Nachweise führen, Optimierungen finden, Toleranzen berechnen mit Minitab und R
332 stránok
12 hodin čítania
Der Datenanalyse-Prozess wird umfassend behandelt, wobei zwei Praxisbeispiele die Anwendung in Minitab R19 und R veranschaulichen. Das Buch bietet eine praxisnahe Einführung in die statistische Analyse und unterstützt Leser dabei, die Methoden effektiv anzuwenden. Es richtet sich sowohl an Einsteiger als auch an Fortgeschrittene, die ihre Kenntnisse in der Datenanalyse vertiefen möchten.
NOT-Statistik beginnt da, wo in der Praxis Statistik anfängt. Nach der Planung der Auswertung, der Festlegung der Ziele sowie der Auswahl und Zusammenstellung von Daten werden Methoden für die Plausibilitätsprüfung und die grafische Darstellung von Einflüssen und Zusammenhängen vorgestellt. Auf Basis der soliden Datengrundlage werden statistische Methoden verwendet, um Einflüsse und Wirkstrukturen in Daten und Prozessen zu beschreiben. Nach erfolgreicher Prüfung der Aussagekraft der so genannten statistischen Prozess-Modelle (kurz SPM) werden die Ergebnisse für die Berechnung von Vorhersagen, für Simulationen, für das Finden optimaler Arbeitspunkte, für die Nachweisführung und für die Berechnung von Toleranzen verwendet. Abgeschlossen wird die Auswertung mit einer kurzen Zusammenfassung der Ergebnisse und daraus abgeleiteten Maßnahmen. Die vorgestellten Methoden werden in zwei Praxisbeispielen umgesetzt. Dabei werden in einem Beispiel Minitab R17 und im zweiten Beispiel R als Auswertungssoftware verwendet. Das Buch verzichtet weitgehend auf Formeln und konzentriert sich auf die zielgerichtete und effiziente Anwendung von statistischen Prozess-Modellen für Nachweis, Optimierung und Toleranz (NOT).
