• Minitab 基础

    制造

    在这个为期 2 天的基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的图形并导出结果。分析来自真实世界的各种数据集,学习如何为自己的应用程序选择正确的统计工具,并解释统计输出以揭示过程中存在的问题或改进证据。学习重要统计概念(如假设检验和置信区间)的基础知识,以及如何使用统计建模工具揭示并描述变量之间的关系。

    本课程重点讲授如何基于制造、工程和研发工作中常见统计方法的实际应用做出可靠的决策。

    包括以下主题:

    • 导入数据和设置数据格式
    • 条形图
    • 直方图
    • 箱线图
    • Pareto 图
    • 散点图
    • 表和卡方分析
    • 位置和变异测量
    • t 检验
    • 比率检验
    • 等方差检验
    • 功效和样本数量
    • 相关
    • 简单线性回归和多元回归
    • 单因子方差
    • 多变量方差分析

    前备课程:

    无。本课程是所有其他常规 Minitab 课程的前备课程。

    现场培训的可选主题:

    非参数检验

  • 统计质量分析

    制造

    发展成功评估和认证制造与工程测量系统所需的技能。学习统计过程控制的基础知识,了解这些重要的质量工具如何提供改进和控制制造过程所需的证据。发展有助于判断在什么情况下以及从何处可以使用 Minitab 中提供的各种控制图来处理自己的过程的必要技能。

    学习如何利用重要的能力分析工具来对照内部规范和客户规范评估您的过程。本课程重点讲授与制造过程相关的质量工具。

    包括以下主题:

    • 量具重复性与重现性
    • 破坏性试验
    • 量具线性和偏倚研究
    • 属性一致性
    • 变量和属性控制图
    • 正态数据、非正态数据和属性数据的能力分析

    前备课程:

    Minitab 基础

  • 因子设计

    制造

    学习如何使用 Minitab 直观的试验设计 (DOE) 界面生成各种完全因子设计和部分因子设计。利用现实生活中的一些应用来演示随机化、复制和区组等概念如何为可靠的试验实践奠定基础。发展正确分析得到的数据以便有效、高效地达成试验目标所需的技能。

    使用 Minitab 可定制的、强大的图形化显示功能来解释和沟通试验结果,以帮助改进产品和过程、找出影响重要响应变量的关键因子、减少过程变异、加快研发项目的进展。

    包括以下主题:

    • 因子试验设计
    • 正态效应图和效应 Pareto 图
    • 功效和样本数量
    • 主效应图、交互作用图和立方图
    • 中心点
    • 重叠等值线图
    • 多响应优化

    前备课程:

    Minitab 基础

  • 统计建模

    制造

    通过学习更多有助于揭示和描述变量之间关系的统计和建模工具,继续巩固在“Minitab 基础”课程中讲授的基础统计分析概念。借助动手实践示例演示建模工具如何帮助揭示哪些关键输入和来源导致了过程中出现变异。

    学习如何使用统计模型调查过程在不同条件下的可能行为。本课程提供可帮助您更好地了解过程以及聚焦并验证改进工作的技能与方法。

    包括以下主题:

    • 多元和逐步回归
    • 非线性回归
    • 偏最小二乘
    • 具有协变量的多变量方差分析
    • 嵌套和随机因子
    • 多变量方差分析
    • 二元和名义逻辑回归

    前备课程:

    Minitab 基础

  • 响应曲面设计

    制造

    扩充您在完全和部分因子设计方面的知识,从二级基础水平提升到可以进行过程优化的理想程度。学习如何使用 Minitab 的试验设计 (DOE) 界面创建响应曲面设计,如何使用一个包括二次效应的模型分析试验结果,以及如何找出最优因子设置。

    学习在实际生活中进行试验的各种技能和方法,例如,在顺序试验中,该如何平衡关键过程信息的发现与获得该信息所需资源的敏感性。学习怎样才能找出可同时优化多个响应的因子设置。

    包括以下主题:

    • 中心复合设计和 Box-Behnken 设计
    • 最陡峭上行的计算
    • 重叠等值线图
    • 多响应优化

    前备课程:

    Minitab 基础和因子设计

  • 配方和混料设计

    制造

    针对需要混合和调配许多种成分(如化工、食品和饮料行业中常见的成分)的过程,学习设计试验和分析所得数据时涉及的一些基础原理。利用 Minitab 易于理解的界面,以最少量的试验资源创建旨在研究和发现与混料过程相关的重要过程信息的试验。学习如何解释图形和统计输出,以了解混料的混合属性并选择适当的成分混料来优化一个或多个关键过程特征。

    包括以下主题:

