- 博客(100)
- 收藏
- 关注
RSS订阅
原创 如何判断一个制造企业是否需要MES系统
本文为制造企业提供MES系统引入决策框架，从战略需求、运营痛点、财务可行性和技术趋势多维度评估。首先通过生产"黑箱化"、质量问题频发等定性痛点及KPI定量指标识别需求；其次构建成熟度模型评估企业实施基础；然后重点分析ROI和TCO，量化预期收益；最后结合行业特性（如离散/流程制造差异）和企业规模进行综合判断。强调MES引入应回归业务本质，需满足需求迫切性、战略匹配性、组织准备度、经济可行性和未来适应性五大标准，避免盲目投入。
2025-12-11 08:30:00
1600
原创 精益六西格玛Python数字化应用开发-Day7 statsmodels - 统计建模和回归分析
本文介绍了20天精益六西格玛Python数字化应用开发系列，重点讲解如何通过Python实现六西格玛黑带常用的分析工具。内容包括统计过程控制库(sixsigmaspc、PySpc)、数学工具包(asaliX)、控制图库(pyshewhart)等专业库，以及pandas、numpy等通用数据分析工具。特别详细演示了statsmodels库在回归分析、时间序列预测和广义线性模型中的应用，包括代码示例和结果解读。该系列旨在帮助六西格玛从业者利用Python强大的数据处理能力，实现从传统统计软件到编程工具的转型，提
2025-11-30 08:30:00
2085
原创 时间序列数据异常检测算法（1）——传统统计学基础算法
本文系统梳理了时间序列异常检测算法的发展脉络。首先介绍了传统统计学方法，包括基于正态分布的3σ准则、非参数化的箱型图法、迭代式的GESD检验以及核密度估计。这些方法各有特点：3σ准则计算简单但对数据分布敏感；箱型图对异常值更鲁棒；GESD能检测多个异常；KDE适用于复杂分布但计算成本高。文章指出这些方法更适用于处理去趋势和季节性后的残差序列。后续内容将探讨更先进的深度学习与图神经网络模型在时间序列异常检测中的应用。
2025-10-20 20:00:54
1406
原创 制造运营管理的核心绩效指标
不同行业MES系统的核心目标存在显著差异：汽车行业以"生产节拍"优化为核心，通过实时调度实现效率最大化；制药行业聚焦"合规性"保障，运用数据固化确保质量安全；食品行业强调"全程追溯"能力，通过批次管理降低质量风险；装备制造追求"订单交付准时率"，利用动态调度应对定制化挑战；化工行业注重"工艺稳定性"，通过参数监控保障安全生产；光伏行业关注"工艺制程能力"，实现质量与效率的协同优化；钢铁行业
2025-10-05 07:38:16
1459
原创 发人深思，一名15年解决方案售前的5000字总结
制造业数字化转型顾问需具备多维能力：深刻理解行业痛点与价值链，掌握AI、IIoT等核心技术，并具备方案架构能力；同时需战略思维、系统化问题解决及高效沟通等软技能，运用TOGAF等框架进行顶层设计，结合敏捷与精益思想落地实施。顾问需通过现场调研、案例复盘持续积累经验，成为连接技术与业务的"π型人才"，引导企业实现价值重塑。
2026-01-10 12:59:45
530
原创 SPC 数字化：准备情况评估表
本文为企业提供了一套完整的SPC数字化项目准备评估清单，包含业务需求、技术基础、组织能力和投资预算4个维度共20项指标。采用5/3/1分制评分标准，总分≥85分可立即启动项目，60-84分需改进后启动，<60分则建议先夯实基础。该清单能科学评估企业是否具备引入专业SPC系统的条件，帮助实现从"被动响应"到"主动预防"的质量管理升级。
2026-01-10 12:51:46
558
原创 数字化SPC项目申报，看这个投资回报评估就够了...
