Fault Tree Analy­sis is a top-down, deduc­tive approach to under­stand­ing how a series of low­er-lev­el events can result in an unde­sired event, acci­dent, or equip­ment fail­ure. This dia­gram uses a set of sym­bols to rep­re­sent for­mal log­ic and to assign prob­a­bil­i­ties. Per­form­ing Fault Tree Analy­sis helps us to under­stand how spe­cif­ic sys­tems can fail, assign risk rates, and iden­ti­fy the best ways to reduce these risks.

When it comes to see­ing how process­es change over time, the abil­i­ty to graph data can be invalu­able, espe­cial­ly for con­tin­u­ous improve­ment prac­ti­tion­ers. They can even help empha­size dif­fer­ent attrib­ut­es of the same data. But with so many graphs out there, how do you know if you’re using the best Lean or Six Sig­ma chart for your par­tic­u­lar data set? This course will answer that ques­tion for you.

In diesem Kurs wer­den Ihnen die sieben Ver­schwen­dungsarten näher erläutert, welche Ursachen sie haben und welche Fol­gen sie für Ihr Unternehmen haben kön­nen. Sie wer­den auch erfahren, wie Sie mit Kan­ban und 5S gegen jede einzelne Ver­schwen­dung vorge­hen können.

ANO­VA, or Analy­sis of Vari­ance, is a method for com­par­ing the means of three or more sam­ples to deter­mine if at least one of the sam­ple means dif­fers sta­tis­ti­cal­ly from the others.

Learn the key sta­tis­tics con­cepts of main effects, inter­ac­tion, influ­ence, degrees of free­dom, the F‑statistic, R‑squared, and how to fol­low the step-by-step process for con­duct­ing one-way and two-way ANOVAs.

Hav­ing a sol­id under­stand­ing of the sci­en­tif­ic method and how to study a small sam­ple of data in order to make deci­sions about an entire pop­u­la­tion is what can sep­a­rate excel­lent Con­tin­u­ous Improve­ment Prac­ti­tion­ers from aver­age ones. The infer­en­tial sta­tis­tics course dives into the cen­tral lim­it the­o­rem, z‑scores, graph­i­cal analy­sis, nor­mal­i­ty, and how to con­duct var­i­ous sta­tis­ti­cal hypoth­e­sis tests.

La variación total de un sis­tema es la suma de la variación real de un pro­duc­to, pro­ce­so o sis­tema y la variación del sis­tema de medición. El MSA, o Análi­sis de Sis­temas de Medición, es un méto­do estadís­ti­co para analizar si la variación den­tro de nue­stro sis­tema de medición es acept­able. Apren­da las cin­co car­ac­terís­ti­cas de un sis­tema de medición, la difer­en­cia entre el MSA de datos de atrib­u­tos y datos vari­ables, y los pasos para realizar un estu­dio Gage R&R.

La Instruc­ción de Tra­ba­jo (JI) es un ele­men­to fun­da­men­tal de Lean y el primer cur­so de TWI (Capac­itación Den­tro de la Indus­tria). Su propósi­to es capac­i­tar com­ple­ta­mente a las per­sonas para que agreguen val­or a la orga­ni­zación en el menor tiem­po posi­ble, evi­tan­do prob­le­mas que podrían sur­gir de una instruc­ción inade­cua­da. JI establece el mejor méto­do para realizar un tra­ba­jo y per­mite a un instruc­tor trans­ferir conocimien­tos a un apren­diz ráp­i­da­mente, al mis­mo tiem­po que ver­i­fi­ca la com­pren­sión uti­lizan­do un méto­do sen­cil­lo de cua­tro pasos. Esta ver­sión para ​“Apren­dices” de este cur­so se puede uti­lizar para facil­i­tar su pro­pio cur­so de Instruc­ción de Tra­ba­jo de 5 días en per­sona. Tam­bién está disponible una guía detal­la­da para facil­i­ta­dores que incluye una agen­da com­ple­ta de cin­co días.

The final phase of a DMA­IC project is Con­trol. The pur­pose of this phase is to sus­tain the solu­tions and pre­vent prob­lem recur­rence. This requires tak­ing actions to update doc­u­ments and stan­dards, con­duct train­ing and com­mu­ni­ca­tion regard­ing the changes, and com­mit­ting to con­tin­u­ous mon­i­tor­ing and improve­ment of the process. Learn the key deliv­er­ables and activ­i­ties in the Con­trol Phase that enable this.

DOE is a frame­work for plan­ning and con­duct­ing exper­i­ments to study the effects of mul­ti­ple input vari­ables, or fac­tors, on an out­put vari­able, or a response. DOE is wide­ly used in sci­en­tif­ic research, prob­lem solv­ing and to under­stand com­plex phe­nom­e­na. Learn how and when to use screen­ing DOEs, frac­tion­al DOEs, full fac­to­r­i­al DOEs, opti­miza­tion DOEs, and how DOE fits into the Six Sig­ma DMA­IC approach.

Six Sig­ma ist ein daten­basiert­er Ansatz zur Verbesserung der Qual­ität und Effizienz in Unternehmen­sprozessen. Das Ziel von Six Sig­ma ist nahezu per­fek­te Leis­tung, mit dem Anspruch, nicht mehr als 3,4 Fehler pro Mil­lion Möglichkeit­en zu haben. Diese Meth­ode ver­wen­det den DMA­IC-Zyk­lus (Define – Definieren, Mea­sure – Messen, Ana­lyze – Analysieren, Improve – Verbessern, Con­trol – Kon­trol­lieren), um Verbesserung­spro­jek­te umzuset­zen. Six Sig­ma-Anwen­der nutzen sta­tis­tis­che Analy­sen, um die Ursachen von Fehlern und Inef­fizien­zen zu erken­nen. Auf Basis dieser Erken­nt­nisse entwick­eln sie präzise Lösun­gen, die sowohl die Ergeb­nisse verbessern als auch die Kun­den­zufrieden­heit fördern. Dadurch leis­ten sie einen wesentlichen Beitrag zur Reduzierung von Kosten und zur Steigerung der Rentabil­ität des Unternehmens.