Multivariate Statistik

TQU AKADEMIE innerhalb der TQU GROUP
In Ulm

1.350 
zzgl. MwSt.
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
73114... Mehr ansehen

Wichtige informationen

  • Kurs
  • Ulm
  • Dauer:
    3 Tage
Beschreibung

Die Beziehungen der Einflussgrößen auf technische Prozesse sind oft so komplex, dass sie mit der klassischen Statistik nicht mehr ausreichend zu analysieren sind. Zahlreiche Fälle aus der Praxis zeigen, dass die Variablen voneinander nicht unabhängig sind. Je höher sie korreliert sind, umso näher läuft ein Prozess am chaotischen Zustand. Die multivariate statistische Analyse von Produkten und Prozessen zeigt widerspruchsfrei, wie stark die Streuungen der Produkt- und Prozessvariablen durch die zugeordneten Input- und Prozessvariablen verursacht werden.

Wichtige informationen
Veranstaltungsort(e)

Wo und wann

Beginn Lage
auf Anfrage
Ulm
Magirus-Deutz-Str. 18, 89077, Baden-Württemberg, Deutschland
Plan ansehen

Was lernen Sie in diesem Kurs?

Statistik

Themenkreis

Überwinden Sie das bisherige univariate Denken und wagen Sie den Sprung in die weitaus lebensnahere multivariate Statistik. Sie lernen praxisnah, unterstützt durch spezielle Software, die Grundlagen und Anwendungen der Multivariaten Statistik bei der Tolerierung, der Prozessfähigkeit und bei der Anwendung von Regelkarten. Mit diesem Wissen kann es gelingen, komplexe Prozessbeziehungen besser zu verstehen und die Produktivität der Fertigungsprozesse zu steigern.
Mitarbeiter aus der Entwicklung, der Produktion und der Qualitätsstelle, in deren Aufgabenbereich die Produkt- und Prozessoptimierung liegt und die ausreichende Erfahrung in der Anwendung statistischer Methoden haben

  • Begriffe und Methoden der Multivariaten Statistik

  • Mehrdimensionale Zufallsvariable

  • Korrelationsanalyse

  • Regressionsanalyse

  • Multivariate statistische Toleranzbereiche

  • Multivariate Prozessfähigkeit

  • Reduktion der Anzahl der Input- und Prozessvariablen

  • Multivariate Regelkarten

  • Excellösungen: Matrizenrechnung, Regressionsrechnung