本文构建了数字化SPC系统的多维投资回报评估模型，从财务收益、运营改善和战略价值三个维度进行量化分析。财务方面，通过质量成本节约、生产效率提升等可实现年度收益850-2300万元；运营方面，质量一致性提升、响应速度加快等带来显著改善；战略层面则增强企业竞争力和长期发展潜力。敏感性分析显示，即使在悲观情景下投资回收期仅6个月，ROI达80%。研究表明，数字化SPC系统不仅能带来可观的经济效益，更是企业实现质量管理战略转型的关键举措。
2026-01-09 19:51:52
473
原创 前沿制造深度：传统系统如OEE是否有必要使用AI技术改造？
两位专家在一个点上达成了高度共识：一切始于数据。没有准确、稳定、贯通的数据，任何AI改造都是空中楼阁。企业的行动路线，不应由技术潮流驱动，而应由自身的数字化成熟度、具体的业务痛点以及审慎的投资回报评估来决定。对于大多数企业，一个务实的建议或许是：立足当下，用好并深化现有OEE系统；放眼未来，以“AI增强分析”为起点，小范围试点，积累能力，谨慎评估，再决定是否以及如何迈向更深度的智能融合。
2026-01-07 16:51:39
876
原创 数字化SPC系统：七大应用场景，从“被动响应”到“主动预防”的转变
本文探讨了数字化SPC系统如何超越传统Excel模式，实现质量管理升级。系统通过七大核心场景（实时监控、多维度集成、标准化知识库、移动可视化等）解决了传统方法的痛点，具备数据自动采集、智能预警和协同处理能力。在汽车零部件行业满足IATF16949合规要求，在电子装配行业优化工艺控制，通用制造场景实现全流程质量管控。典型案例显示，系统能1分钟内预警异常，避免5万元损失，将问题解决时间从12小时缩短至3小时。数字化SPC系统通过数据驱动决策，构建企业质量大脑，实现从被动响应到主动预防的转变。
2026-01-01 15:03:16
491
原创 还在用Excel做SPC分析？你得看看这个……
传统Excel/纸质SPC模式在离散制造企业质量管理中存在严重缺陷：数据采集依赖人工记录，错误率达1-5%；分析滞后4-6小时，导致批量质量问题；质量工程师60%时间耗费在数据处理而非改进分析；年度综合成本损失可达产值的7-18.5%，包括人力浪费、返工报废及合规风险。该模式无法满足IATF16949等质量体系要求，数据追溯困难，跨部门协同低效，已成为制约企业质量提升的关键瓶颈，亟需数字化转型实现实时、精准的质量控制。
2025-12-31 16:22:44
694
原创 排产系统：何时启动最明智？
摘要：企业实施排产系统的时机选择至关重要，需从资金、效率和效果三个维度综合考量。资金方面需评估投资规模（通常数十万美元）与财务可行性；效率方面关注生产瓶颈（如交付率下降、设备利用率低等）是否超越人工排产能力；效果方面则需匹配企业战略目标（如提升客户响应、实现精益生产）。最佳实施时机是当企业同时具备强烈变革意愿、清晰战略规划和充足资源支持的"战略窗口期"，此时项目成功率最高。
2025-12-28 10:20:45
1243
原创 装备制造行业的排产特点与要求
摘要：装备制造行业排产系统具有项目型、定制化特点，采用ETO模式，涉及设计、采购、生产等复杂环节。系统需具备项目管理（WBS分解）、多级BOM管理、工艺路线优化、变更控制及成本监控功能。关键排产策略包括：关键路径管理、资源平衡算法和风险预警机制，以提升设备利用率（如某案例从62%升至89%），确保项目按期交付和成本可控。
2025-12-27 08:30:00
145
原创 食品饮料行业的排产特点与要求
食品饮料行业排产系统具有显著行业特征：多品种小批量生产模式要求灵活调整计划；严格的质量安全要求需实现全程追溯；复杂的库存管理需应对原料保质期短、SKU繁多等挑战；特殊的生产过程需考虑配方、效期、清洁时间等约束。系统需具备智能预测、多目标优化、实时响应和合规管理四大功能，通过算法优化排程，快速响应需求变化，满足行业特殊要求。典型应用显示，智能排产系统可显著提升响应速度与生产效率。
