...
輕輕的擦拭剛剛鍍好的表面...
然後然後，拿去量測各種性質，再用SEM看表面結構，準備排AFM的時間。覺得一切都很完美，看著一張張電子顯微鏡的照片...
「哇，有其他論文從未見過的長直痕跡欸，趕快拿給老師分享」
開開心心拿去，被老師電了一個下午...
所以以後每一個學弟妹進來，帶著做的第一次都會強調，絕對不可以拿任何你覺得很棒的東西，把剛鍍好的表面拿去擦。
#做表面的應該知道我在講什麼
#也應該可以認同會電一下午是活該
現在回想，當年的自己好蠢喔，哈哈
sem結構 在 王立第二戰研所 Facebook 的最佳貼文
現在有閒，聊一點過去碰到的事情，沒有邏輯跟順序，就亂談。
剛去業界跑來跑去的時候，因為算是傳產，基本學歷都低你2-3級以上，發現長輩以前說的那些啥米「不喝酒不能認識客戶」、「不上酒家不能談業務」、「態度要比狠才講得贏」、「傳產就是比拳頭大」等等，幾乎都是謠言。@@
為何？因為人家根本沒有對我這樣要求啊，本來還想說是不是不被當一回事。混久之後才曉得問題出在，別人知道你跟他是不同世界的人，就不會用他們習慣的方式對待你。尤其我又是有辦法寫報告，寫到國外廠商沒辦法抱怨的那種，搞到其他廠商只能跟客戶談強迫賠償。有差嗎？有差，至少客戶跟外國廠商講話時，腰桿比較挺，其他人也知道你是被迫要賠一點，不是出錯要賠。
所以哩，那些社運青年拿著歐洲的環保規範在那邊唬爛台灣廠商很糟，我為何十多年前就不想鳥。啊幹，就跟現場不一樣啊，歐廠只有在本國比較好，外移到其他地方去一樣比糟的，更多規範比較像是貿易壁壘，故意調到你打不進人家市場。更不要提，遇過幾次歐洲人說要來看台灣代工廠的環境，繞了一圈回去說「好棒棒」。我的想法就是，幹又在唬爛，最好那家環保過得了，騙肖仔。
現在我比較不敢講，十多年前我呆的那些產業，有辦法像我做正規的奈米分析、結構晶格排列、成分分析的人不多，多半的人就是檢測儀器買了，照著做之後拿著結果去解釋，而解釋法比較偏向經驗法則，就我個人來看一堆都是沒道理的。例如SEM，用顏色深淺跟我解釋，深的那一張代表表面結構不好，顏色淺的比較好。
......????....??
咳，總之，分析過很多原料製作出的結果，至少在2010年的時候，我的感覺是。日本的雜質很少，會出錯大概就是台灣代工廠的機具不乾淨，常常會檢測到很微量的雜質。當然客戶就會說都你們家的問題，因為成份表上沒出現，顯然不是客戶的錯，雖然抓到很多次是清洗不乾淨的殘留。
用台灣的原料，雜質會有，但多半屬於你很確定的範圍，連成分表上沒出現過的雜質含量都很固定XD。會這樣的原因，大部分是台廠知其然不知所以然，長年都用同樣的原料跟製程，所以出錯的細節就一直沒改。反正客戶早就調到生產正常，不要動就沒事，這就是常常一換日系牌子就要現場熬夜三天抓條件的真正理由，不是日本牌爛，是台灣人在長期辛苦調整參數後抓到用錯誤的現場條件生產出正確的產品，故你用正確的條件反而失敗。是一個負負得正，然後負正得負的概念。
至於用中國的喔，我只能說夭壽，啥米碗糕的雜質都有，最常見的就是C、H、O、N，簡稱有機物。每一批都不一樣，我驗過鐵鈷鎳銅等顆粒，有機物反推回去或是培養的結果，叫做胞子、黴菌、皮膚、肉屑!(這三小)為何會檢驗過啊，因為進口商不會驗這個啊，他哪會做培養啊，就含量檢測OK就好了。見過顯微鏡下整片銅板上都是小黑點嗎？你怎麼開口跟老闆說，別叫成本低的中國料了。
總之，我還蠻推薦不是台清交頂大研究所畢業的，科技業賣肝不成，去傳產代工廠、機械化工紡織都可以。先不談薪水，至少換成時薪不見得低，更重要的是，你會感受到很強大的階級感，那些學歷低你2級以上的，很快就會來打探你的感情狀態。
不要在科技廠哀嘆找不到對象了，傳產裡面漂亮的很多，我只怕你對談談不起來而已，若只想談吃喝玩樂，你會很開心。遇過一堆阿姨問你單身沒，想不想認識她的女兒姪女外甥女？只要你表現優異，不是混吃等死，看來幾年後就可以當到主管。別問我為何沒有，因為我開口談的都是國際貿易跟國際政治，怎樣影響產業發展，或是奈米結構怎麼長會比較漂亮，人家介紹來的一聽就知道不同世界的人，不大會想談下一步。
我是很鼓勵多去看看啦，內插法永遠比外插法準一點，過去台灣階級固化太嚴重，才會產生各行各業的行規跟固定現象。你都大學畢業後去科技業，遇到都跟你一樣或更強的，當然覺得世界都一樣，在台北新竹想像代工廠工人怎樣過日子，自然會覺得黃白是真理。真的去多碰多看，了解其他階級的生活觀與價值觀，才會曉得內插法怎樣最貼近現實，用外插法都很容易歪到天邊去。一堆上大學後脫離原生家庭，每天在咖啡廳說說他出身下層所以超懂，我也是笑笑。
當然還是先聲明，現在狀況怎樣我不知道，至少10年前的機械代工跟化學代工業之類，情況是這樣。你怎樣利用所學，在那個行業發揮與幫助客戶，會比你想找一個完全吻合學校所學的來的快。
找不到伴別怪我騙你，不管去哪個行業，總是要跟他們混熟，學我整天講數學跟奈米結構，談社會政策法令的影響，不用多久就會被拱在外面。XD
sem結構 在 EMi Fitness Youtube 的最讚貼文
この辺の情報は結構出ていますが、やっぱり男性が主体となったデータが多いので、女性の話も付け加えてみました！
私のコメント欄にも太ってばっかりで変化が無いとよく書かれますが…（笑）
男性と女性の違いについて、理解が少しでも広がれば女性ももう少し筋トレしやすい環境になるのかな～と思います！
▼参考（一部）
Andrew Troy／Cell Stem Cell Vol 11, 541-553. October 5 2012
https://journals.lww.com/acsm-msse/Pages/default.aspx?PAPNotFound=true
AtheleteBody.jp
https://www.waseda.jp/sem-training/research/graduation_thesis/2002/kudou.pdf
https://www.strongerbyscience.com/genetics-and-strength-training-just-different/
■MYPROTEINはこちらからどうぞ！
http://tidd.ly/3a495a0c
【紹介コード】V9WD-R2
■iHerbの紹介コード
AEZ7666
●ツイッター
https://twitter.com/e_m_i_fitness
●インスタグラム
https://www.instagram.com/e_m_i_insta
#EMi#筋肉#遺伝
sem結構 在 27. 結構方程模式(SEM)1_概念 - YouTube 的推薦與評價
1. SEM 實例2. 名詞解釋3. SEM 分析程序4. 單一因素分析資料檔案： SEM ... ... <看更多>
sem結構 在 以斯帖統計 的推薦與評價
【久違的課程─SEM的介紹】 睽違兩年的『結構方程式（SEM)』課程，終於要開課了！歡迎大家報名上課(https://www.estat.com.tw/product_1168516.html)，課程簡介如下： ... ... <看更多>
sem結構 在 [心得] 關於SEM結構方程模式配適度問題- 看板PhD 的推薦與評價
之前在板上詢問關於SEM結構方程模式配適度問題，
感謝熱心版友解答，在此做個分享。
問題：
研究使用SEM的驗證性因素分析，樣本數為287，建構潛在變數有6項，
P值皆顯著，RMR,GFI,AGFI,PGFI都沒有大於0.6(標準是0.9...)
但是簡約配適度指數PNFI,PCFI都有大於0.6，卡方2000多，自由度600多
<解決方法一>
在樣本與construct比 合理下，首先建議重新檢視item與construct之間是否有顯著，換
句話說，驗證性因素分析能否歸類出來，或是在做CFA時，構念能否反映出各問項？各問項是否重
疊於不同構念？
<解決方法二>
適配指標都太低，應該是specification，模式識別的問題，也就是說：
理論模式沒有辦法符合樣本，所以應該是要檢討整個模式，例如有些重要的徑路或者相關
的線條你沒有畫出來。（沒有畫出來的話，軟體會認為他們是0，也就是毫無關係，所以
說，假如你沒有把性別跟～恩～舉例來說～數學成績畫一條線的話，軟體就認為說性別跟
數學成績八竿子打不著毫無關係，但理論可能會跟你說男女生數學有差異，所以就代表你
的模式沒有畫好、沒有正確的識別specify）
也有可能是measurement model的部份，題項loading到因素的時候，
可能有cross-loading或者根本就應該屬於其他因素，所以整個模式無法適配數據，
所以這種情況下，要回頭做EFA然後CFA，看看measurement model那邊的狀況。
那要怎麼知道究竟是徑路畫錯還是因素分析呢？就看modification indice
<解決方法三>
整體配適度不佳的話，表示資料跟假設模型不合，
這種情況下，P值顯著的意義也就不大了
樣本是不能隨便刪除的，除非有很好的理由，例如是outlier殘差設定可以用cronbach
alpha帶入模型中的誤差項用該construct的alpha值，記得沒錯的話是用(1-alpha)
不過比較好的方法是先驗證measurement model
把factor loading值小的刪除，或是不顯著的刪除
再驗證structure model，這是所謂的two-step approach
可以看Anderson & Gerbing (1988). Structural equation modeling in practice:
A review and recommended two-step approach. Psychological Bulletin.
如果不行，表示模型跟資料差太多了
p值如果是指整體模式的話（是從chi-square跟degree of freedom算出來的）
那就表示樣本與模式有顯著差異在實證下幾乎都是顯著的，因為跟樣本大小有關係
所以幾乎不會去看這個值，以下截錄我文章中的一小句，
Because the χ2 statistic is dependent on sample size,
its use is limited in most empirical research (Byrne, 1994),
and therefore, a wide variety of other fit indexes
which are independent of sample size
have been developed (Marsh, Balla, & McDonald, 1988; Hu & Bentler, 1998).
這邊other fit indexes就是指CFI, GFI等等
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 124.11.225.225
... <看更多>