Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data Science Methods for Quality Improvement

Wendy Martin

von

Teil des Abschlusses Master of Science in Data Science
Mehr erfahren

Spezialisierung Data Science Methods for Quality ImprovementUniversity of Colorado Boulder

Über diesen Kurs

8.055 kürzliche Aufrufe

In this course, you will learn to analyze data in terms of process stability and statistical control and why having a stable process is imperative prior to perform statistical hypothesis testing. You will create statistical process control charts for both continuous and discrete data using R software. You will analyze data sets for statistical control using control rules based on probability. Additionally, you will learn how to assess a process with respect to how capable it is of meeting specifications, either internal or external, and make decisions about process improvement.
This course can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 2 von 3 in

Spezialisierung Data Science Methods for Quality Improvement

Stufe „Mittel“

Background knowledge in statistics is helpful; visit Managing, Describing, and Analyzing Data as a prerequisite to this course. R / RStudio required.

Ca. 9 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Was Sie lernen werden

Understand how to use, select, and interpret process control charts to identify special causes of variation
Create and interpret control charts for normal and non-normal distributions
Create and interpret control charts for discrete data
Analyze the capability of a process to meet customer specifications

Kompetenzen, die Sie erwerben

Analyzing a process for capability
Analyzing a process for stability
Make decisions about process improvement
R Programming
Rstudio

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 2 von 3 in

Spezialisierung Data Science Methods for Quality Improvement

Stufe „Mittel“

Background knowledge in statistics is helpful; visit Managing, Describing, and Analyzing Data as a prerequisite to this course. R / RStudio required.

Ca. 9 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Wendy Martin

W. Edwards Deming Professor of Management

Engineering Management Program

3.864 Lernende

4 Kurse

von

University of Colorado Boulder

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieses Kurs ist Teil des reinen Onlineabschlusses als Master of Science in Data Science von University of Colorado Boulder. Wenn Sie zum gesamten Studiengang zugelassen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.

Mehr erfahren

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

2 Stunden zum Abschließen

Understanding Process Variation, Process Control and Control Charts

In this module, you will learn how to define a process and break it down into components for the purpose of identifying potential sources of variation. You will learn how to classify variation into common and special causes through the use of a control chart. You’ll discover the Taguchi Loss function, and how it relates to the philosophy of quality, and its association to the product control and process control cycles. You will learn the basic anatomy of a control chart as well as the process used to create a control chart, and common errors encountered when using a control chart in practice. You will be able to calculate an appropriate sample size, as well as determine when a process is in control or out of control based on statistical rules.

2 Stunden zum Abschließen

13 Videos (Gesamt 80 min), 1 Lektüre, 1 Quiz

13 Videos

Working in RStudio10mProcess Variation6mCommon and Special Cause Variation6mPurpose of a Control Chart4mConformance Quality5mThe Product and Process Control Cycles6mProcess Dominance5mControl Chart Basics4mCreating a Control Chart - Steps 1 and 25mCreating a Control Chart - Step 2 (continued)5mCreating a Control Chart - Step 34mCreating a Control Chart - Step 45mCreating a Control Chart - Steps 5, 6 and 78m

1 Lektüre

Welcome and Where to Find Help 10m

1 praktische Übung

Process Variation, Process Control and Control Charts30m

Woche2

Woche 2

2 Stunden zum Abschließen

Xbar and R / Xbar and S Charts / X and MR Charts

In this module, you will learn how to select the appropriate chart given information on sample size and data type. You’ll learn how to create and interpret control charts with subgroups for variables data, as well as how to create them in R. You will also create and interpret control charts with a sample size of one data that is normally distributed. You'll learn how to monitor other statistics using the Individuals and Moving Range Chart. Finally, you will interpret the control charts for statistical control / stability.

2 Stunden zum Abschließen

11 Videos (Gesamt 66 min)

11 Videos

Mean and Range Charts - Part 14mMean and Range Charts - Part 25mMean and Range Charts - Part 37mMean and Standard Deviation Charts - Part 15mMean and Standard Deviation Charts - Part 25mIndividuals and Moving Range Charts - Part 14mIndividuals and Moving Range Charts - Part 25mIndividuals and Moving Range Charts - Part 37mIndividuals and Moving Range Charts - Part 44mSetup Dominant Processes8mMachine Dominant Processes8m

1 praktische Übung

Xbar and R / Xbar and S Charts / X and MR Charts30m

Woche3

Woche 3

2 Stunden zum Abschließen

X and Moving Range Charts for Non-Normally Distributed Data

In this module, you will learn how to create an X and Moving Range Chart when the underlying distribution is not normally distributed. You’ll learn how to calculate control limits for the X and MR Charts with LogNormal transformed distribution and exponential distribution. Additionally, you will learn how to fit a distribution to the data and calculate control limits associated with the selected distribution. Finally, you will interpret the control charts for statistical control / stability.

2 Stunden zum Abschließen

12 Videos (Gesamt 58 min)

12 Videos

Introduction3mLog Transformed Data - Part 14mLog Transformed Data - Part 24mExponential Data - Part 15mExponential Data - Part 24mExponential Data - Part 38mIntroduction to Distribution Fitting3mGoodness of Fit Testing - One Distribution4mGoodness of Fit Testing - Multiple Distributions4mThe Johnson Distribution - Part 14mThe Johnson Distribution - Part 25mSelecting the Best Fit and Creating the Control Chart3m

1 praktische Übung

X and Moving Range Charts for Non-Normally Distributed Data30m

Woche4

Woche 4

2 Stunden zum Abschließen

Process Capability

2 Stunden zum Abschließen

16 Videos (Gesamt 73 min)

16 Videos

Process Control vs Process Capability3mCapability Indices4mCpm and the Taguchi Loss Function2mCapability vs Performance Measures2mCapability / Performance - Xbar and R chart Part 16mCapability / Performance - Xbar and R chart Part 25mCapability / Performance - Xbar and s chart Part 15mCapability / Performance - Xbar and s chart Part 25mCapability / Performance - X and MR chart4mCapability / Performance - Transformed Data Part 16mCapability / Performance - Transformed Data Part 26mCapability / Performance - Transformed Data Part 32mCapability / Performance - Exponential Part 15mCapability / Performance - Exponential Part 24mCapability / Performance - Distribution Fitting Part 14mCapability / Performance - Distribution Fitting Part 23m

1 praktische Übung

Process Capability30m

Über den Spezialisierung Data Science Methods for Quality Improvement

Data analysis skills are widely sought by employers, both nationally and internationally. This specialization is ideal for anyone interested in data analysis for improving quality and processes in business and industry. The skills taught in this specialization have been used extensively to improve business performance, quality, and reliability.

By completing this specialization, you will improve your ability to analyze data and interpret results as well as gain new skills, such as using RStudio and RMarkdown. Whether you are looking for a job in data analytics, operations, or just want to be able to do more with data, this specialization is a great way to get started in the field. Learners are encouraged to complete this specialization in the order the courses are presented. This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Data Science Methods for Quality Improvement

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Stability and Capability in Quality Improvement

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben