数据统计分析Minitab运用实战训练
l 课程目的
培训实战型企业管理人才
l 培训时间
2天(可根据客户的具体培训需求定制课纲)
l 培训对象
与数据统计分析与运用相关的所有人员
l 课程原则
学员配合电脑分组学习,老师可提供培训时操作用的MINITAB软件。
l 课程大纲
第一章 数据统计分析基础
一. 什么是统计
二. 数据的变化(波动)
三. 总体与样本的统计量
四. 中心趋势的度量
五. 离散度的度量
六. 正态分布
七. 过程能力CP、CPK的衡量
第二章 数据非正态分布的类型及原因
一. 偏斜(Skewness)
二. 峰度(Kurtosis)
三. 多种模式分布
四. 间隔分布(Granularity)
五. 总结
第三章 数据的图表统计分析方法
一. 离散性数据集中图法
1. 集中图法的原理
2. 集中图法的样例
二. 箱线图层别法
1. 何谓层别法?
2. 箱线图层别法的对象与项目
3. 箱线图层别法的使用和样例
三. 多变量分析法
1. 多变量分析简介
2. 输入变量
3. 多变量分析的步骤
4. 多变量分析实例
四. 柏拉图法
1. 什么是柏拉图(排列图)?
2. 柏拉图的制作方法
3. 柏拉图的Minitab样例与练习
五. 特性要因图法
1. 特性要因图的作图要求
2. 特性要因图样例
3. 特性要因图的Minitab制作
4. 特性要因图的课堂练习
5. 影响控制图法
6. 改善实战练习(针对工厂的实际情况做实际改善)
六. 数据的相关分析与回归分析
1. 相关系数
2. 对于相关性的误解
3. 中相关性的分析
4. 回归分析介绍
5. 简单的回归-一元线性模式
第四章 统计数据的假设检验
一. 平均值的假设检验
1. 平均值假设检验的类型
2. 平均值假设检验的一般步骤
3. 单个正态总体的平均值假设检验
4. 两个正态总体的平均值假设检验
二. 方差的假设检验
1. 方差假设检验的简介
2. 方差假设检验的样例
3. 对两个以上的样本进行方差假设
4. 检验的样例
第五章 运用数据进行统计过程控制
一. 常规统计过程控制选择导向图
二. 统计过程控制与监控
三. 过程控制失控
四. I-MR控制图的样例
五. I-MR控制图的练习
培训总结与答疑
东莞DOE培训
课程背景
DOE是一款强大的研发工具,是世界500强企业研发人员必修课程。它是一门科学,是研究如何合理而有效地组织试验, 并运用更为科学的分析工具对试验结果的数据进行处理, 取得*方案的一种方法,它可以把客户的需求转换成我
东莞TQM培训
课程目的
提升生产效率 培训实战型企业管理人才
培训条件
学员需配合电脑(分组)学习
培训时间
3-4天
培训对象
总经理,厂长,总监,质量部、生产部等各部门经理、车间主任、工程师、技术员等
课程大纲
第一章
东莞改善提案活动培训
课程背景
企业内各阶层管理人员由于每日忙于应付日常性的工作,往往忽略了改善工作,造成头绪混乱、效率低下的后果。早期的国有企业曾鼓励员工提出合理化建议,这就是提案改善的前身。但是,合理化建议和提案改善还是有一定区别的,
东莞领导层质量管理培训
课程目的
培训实战型企业管理人才
培训条件
学员需配合电脑(分组)学习
培训时间
2天
培训对象
总经理,厂长,总监,质量部、生产部等各部门经理、车间主任等
课程大纲
第一章
东莞统计图表分析课程
课程目的
培训实战型企业管理人才
培训条件
学员需配合电脑(分组)学习
培训时间
1-2天
培训对象
总经理,厂长,总监,质量部、生产部等各部门经理、车间主任、工程师、技术员等
课程大纲
第一章 基本统
东莞现场质量问题分析与解决培训
课程背景
质量是企业生存和发展的根本。在企业中,超过90%的对产品质量和服务的投诉是由于产品质量问题。虽然通过了iso质量体系认证,各种质量文件也齐全,但并非意味着质量问题就高枕无忧,报废返工在生产线上往往
东莞Kaizen培训课程
l. 课程背景
改善源于日文Kaizen. “Kai”的意思是分解开, ”Zen”的意思是变得更好.
Kaizen方法最初是一个日本管理概念,指逐渐、连续地增加改善。
APQP&CP产品质量先期策划和控制计划
产品质量先期策划和控制计划
AQPQ&CP
讲师:韩永春
课程背景
自2002年3月国际汽车推动小组(IATF)ISO/TS16949:2002汽车行业生产件与相关服务件的组织实施I
FMEA-失效模式与影响分析(2天)
FMEA-失效模式与影响分析
讲师:韩永春
课程背景
FMEA是1960 年代美国太空计划所发展出来的一套手法,为了预先发现产品或流程的任何潜在可能缺点,并依照其影响效应,进行评
MSA-测量系统分析培训课程介绍(2天)
MSA-测量系统分析培训课程
讲师:韩永春
课程背景
为了确保您的检验系统与客户检验系统的一致,其中测量方法和测量设备偏差是影响一致性的重要原因,事前预防系统的偏差(人为、设备)和选择更稳定