2025-12-26 19:35:10
361
原创 MTS/MTO/CTO/ETO：不同生产方式的排产系统差异分析
企业生产模式决定排产系统设计的关键差异。MTS（按库存生产）模式以预测驱动，关注成品库存优化；MTO（按订单生产）强调订单驱动和柔性生产；CTO（按订单配置）需要处理模块化库存与配置规则；ETO（按订单设计）则需项目管理能力应对定制化需求。四种模式在驱动源、库存策略、排程目标等方面存在显著不同：MTS追求生产效率，MTO注重准时交付，CTO平衡响应速度与模块库存，ETO则聚焦项目进度控制。系统复杂度与投资成本随定制程度递增，MTS系统约100-200万元，ETO系统可达500-1000万元。正确匹配生产模式
2025-12-26 19:26:34
790
原创 强烈建议：先实施 MES，再实施 APS
摘要：本文论证了先实施MES系统再实施APS系统的合理性和优势。从用户体验、管理变革和项目管理三个维度分析表明：分阶段实施能降低学习难度（用户使用角度）、减少组织阻力（管理变革角度）和提高项目可控性（项目管理角度）。MES系统为APS实施奠定四大基础：数据基础（实时生产数据积累）、流程基础（标准化生产流程）、组织基础（数字化人才培养）和技术基础（系统架构支持）。相比同步实施的高风险，分阶段实施通过循序渐进的方式，在确保MES成功上线后，再开展APS项目，能显著提高整体实施成功率。
2025-12-24 08:30:00
1192
原创 从概念到实践 - 12种SPC控制图使用9种时间序列数据异常检测算法判异的Python实现
本文介绍了一个融合机器学习与传统SPC（统计过程控制）的智能判异程序。该程序实现了12种常见控制图自动绘制、八大传统判异规则应用，并创新性地集成了9种机器学习算法（如孤立森林、自编码器等）进行并行异常检测。程序通过多算法协同分析，能更全面识别各类异常模式，包括点异常、趋势变化和周期性波动等。相比传统方法，机器学习算法展现出对非正态数据的强适应性、早期预警能力和高维处理优势。该工具支持从数据生成、控制图绘制到过程能力分析的完整质量控制流程，并整合大语言模型辅助结果解读，为智能制造时代的质量控制提供了智能化解决
2025-12-23 15:15:34
979
原创 设备资产管理：维护策略整合、实施框架和工具、持续改进
本文探讨了工业设备维护策略的整合与实施框架，提出混合维护策略的必要性。单一维护策略存在明显局限，应根据设备关键性、故障模式和成本效益分析，组合使用CM、PM、PdM、RCM、TPM等方法。文章介绍了关键性分析、生命周期成本分析、权衡分析等决策支持工具，并提出AHP-TOPSIS混合框架进行多准则决策。在实施层面，强调数据驱动决策、建立KPI体系和持续改进文化，通过PDCA循环不断优化维护策略。不同行业和企业可根据自身特点调整维护目标权重，实现成本、可靠性、风险和OEE的动态平衡。
2025-12-22 08:30:00
1578
原创 高利润行业、高风险行业与老旧工厂的设备维护策略制定
本文针对不同行业的设备维护策略提出针对性指导原则。高利润行业（如高端制药、精密制造）以生产连续性和产品质量为核心，优先考虑可靠性和风险最小化，建议采用RCM和PdM等先进策略；高安全风险行业（如核电、航空航天）将安全合规作为不可逾越的红线，强调风险最小化，需严格执行RCM和RBM；设备老化严重的工厂则需在有限预算内平衡维修与更换成本，建议采用CBM维护方式并优化备件库存。不同行业需根据自身特点制定差异化的维护策略优先级。
2025-12-21 08:30:00
957
原创 重工业、轻工业和复杂装备行业的设备维护策略制定：目标、策略、实施框架和工具等的差异
