Inhalt
Die Rolle der Statistik in den Ingenieurswissenschaften
Die Ingenieur-Tätigkeit und statistisches Denken - Sammeln von Daten aus Prozessen - Retrospektive Studie - Beobachtungsstudien - Experimente - Zufallsstichproben - Deterministische und empirische Modelle - Prozessbeobachtung im Zeitverlauf
Datenzusammenfassung und Präsentation
Datenzusammenfassung und Darstellung - Stamm-und-Blatt-Diagramm - Histogramme - Box-Plot - Zeitreihen - Multivariate Daten
Zufallsvariablen und Wahrscheinlichkeitsverteilungen
Einführung - Zufallsvariablen - Wahrscheinlichkeit - Kontinuierliche Zufallsvariablen: Wahrscheinlichkeitsdichtefunktion, Verteilungsfunktion, Mittelwert und Varianz - Wichtige Verteilungen: Normalverteilung, Lognormalverteilung, Gamma-Verteilung, Weibull-Verteilung, Beta Distribution - Wahrscheinlichkeitsdiagramme - Diskrete Zufallsvariablen: Wahrscheinlichkeitsmassenfunktion, Verteilungsfunktion, Mittelwert und Varianz - Binomialverteilung - Poisson-Prozess: Poisson-Verteilung, Exponentialverteilung - Annäherung der Normalverteilung an die Binomial-und Poisson-Verteilungen - Mehr als eine Zufallsvariable und Unabhängigkeit: Gemeinsame Verteilung, Unabhängigkeit - Funktionen von Zufallsvariablen: Lineare Funktionen unabhängiger Zufallsvariablen, Lineare und nichtlineare Funktionen von Zufallsvariablen - Zufallsstichproben, Zentraler Grenzwertsatz
Entscheidungsfindung bei einer einzelnen Stichprobe
Statistische Inferenz - Punktschätzung - Testen von Hypothesen: Statistische Hypothesen, Test von statistischen Hypothesen, P-Werte in Hypothesentests, einseitige und zweiseitige Hypothesen, allgemeines Verfahren zum Testen von Hypothesen - Inferenz für den Mittelwert einer Grundgesamtheit bei bekannter Varianz - Inferenz für den Mittelwert einer Grundgesamtheit bei unbekannter Varianz - Inferenz für die Varianz einer Normalverteilung - Inferenz für einen Anteil - Intervallschätzungen für eine einzige Probe - Test für Anpassungsgüte
Entscheidungsfindung bei zwei Stichproben
Einführung - Inferenz für den Mittelwert zweier Grundgesamtheiten bei (un)bekannten Varianzen - Der t-Test - Inferenz für das Verhältnis der Abweichungen von zwei Normalenverteilungen - Inferenz für zwei Anteile - Vollständig randomisierte Experimente und die Varianzanalyse (ANOVA) - Blockbildung
Empirische Modelle ableiten
Einführung in empirische Modelle - Einfache lineare Regression: Kleinste-Quadrate-Schätzung, Überprüfung von Hypothesen bei einfacher linearer Regression, Konfidenzintervalle bei der einfachen linearen Regression, Vorhersage von Beobachtungen, Modellüberprüfung, Korrelation und Regression - Multiple Regression: Schätzung der Parameter bei multipler Regression, Rückschlüsse bei multipler Regression, Modellüberprüfung - Polynome in der Modellbildung - Kategoriale Regressoren - Techniken der Variablenselektion
Experimente und ihre Analyse (DOE)
Die Strategie des Experimentierens - Faktorielle Experimente - 2k faktorielle Experiemente: 2² Design und seine statistische Analyse, Fehleranalyse und Modellprüfung, 2k-Design für k3 Faktoren, Einmal-Replikat eines 2k-Designs - Mittelpunkte und Blockbildung in 2k-Designs: Zentralpunkte, Blockbildung und Confounding - Fraktionelle Replikation von einem 2k-Design: Halbes 2k-Design, 2kp teilfaktorielle Modelle - Wirkungsflächenanalyse: Methode des steilsten Anfstiegs, Analyse eines Second-Order Response Surface - Faktorielle Experimente mit mehr als zwei Stufen
Statistische Prozesskontrolle
Qualitätsverbesserung und Statistische Prozesskontrolle - Einführung in Regelkarten: Grundlagen, Entwurf einer Regelkarte, Untergruppen, Analyse der Muster auf Regelkarten - R-Regelkarte - Regelkarten für Einzelmessungen - Prozessfähigkeit - Attributregelkarten: P- und nP-Diagramm, U-Diagramm und C-Diagramm - Messsysteme analysieren
Dozent/in
Unser Trainer für statistische Analyse und die Themen Design Of Experiments (DOE) und Statistische Qualitätskontrolle / Statistical Process Control (SPC) mit Minitab Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für DOE / SPC mit Minitab. Teilnehmer/innen seiner Minitab-Seminare sind vor allen Dingen Ingenieure und Naturwissenschaflter, aber auch Betriebswirte und Doktoranden, die für Statistik und SPC / DOE Minitab einsetzen wollen.
Veröffentlichungen
- Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
- System und Systematik von Fragebögen ISBN 978-3-939701-26-2
- Oracle SQL ISBN 978-3-939701-41-5
- SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
- SQL und relationale Datenbanken ISBN 978-3-939701-52-1
Projekte
Als Berater konzipiert Herr Skulschus Analyseprozesse für DOE / SPC auf Basis von relationalen Datenbanken und Minitab. Zu seinen Kunden zählen Produktionsunternehmen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder Forschung und Entwicklung.
Deskriptive und induktive Statistik sind in den Ingenieurswissenschaften bei der Planung und Kontrolle von (Produktions-)Prozessen überaus wichtig. Zentral ist hierbei die Qualitätsüberwachung durch Einsatz statistischer Methoden. Dieser Bereich stellt einen Teil der Einsatzmöglichkeiten statistischer Verfahren in Produktionsbetrieben dar. Die statistische Prozesslenkung (auch statistische Prozessregelung oder statistische Prozesssteuerung, englisch statistical process control, SPC genannt) wird üblicherweise als eine Vorgehensweise zur Optimierung von Produktions- und Serviceprozessen aufgrund statistischer Verfahren verstanden. Dieses einführende Seminar unterstützt Ingenieure und andere Beteiligte in der Verfahrensplanung und -durchführung bei der Analyse von Prozess-/Produktionsdaten sowie dem Aufbau einer statistisch fundierten Qualitätskontrolle.