Основы статистического анализа для инженеров: Тренинг

День 1. Основные статистические понятия, показатели и графики

• Типовые инженерные задачи, требующие статистических расчетов
• Виды исходной информации и разновидности шкал
• Основные статистические показатели и графики:
  • среднее, медиана, стандартное отклонение, дисперсия, стандартная ошибка, размах, квартили
  • гистограмма, линейный график
• Понятие распределения и его назначение
• Нормальное распределение и его практическое использование
• Ошибки измерений
• 95%-доверительный интервал
• Прогнозирование несоответствий на основе свойств нормального распределения
• Другие виды распределений и их практическое назначение
• Показатели пригодности процессов: Pp, Ppk
• Разработка ширины полей допусков на основе тестовых замеров
• Факторные влияния
• Графические методы анализа взаимосвязей между двумя и более характеристиками
  • ящичная диаграмма (boxplot)
  • диаграмма рассеяния (scatterplot)
  • круговая диаграмма (pie chart)
• Корреляции:
  • Коэффициент корреляции Пирсона
  • Коэффициенты корреляции Спирмена и Кендела
• Ложные корреляции
• Выбросы: методы обнаружения и правила работы с выбросами
• Т-критерий Стъюдента
• Статистическая значимость (p-level)
• U-критерий Манна-Уитни

Кейсы:

• Пример в Excel:  Обрабатываем результаты контроля параметров процесса. Вычисляем статистические показатели и строим графики, интерпретируем. Делаем заключение о пригодности процесса.
• Пример в Excel:  Проводим сравнительный анализ результатов работы оборудования при различных режимах. Определяем оптимальный режим.
• Пример в Excel:  Оцениваем целеосообразность перехода на другой способ измерения (измерительный инструмент).
• Пример в Excel:  Рассчитываем ожидаемый уровень несоответствующей продукции с учетом предлагаемых мероприятий.
• Пример:  Анализируем причины ухудшения процессов (большой разброс по геометрии). Выстраиваем логику исследования.

День 2. Анализ взаимосвязей между двумя и более характеристиками

• ANOVA
• Однофакторный регрессионный анализ
• Многофакторный регрессионный анализ
  • построение регрессионного уравнения
  • интерпретация коэффициентов уравнения
  • оценка адекватности модели
  • оценка качества модели
  • прогнозирование на основе модели
• Разработка рекомендаций на основе проведенного анализа
• Визуализация результатов анализа

Кейсы:

• Пример в Excel. Анализируем наличие связи между скоростью работы линии и качеством продукции. Определяем критическую скорость.
• Пример в Excel. На конкретных данных о процессе исследуем природу колебаний контролируемых характеристик. Оцениваем, с какой силой различные факторы (химический состав, температурные режимы, давление и т.п.) влияют на контролируемый параметр (механические свойства, дефекты и т.п.).
• Пример в Excel. Оцениваем целесообразность перехода на другого поставщика сырья.
• Пример. Ищем причину ухудшения качества продукции (нестабильность геометрии).
• Пример. Разбираем реальные ситуации, возникающие в работе промышленных предприятий.

После обучения 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

Требования к обучаемым:

• Высшее образование
• Опыт работы в Excel на уровне пользователя