«Six Sigma Green Belt» зі статистикою

Вступ до Six Sigma (приблизно 1 день)

Що таке «Шість сигм»? Історія, філософія та стратегія

Етапи проекту DMAIC, цілі та ролі

«Шість сигм» у контексті «Lean», управління якістю та операційної досконалості

Гібридне управління проектами з використанням DMAIC для проектів у сфері штучного інтелекту

Управління проектами з використанням штучного інтелекту (приблизно 1 день)

Основи штучного інтелекту 

Сфери застосування за методологією DMAIC, обмеження та ризики

Основи роботи з даними та промтами, контекст та критерії якості

Управління, безпека, Закон ЄС про штучний інтелект та GDPR

Панель управління ШІ, узагальнення інформації та контрольні точки якості

Define — Визначення (приблизно 3 дні)

Ідентифікація проекту, стратегічна значущість та дерево факторів, що впливають на показники

Відмежування від циклу постійного вдосконалення (KVP) та моделі «проблема-причина-рішення» (PUL)

Коротка характеристика проєкту: опис проблеми та визначення цілей за принципом SMART

Вхідні та вихідні рамки, а також перевірка повноти даних за допомогою штучного інтелекту

LIPOK та «Голос клієнта» (VoC)

Діаграма спорідненості та модель Кано

Перетворення VoC у CTQ, технічні вимоги та критерії прийнятності

Аналіз на основі штучного інтелекту та фахова валідація вимог клієнтів

Економічна ефективність: ROI, TCO та якісна вигода

Аналіз зацікавлених сторін та планування проєктів на основі штучного інтелекту

Аналіз ризиків та превентивні заходи

Управління змінами та мотивація до змін

Стратегія комунікації, «елеваторний пітч» та «історія змін» на основі штучного інтелекту

Перевірка якості на етапі «Define»

Вимірювання (приблизно 3,5 дні)

Математична модель процесу та ланцюг «причина-наслідок» для CTQ

Аналіз факторів впливу за допомогою методів Ісікави та KSR, а також матриця показників, що базується на штучному інтелекті

Типи даних та шкали вимірювання

Операційне визначення, методи збору даних та стратегія вибірки

План збору даних та управління за допомогою інформаційної панелі на основі штучного інтелекту

Аналіз системи вимірювання: похибка, повторюваність, відтворюваність та Gage R&R

Якість даних, перевірка правдоподібності та очищення даних на основі штучного інтелекту

Візуалізація даних, статистичні показники, а також здатність обладнання та процесів

Інтерпретація результатів вимірювань на основі штучного інтелекту та показник Quality Gate Review

Аналіз – Аналізувати (приблизно 3,5 дні)

Процесні та інформаційні потоки, а також аналіз створення доданої вартості

Аналіз потоку створення вартості, діаграма «спагетті», TIMWOODS та Макігамі

Розмежування симптомів, проблем та причин

Аналіз «причина-наслідок» та аналіз Парето, а також кластеризація кодів помилок на основі штучного інтелекту

Формування гіпотез та ШІ як спаринг-партнер

Планування експериментів та перевірка факторів впливу з використанням штучного інтелекту

Кореляційний та регресійний аналіз, а також статистичні перевірки гіпотез та порівняння груп

Матриця доказів на основі штучного інтелекту та FMEA

Аналіз та перевірка на етапі «Quality Gate»

Improve — інноваційне вдосконалення (приблизно 3 дні)

Техніки креативності та розробка рішень на основі штучного інтелекту

Принципи «Lean» та технічні й організаційні заходи

Підходи до розробки рішень із використанням генеративного ШІ, автоматизації та робототехніки

Нормативно-правові та організаційні вимоги до використання ШІ

Оцінка ризиків, пов’язаних із ШІ, а також аналіз здійсненності та ступеня зрілості

Оцінка рішень

Оцінка прийнятності та співвідношення витрат і вигод

План впровадження та пілотне впровадження з критеріями успіху та приймання

Ітеративний підхід до пілотних проектів зі штучним інтелектом та перегляд на етапі контролю якості (Quality Gate Review) Improve

Контроль — управління та стале впровадження (приблизно 2 дні)

Запуск системи, стабілізація процесів та супровід на початковому етапі

Стандартні операційні процедури та план контролю

Ключові показники ефективності (KPI), статистичний контроль процесів, контрольні карти та заходи реагування

Збалансована система показників та моніторинг на основі штучного інтелекту

Концепція аудиту

Завершення проєкту, передача та документація на основі штучного інтелекту

Контроль якості на етапі «Quality Gate»

Робота над проектом, підготовка до іспиту та підсумковий іспит (приблизно 3 дні)

Основи статистики (близько 6 днів)

Основи теорії вимірювання (генеральна сукупність, вибірка, типи вибірок, вимірювання, рівні шкали)

Одновимірна описова статистика (частотні розподіли, центральні міри, міри дисперсії, стандартизація, гістограми, стовпчикові діаграми, кругові діаграми, лінійні діаграми, блок-діаграми)

Двовимірна описова статистика (міри кореляції, коефіцієнти кореляції, перехресні таблиці, діаграми розсіювання, згруповані гістограми)

Основи індуктивної вивідної статистики (розподіли ймовірностей, нормальний розподіл, вибірковий розподіл середнього, тест на значущість, перевірка нульової гіпотези, рівень значущості, розмір ефекту, оцінка параметрів, довірчі інтервали, гістограми помилок, аналіз потужності, розмір вибірки)

Підготовка даних та очищення даних за допомогою відповідного програмного забезпечення

Описовий аналіз

Візуалізація статистичних результатів

Аналіз та інтерпретація статистичних результатів за допомогою штучного інтелекту

Методи для порівняння двох груп (приблизно 5 днів)

z-тест, t-тест для однієї вибірки

t-тест для незалежних і пов'язаних вибірок

Претест-посттестові дизайни з двома групами

допоміжні тести значущості (тест Андерсона-Дарлінга, тест Райана-Джойнера, тест Левен, тест Бонетта, тест значущості для кореляцій)

Непараметричні методи (критерій Вілкоксона, критерій знаків, критерій Манна-Уітні)

Аналіз непередбачуваності (біноміальний тест, точний тест Фішера, тест хі-квадрат, перехресні таблиці, міри асоціації)

Інтерпретація результатів тестування

Інтерпретація результатів за допомогою штучного інтелекту

Основи регресійного аналізу (близько 2 днів)

Лінійна регресія

Інтерпретація моделей

Інтерпретація моделей за допомогою штучного інтелекту

Кореляційний аналіз

Методи порівняння середніх значень декількох груп (приблизно 3 дні)

Однофакторний та двофакторний дисперсійний аналіз (ANOVA)

Постфактум аналіз

Інтерпретація групових відмінностей

Багатофакторний дисперсійний аналіз (загальна лінійна модель)

Фіксовані, випадкові, перехресні та вкладені фактори

Методи множинних порівнянь (Tukey-HSD, Dunnett, Games-Howell)

Аналіз взаємодії

Аналіз потужності для дисперсійного аналізу

Вступ до планування експерименту (ПЕ) (приблизно 1 день)

Повні та частково факторні експериментальні плани

Робота над проектом (близько 3 днів)

Закріплення вивченого матеріалу

Презентація результатів проекту