    • 单纯形格点和质心设计
    • 上限和下限约束
    • 极端顶点设计
    • 虚拟分量

    前备课程:

    Minitab 基础和因子设计

  • DOE 的实际应用

    制造

    学习如何处理这类常见的试验设计 (DOE) 场景:由于响应变量或数据收集过程的性质,必须修改传统的因子和响应曲面设计。发展帮助您应对在实际中经常遇到的诸如数据缺失和因子难以更改等试验情况的技能。了解该如何考虑可能会对响应产生影响但无法在试验中控制的变量(协变量)。

    探索在优化重要产品或过程特征的同时最小化成本或变异性的机会。学习如何找出并量化因子对关键事件(如缺陷)发生概率的影响。

    包括以下主题:

    • 协方差分析
    • 不平衡设计
    • 裂区设计(S)
    • 多响应优化
    • 分析变异性
    • 二元逻辑回归

    前备课程:

    Minitab 基础和因子设计

    现场培训的可选主题:

    田口设计

  • 可靠性简介

    制造

    使用图形和定量分析方法确定产品的寿命特征。检查包含删失和未删失数据的案例研究,学习该如何正确处理可靠性分析中普遍存在的数据结构。

    探索可用来对失效率进行建模的常见分布,并发展在选择这些模型时所需的技能。

    包括以下主题:

    • 参数分布分析和非参数分布分析
    • 估计试验方案和验证试验方案
    • 增长曲线
    • 多种失效模式
    • 保证预测
    • Weibayes 分析

    前备课程:

    Minitab 基础

  • 高级可靠性

    制造

    研究并描述解释变量对产品寿命的影响。确定因子和协变量对产品失效的影响,以及产品总体失效的风险。学习如何在合理的时间内获取对高可靠性产品的可靠性估计值并评估这些组件预计将在何时失效。

    为加速寿命试验建立适当的样本数量和压力水平单元分配,确定压力变量对失效概率的影响。在现场,将重点介绍如何使用适当的概率模型来预测产品的重要寿命特征。

    包括以下主题:

    • 概率分析
    • 寿命数据回归
    • 加速寿命试验和试验方案

    前备课程:

    Minitab 基础和可靠性简介

  • 统计质量分析中的其他主题

    制造

    通过学习有助于过程改进和控制的一些工具,继续巩固在“制造统计质量分析”课程中讲授的基本概念。发展使用多种量具或在一个部分的多个位置成功评估和认证制造和工程测量系统所需的技能。学习如何评估一个批次中的随机产品样本,以确定是该接受还是拒绝整个批次。扩充您的控制图知识,以便正确处理罕见事件和时间加权数据。

    学习如何利用重要的能力分析工具来对照内部规范和客户规范评估您的过程。本课程重点讲授与制造过程相关的质量工具。

    包括以下主题:

    • 扩展的量具重复性与重现性
    • 正交回归
    • 公差区间
    • 抽样验收
    • 组间-组内分析
    • 控制图(包括 EWMA、短游程、CUSUM 和罕见事件)

    前备课程:

    Minitab 基础和统计质量分析

  • 制药统计工具

    制造

    学习如何应用制药行业中常用的 Minitab 工具。通过了解如何为给定的情形选择合适的工具以及如何正确地解释分析结果,开发可靠的数据分析统计方法。学习如何轻松导入数据和导出输出结果。

    了解重要统计概念的基础,这些概念用来确定过程均值是否偏离目标以及两个均值是否显著不同,还用来演示过程变更是否不会显著影响关键响应。发展成功评估和认证测量系统所需的技能。学习如何利用重要的能力分析工具来对照内部和客户规范评估您的过程。学习如何评估一个批次中的随机产品样本,以确定是该接受还是拒绝整个批次。

    学习如何应用试验设计 (DOE) 来改进过程。学习如何使用稳定性分析来确定产品的有效期。所有的应用程序都将重点放在基于制药行业中常用的统计方法的实际应用做出可靠的业务决定上。

    包括以下主题:

    • 导入数据和设置数据格式
    • 条形图
    • 直方图
    • 箱线图
    • 散点图
    • 功效和样本数量确定
    • t 检验
    • 等价检验
    • 比率检验
    • 公差区间
    • 变量和属性控制图
    • 回归
    • 单因子方差
    • 多变量方差分析
    • DOE
    • 属性一致性分析
    • 量具重复性与重现性
    • 属性验收抽样
    • 正态数据和非正态数据的能力分析

    前备课程:

