数字化六西格玛:赋能数字化转型的系统方法电子书

前折页

书名页

版权

序一

序二

前言

第一章 数字化时代六西格玛何去何从？

看得见的历史与未来

六西格玛的迭代史

大数据与人工智能

智能制造与工厂转型

管窥转型的时代

从金州勇士队传奇看数字化转型

数字化转型的愿景、使命及共同价值观

工业互联网和工业物联网

数据处理及数字化工具

数字化知识及人才

制造业数字化转型的内涵和方向

数字化时代六西格玛何去何从

数字化转型相关的数字技术

传统DMAIC的优势与劣势

DMAIC与数字化结合造就数字化六西格玛

本章小结

第二章 数字化六西格玛思维

价值思维

数据思维

系统思维

简约法则——奥卡姆剃刀

数字化意识与终身学习

本章小结

第三章 数字化六西格玛与数字化转型

数字化六西格玛因数字化转型而生

数字化六西格玛是管理创新

数字化六西格玛的数字化属性

通过数字化改善创造客户价值和提升客户体验

工业互联网是数字化六西格玛的数据基础

软件是数字化六西格玛的兴奋点

数字化六西格玛赋能数字化转型

通过改善项目实现生产及管理流程数字化和智能化

数字化六西格玛与业务模式转型

通过数字化六西格玛促进数字化创新

本章小结

第四章 识别和定义改善项目

识别改善机会

选择确定六西格玛项目

组建项目团队

定义项目

项目计划

本章小结

第五章 数据收集和探索性数据分析

工业大数据来源与数据质量

工业数据的来源

工业数据分类

SCADA及PLC

传感器与测量系统

测量系统分析

测量系统分析设计

数据质量

浅谈工业大数据的特点及分析要点

工业大数据与商业大数据

工业大数据分析要点

工业大数据分析与知识发现

探索性数据分析（EDA）和描述性统计分析

探索性数据分析（Exploratory Data Analysis, EDA）

探索性数据分析软件工具

描述性统计和EDA的区别与联系

时间序列数据及其可视化

时间序列表示法

时间序列的趋势及周期特征

时间序列数据的离群值

时间序列数据可视化

工业数据管理和数据仓库

本章小结

第六章 数字化六西格玛分析方法

数据分析目的和应用分类

DMAIC与CRISP-DM

CRISP-DM流程

CRISP-DM之局限

DMAIC与CRISP-DM融合

DMAIC数据挖掘

工业大数据分析建模概述

数据分析软件和平台

统计分析方法

概率分布及相互关系

参数估计

假设检验

蒙特卡罗分析方法

时间序列数据分析和处理

时间序列预测的统计方法：ARIMA

机器学习和数据挖掘算法

回归和分类

聚类和降维

深度学习介绍

深度学习与人工智能

异常检测

数学模型综述

数字化六西格玛使用的数学模型

测试分析模型和机理分析模型

本章小结

第七章 数字化改善方案

计算机视觉

计算机视觉简介

计算机视觉技术的发展

卷积神经网络

人工智能异常检测

光学字符识别（OCR）

自适应控制和智能控制

控制的类型

自适应控制

智能控制

机器人流程自动化（RPA）

RPA的价值

识别RPA项目机会

实施RPA项目

本章小结

第八章 数字化控制手段

基于数字化平台的统计过程控制（SPC）

在线SPC的应用范围和益处

在线SPC系统具备的主要功能

开发在线SPC系统的要点

在线SPC控制图的判异准则

应用在线SPC系统的注意事项

应用控制图的常见问题：测量数据的独立性

边缘控制节点

工业边缘节点

边缘节点在改善项目中的应用

商业智能

计算改善收益

本章小结

第九章 构建数字化改善能力

数字化改善能力的模型

数字化改善能力的构建

数字化能力社群运营

数字化转型与员工职业发展

第十章 数字化六西格玛项目管理

开始实施六西格玛

实践中的数字化改善现状及趋势

关于业务部门的数字化转型和改善

改善项目跟踪和状态管理

第十一章 数字化六西格玛项目案例

案例一：用蒙特卡罗方法优化零件尺寸

定义和测量

分析和改进

控制及经验总结

案例二：基于机器学习的自适应过程控制

定义：选择项目、确定目标

测量：收集与处理数据

分析：建立模型

改进：确定自适应控制方案、模型验证和调优

控制：模型部署、生产验证

案例三：用RPA将软件嵌入业务流程

定义和测量

分析和改进

控制及经验总结

案例四：用计算机辅助工程（CAE）优化注塑模具

定义和测量

分析和改进

控制及经验总结

后记

参考文献

后折页