Lean Six Sigma (Лин Шесть Сигм). Статистические инструменты для «зелёных поясов»

Главная / Расписание открытых тренингов / Lean Six Sigma (Лин Шесть Сигм). Статистические инструменты для «зелёных поясов»

Открытый тренинг

Выберите дату проведения:

Участвовать

О курсе: Специализированный

Смотреть программу

Тренинг для специалистов, которым требуется "быстрый вход" в концепцию LeanSixSigma, а также для новых сотрудников, которым требуется повысить уровень компетенций до общих в компании.

Практические навыки использования статистических инструментов для определения возможностей, постановки задач и первичной разработки решений.

Основы проектирования LeanSixSigma. Основные показатели и графики. Выбор целей проекта.

1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

Продолжительность:

Off-line: 4 дня (32 академических часа)

On-line: 4 дня (32 академических часа)

Требования к слушателям:

•

Высшее образование

•

Опыт работы в Excel на уровне пользователя

•

Необходимое ПО - Excel

Вы получите:

•

Набор бесплатных надстроек и шаблонов Excel, необходимых для проведения статистических расчетов

•

Комплект методических материалов по изученным вопросам

•

Сертификат на 4-месячную бесплатную консультационную поддержку

Стоимость участия

От компании

один человек (от компании)

59 000 руб.

два и более человека (от компании)

58 000 руб.

Физическое лицо

58 000 руб.

* Все скидки действуют только при предоплате.

** Стоимость участия может изменяться в зависимости от даты и места проведения.

Программа

ДЕНЬ 1. Основы статистики и диагностики процессов.

Виды исходной информации и разновидности шкал
Основные статистические показатели и графики:
- среднее
- медиана
- стандартное отклонение
- дисперсия
- размах
Примеры расчета и интерпретации статистических показателей в реальных проектах
Вероятностные распределения
- Нормальное распределение и его свойства
- Тесты на нормальность распределения
- Возможные причины ненормальности распределения
- Производственные метрики, которые по своей природе имеют ненормальное распределение
- Действия в случае ненормальности распределения данных
- Правила 2-х, 3-х сигм и их использования в управлении процессами
- Оценка рисков и прогнозирование брака на основе вероятностных распределений
- Графические техники анализа данных
- Гистограмма
- Примеры выявления подтасовок в данных на основе гистограмм
- Ящичные диаграммы Boxplot, квартили и правила идентификации выбросов.
Подбор вида распределения на основе статистических тестов
Основы работы в Minitab
Практики анализа данных в Minitab
Диагностика процессов:
- Линейные графии, номинал и допуски (Target и tolerance)
- Анализ смещения
- Стандартная ошибка среднего (SE)
- 95%-доверительный интервал и графики ошибок (Error Plots)
- Центровка и разброс: два направления улучшений
- Оценка разброса процесса и целесообразности его уменьшения
Пригодность процесса
- Понятие пригодности процесса
- Показатели Pp и Ppk. Расчет и интерпретация
- Целевые уровни и использование Pp, Ppk в проектах SixSigma
- Примеры диагностики реальных процессов
- Особенности анализа пригодности для односторонних допусков

ДЕНЬ 2. Стабильность процессов и анализ измерительных систем (MSA)

Анализ измерительных систем (MSA)
- Ошибки измерительных систем (ИС)
- Влияние ошибок ИС на разбор процесса
- Цель и методики MSA
- Сходимость и воспроизводимость измерений
- Показатели GRR, %GRR, %EV, %AV, ndc
- Критерии пригодности ИС
- Методы оценки смешения и линейности измерений
- Планирование эксперимента для анализа ИС
- Метода ANOVA и метод размахов для оценки %GRR
- Особенности анализа ИС с невозможностью повтора
- Подходы к оценке ранжирующих ИС
Формирование плана сбора данных
Практики анализа данных в Minitab
Анализ стабильности (MSA)
- Понятие стабильности процесса
- Классификация факторов по Шухарту
- Примеры стабильных и нестабильных процессов
- Критерии нестабильности
- Контрольные карты Шухарта как ключевой инструмент анализа стабильности
- Разновидности границ процесса: UCL, LCL, USL, LSL
- Разновидности контрольных карт
- Алгоритм построения X, R, I - карт
- Алгоритмы построения C, U, P - карт
- Диагностика процессов с помощью контрольных карт
- Пригодные, но нестабильные процессы
- Непригодные, но стабильные процессы
- Стратегии улучшений на основе анализа стабильности
- Примеры анализа процессов на основе контрольных карт
- Случаи, в которых контрольные карты не работают
- Контрольные карты для малых серий и продукции с разными спецификациями
Анализ воспроизводимости процессов
- Расчет показателей Cp, Cpk
- Интерпретация комплекса показателей Cp, Cpk, Pp, Ppk
- Формирование выводов о целесообразном направлении улучшений
- В каком случае можно сделать вывод о нецелесообразности проведения MSA
Влияние стабильности процесса на выбор инструментов анализа факторов
Практики анализа данных в Minitab

ДЕНЬ 3. Графический анализ факторных влияний. Методы проверки гипотез

Графические методы анализа факторов
- Стратифицированный Boxplot
- Scatterplot
- Стратифицированные круговые диаграммы
Методы проверки гипотез
Общий принцип методов проверки статистических гипотез
Статистическая зависимость: p-value
Методы проверки гипотез (алгоритмы, примеры, ограничения):
- Т-критерий Стьюдента для независимых выборок
- Дисперсионный анализ ANOVA
- Критерии Манна-Уитни
- Критерий краскелла-Уоллиса
- Критерий Хи-квадрат
- F-критерий Фишера и другие критерии для сравнения разброса
Связи и Корреляции
- Корреляции Пирсона и Спирмена
- Ложные корреляции
- Регрессионная прямая и уравнение
Методы для парных выборок
- Отличительные признаки парных выборок
- Критерий Мак-Немара
- Критерий Вилкоксона
- Т-критерий для парных выборок
Правила выбора метода анализа факторов, адекватного поставленной задаче
Приемы проверки истинности связи между фактором (причиной) и улучшаемых показателем (следствием)
Приемы проверки достаточности выявленных факторов
Практики анализа данных в Minitab

ДЕНЬ 4. Многофакторная регрессия и основы планирования экспериментов.

Основы многофакторного анализа. Активные и пассивные эксперименты.
Многофакторная регрессия
- Требования к исходным данным
- Анализ мультиколлинеарности
- Анализ коэффициентов регрессионной модели
- Понятие остатков и анализ остатков
- Оценка приемлемости модели методом ANOVA
- Анализ показателя R2 и его разновидностей
- Ранжирование факторов по силе влияния
- Оценка прогностических свойств построенной модели на основе MAPE и MAE
- Разбор практических пошаговых примеров построения и интерпретации регрессионных моделей в промышленности
- Ограничения регрессии и недостатки пассивных экспериментов
Оценка эффекта мероприятий по улучшению
- Графические методы оценки эффекта мероприятий
- Использование методов проверки гипотез для подтверждения эффектов
- Использование многофакторной регрессии для подтверждения эффектов
- Использование Парето и FMEA для оценки эффектов