    无。本课程可以用作学习“响应曲面设计”和“DOE 的实际应用”课程的前备知识模块。

  • 医疗设备统计工具

    制造

    学习如何应用医疗设备行业中常用的 Minitab 工具。通过了解如何为给定的情形选择合适的工具以及如何正确地解释结果,开发可靠的数据分析统计方法。学习如何轻松导入数据和导出输出结果。

    了解重要统计概念的基础,这些概念用来确定过程均值是否偏离目标以及两个均值是否显著不同,还用来演示过程变更是否不会显著影响关键响应。发展成功评估和认证测量系统所需的技能。了解如何利用重要的能力分析工具来对照内部和客户规范评估您的产品质量。了解在终检阶段如何评估一个批次中的随机产品样本,以确定这批产品是否可以发货。了解如何应用试验设计 (DOE) 来改进质量关键特征。

    所有应用都重点强调如何基于医疗设备行业中常用的统计方法的实际应用做出可靠的业务决策。

    包括以下主题:

    • 导入数据和设置数据格式
    • 条形图
    • 直方图
    • 箱线图
    • 散点图
    • 功效和样本数量确定
    • t 检验
    • 等价检验
    • 比率检验
    • 公差区间
    • 变量和属性控制图
    • 回归
    • 单因子方差
    • 多变量方差分析
    • DOE
    • 属性一致性分析
    • 量具重复性与重现性
    • 属性验收抽样
    • 正态数据和非正态数据的能力分析

    前备课程:

    无。本课程可以用作学习“响应曲面设计”和“DOE 的实际应用”课程的前备知识模块。

  • 在 Minitab 中自动执行分析

    Manufacturing / Services

    使用宏自动执行 Minitab 分析,以便节省时间。学习如何使用 Minitab 的命令语法编写宏。使用宏,用户只需很少的输入,就能立即从数据库中导入数据、操作结构不佳的 Excel 文件和执行统计分析。在本动手实践课程结束时,您将能够编写和执行自己定制的宏。

    前备课程:

    Minitab 基础

  • 非正态数据质量分析

    制造

    通过学习在数据出现偏斜、具有极端异常值、出现多峰或聚集时用来度量质量水平的其他工具,继续巩固在“制造统计质量分析”课程中讲授的基本概念。学习当存在非正态数据时如何正确辨识由特殊原因导致的变异,扩充您的控制图知识。

    发展有助于成功使用图形方法和统计检验来检测非正态数据并选择适当分布或转换来进行分析所需的技能。了解不够好的测量分辨率和样本数量对正态检验的影响。

    包括以下主题:

    • 概率图
    • 正态性检验
    • 非正态数据的能力分析
    • Box-Cox 和 Johnson 转换
    • 多变量能力分析
    • 公差区间
    • 单值控制图
    • 多种失效模式分析

    前备课程:

    Minitab 基础和统计质量分析

  • Minitab 服务质量基础

    服务

    在这个为期 2 天的基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的图形并导出结果。分析来自真实世界的各种数据集,学习如何为自己的应用程序选择正确的统计工具,并解释统计输出以揭示过程中存在的问题或改进证据。学习重要统计概念(如假设检验和置信区间)的基础知识,以及如何使用统计建模工具揭示并描述变量之间的关系。

    本课程重点讲授如何基于业务、事务和服务过程中常用统计方法的实际应用做出可靠的决策。

    包括以下主题:

    • 导入数据和设置数据格式
    • 条形图
    • 直方图
    • 箱线图
    • Pareto 图
    • 散点图
    • 表和卡方分析
    • 位置和变异测量
    • t 检验
    • 比率检验
    • 等方差检验
    • 功效和样本数量
    • 相关
    • 简单线性回归和多元回归
    • 单因子方差

    前备课程:

    无。本课程是所有其他常规 Minitab 服务质量课程的前备课程。

    现场培训的可选主题:

    非参数检验

  • 服务质量的统计质量分析

    服务

    发展成功评估和认证测量系统所需的技能。学习统计过程控制的基础知识,了解这些重要的质量工具可以为改进和控制过程提供哪些必需的证据。发展判断在什么情况下、从何处可以使用 Minitab 中提供的各种控制图的必要技能。学习如何利用重要的能力分析工具来对照内部规范和客户规范评估您的过程。

    本课程重点讲授与服务行业相关的质量工具。

    包括以下主题:

    • 二元、名义和顺序数据的属性一致性
    • Kappa 和 Kendall 系数
    • 量具重复性与重现性
    • 变量和属性控制图
    • 正态数据、非正态数据和属性数据的能力分析

    前备课程:

    Minitab 服务质量基础

  • 服务质量的统计建模

    服务

    通过分析在现实世界的服务行业中遇到的问题的相关数据,扩展可用统计工具集。使用在探索和描述变量之间关系时所用的工具增强分析技能。学习如何发现和描述数据中与时间效应及影响相关的特征,以及如何预测将来的过程行为。

    利用图形和定量方法描述各个因子对重要质量特征的效应的相似性和差异。学习如何找出并量化因子对关键事件发生概率的效应。

    包括以下主题:

    • 多变量方差分析
    • 二元逻辑回归
    • 因子设计
    • 时间序列工具(包括指数平滑)
    • 趋势分析
    • 分解
    • 多元线性回归(包括最佳子集和逐步回归)

    前备课程:

    Minitab 服务质量基础

  • Minitab 保健基础

    服务

    在这个为期 2 天的基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的图形并导出结果。分析来自真实世界的各种数据集,学习如何为自己的应用程序选择正确的统计工具,并解释统计输出以揭示过程中存在的问题或改进证据。学习重要统计概念(如假设检验和置信区间)的基础知识,以及如何使用统计建模工具揭示并描述变量之间的关系。

    本课程重点讲授如何基于保健中常用统计方法的实际应用做出可靠的决策。

    包括以下主题:

    • 导入数据和设置数据格式
    • 条形图
    • 直方图
    • 箱线图
    • Pareto 图
    • 散点图
    • 表和卡方分析
    • 位置和变异测量
    • t 检验
    • 比率检验
    • 等方差检验
    • 功效和样本数量
    • 相关
    • 简单线性回归和多元回归
    • 单因子方差

    前备课程:

    无。本课程是所有其他常规 Minitab 课程的前备课程。

  • 保健统计质量分析

    服务

    发展成功评估和认证测量系统所需的技能。学习统计过程控制的基础知识,了解这些重要的质量工具可以为改进和控制过程提供哪些必需的证据。发展判断在什么情况下、从何处可以使用 Minitab 中提供的各种控制图的必要技能。学习如何利用重要的能力分析工具来对照内部规范和客户规范评估您的过程。

    本课程重点讲授与保健行业相关的质量工具。

    包括以下主题:

    • 二元、名义和顺序数据的属性一致性
    • Kappa 和 Kendall 系数
    • 量具重复性与重现性
    • 变量、属性和稀有事件控制图
    • 正态数据、非正态数据和属性数据的能力分析

    前备课程:

    Minitab 基础

  • 分析基础知识

    预测分析

    在此基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的可视化表现形式并导出结果。实现 Minitab 分析自动化,只需很少的用户输入,可以节省不少时间。分析来自实际应用的各种数据集,学习如何为自己的应用选择正确的分析工具,并解释统计输出。学习重要统计概念(如假设检验和置信区间)的基础知识。

    本课程重点讲授如何基于业务、制造和事务过程中常用统计方法的实际应用做出可靠的决策。

    包括以下主题:

    • 导入数据和设置数据格式
    • Exec 宏
    • 条形图
    • 直方图
    • 箱线图
    • Pareto 图
    • 散点图
    • 位置和变异测量
    • t 检验
    • 等方差检验
    • 功效和样本数量

    前备课程:

    无。

  • 回归建模与预测

    预测分析

    通过学习使用统计建模工具探索和描述变量之间的关系,继续巩固在“分析基础知识”课程中讲授的基础统计分析概念。发现和描述数据中与时间效应及影响相关的特征,以及如何预测将来的行为。

    学习如何找出并量化输入变量对关键事件发生概率的效应。借助动手实践示例演示建模工具如何帮助揭示哪些关键输入和来源导致了数据中出现变异。

    包括以下主题:

    • 散点图
    • 相关
    • 简单线性回归
    • 时间序列工具(包括指数平滑)
    • 趋势分析
    • 分解
    • 多元和逐步回归
    • 二元逻辑回归
    • 回归验证

    前备课程:

    分析基础知识

  • 机器学习

    预测分析

    通过分析从很多行业中实际发生的问题获得的数据,探索和描述变量之间的关系,进而扩展您的分析。学习使用受监督的机器学习技术(如 CART®),分析在历史数据中发现的模式,以获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。

    使用不受监督的机器学习工具(如 Clustering),检测数据中的自然分割,并将观测值或变量分组到同质集中。通过将原始数据变换为一组不相关的变量,对数据进行降维。

    包括以下主题:

    • 判别分析
    • 测试集验证
    • K 折叠验证
    • CART® 分类
    • 相关
    • CART® 回归
    • 聚类分析
    • 主成份

    前备课程:

    分析基础知识以及回归建模与预测

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。 请阅读我们的政策