Introduction to Engineering Statistics and Lean Sigma: Statistical Quality Control and Design of Experiments and Systems

تولید ناب، برای مدت طولانی برای موفقیت کسب و کار در بسیاری از صنایع حیاتی تلقی شده است. در ده سال گذشته، آموزش شش سیگما به طور فزاینده ای با یادگیری عناصر تولید ناب مرتبط بوده است. مقدمه ای بر آمار مهندسی و سیگما ناب بر اساس موفقیت اولین نسخه (مقدمه ای بر آمار مهندسی و شش سیگما) بنا شده است تا اهمیت روزافزون \"سیگما ناب\" را منعکس کند. ترکیبی.

همچنین با ارائه تعاریف دقیق و مطالعات موردی هر شش روش سیگما، مقدمه ای بر آمار مهندسی و سیگما ناب یکی از معدود روش ها است. منابع در مورد رابطه بین تکنیک های تحقیق در عملیات و سیگما ناب به خوانندگان اطلاعات لازم داده می شود تا تعیین کنند کدام روش سیگما را در چه موقعیتی به کار ببرند و پیش بینی کنند که چرا و چه زمانی یک روش خاص ممکن است موثر نباشد. روش‌های تحت پوشش عبارتند از:

• نمودارهای کنترل و نمودارهای کنترل پیشرفته،

• تجزیه و تحلیل حالت شکست و اثرات،

• روش‌های تاگوچی،

• گیج R

Lean production, has long been regarded as critical to business success in many industries. Over the last ten years, instruction in six sigma has been increasingly linked with learning about the elements of lean production. Introduction to Engineering Statistics and Lean Sigma builds on the success of its first edition (Introduction to Engineering Statistics and Six Sigma) to reflect the growing importance of the "lean sigma" hybrid.

As well as providing detailed definitions and case studies of all six sigma methods, Introduction to Engineering Statistics and Lean Sigma forms one of few sources on the relationship between operations research techniques and lean sigma. Readers will be given the information necessary to determine which sigma methods to apply in which situation, and to predict why and when a particular method may not be effective. Methods covered include:

• control charts and advanced control charts,

• failure mode and effects analysis,

• Taguchi methods,

• gauge R&R, and

• genetic algorithms.

The second edition also greatly expands the discussion of Design For Six Sigma (DFSS), which is critical for many organizations that seek to deliver desirable products that work first time. It incorporates recently emerging formulations of DFSS from industry leaders and offers more introductory material on the design of experiments, and on two level and full factorial experiments, to help improve student intuition-building and retention.

The emphasis on lean production, combined with recent methods relating to Design for Six Sigma (DFSS), makes Introduction to Engineering Statistics and Lean Sigma a practical, up-to-date resource for advanced students, educators, and practitioners.