本文探讨了工业生产中不同设备类型对维护策略选择的差异化需求。针对连续生产的重工业设备，强调风险最小化和可靠性优先，推荐采用RCM与RBM结合的维护策略；对于间歇性生产的轻工业设备，主张以OEE提升为核心目标，建议实施TPM与PM相结合的方案；针对大型复杂系统如风力发电机，则提出以CBM和PdM为主的智能运维体系。研究表明，根据设备特性定制维护策略，能够有效平衡可靠性、成本与风险，实现维护效益最大化。
2025-12-20 16:06:01
1352
原创 怎么选？一文读懂12种SPC控制图，从基础到进阶，再到Python代码实现
本文系统介绍了12种常用SPC控制图的应用场景和特点，包括计量型（Xbar-R图、Xbar-s图、I-MR图等）、计数型（P图、NP图、U图等）及进阶控制图（EWMA图、CUSUM图、多元控制图）。文章强调控制图是SPC的核心工具，能有效区分过程变异类型，实现"预防优于检测"的质量管理目标。通过数据示例和Python代码展示了各类控制图的实现方法，为质量管理人员提供了实用参考。
2025-12-16 20:53:01
1409
原创 专业技术讲解：实时数据SPC 应用构建过程中的策略和方法
摘要：本文针对统计过程控制(SPC)在实时数据应用中的关键技术问题展开研究。从采样策略、异常事件处理、过程能力计算和稳定性评估四个维度，提出了系统性解决方案：采用自适应采样方法结合动态频率调整；建立多源数据融合的事件识别模型；开发动态过程能力指数计算方法；构建可视化仪表盘实现实时监控。研究突破了传统SPC的静态分析模式，为质量管理专业人员提供了实时数据场景下的SPC优化方法，对实现过程稳定与持续改进具有重要实践价值。
2025-12-15 19:35:00
1112
原创 经验分享：专业SPC工具在实时数据上的应用
摘要：统计过程控制（SPC）在现代质量管理中发挥着核心作用，通过实时监控生产数据实现质量提升和成本优化。本文系统探讨了实时SPC应用的关键问题，包括采样策略、动态事件处理、过程能力计算及AI技术融合。重点介绍了合理的子组构建方法、EWMA控制图应用、动态过程能力分析等技术要点，并展示了半导体和汽车行业的成功案例。研究表明，结合工业物联网和AI技术的实时SPC系统能显著提升异常检测效率和产品质量，推动质量管理从"事后检验"向"过程预防"转变。
2025-12-14 17:57:03
1250
原创 精益六西格玛Python数字化应用开发-Day20 应用场景：软件开发流程的精益六西格玛优化
本文介绍了20天精益六西格玛Python数字化应用开发系列内容，重点展示了Python在精益六西格玛领域的应用优势。通过一个软件开发流程优化的实际案例，演示了如何利用pandas、numpy、matplotlib等Python库进行缺陷数据分析，包括数据统计、方差检验及可视化呈现。案例结果表明不同模块缺陷数量存在显著差异，为流程优化提供了数据支持。该系列涵盖了统计过程控制、DMAIC方法论实现等核心内容，为精益六西格玛黑带提供了强大的Python工具支持。
2025-12-13 08:30:00
669
原创 精益六西格玛Python数字化应用开发-Day19 应用场景：银行贷款审批流程优化
本文将重点介绍专门针对精益六西格玛黑带使用场景的 Python 库，这些库功能侧重于数据分析和流程优化，特别适用于 DMAIC 方法论和看板管理。考虑到读者具备中高级Python 使用经验，我们将深入探讨各库的高级功能和实际应用应用场景。某银行希望优化贷款审批流程，缩短审批时间，提高客户满意度。使用 Python 进行流程挖掘和分析，识别瓶颈环节并实施改进。
2025-12-12 08:30:00
1788
原创 精益六西格玛Python数字化应用开发-Day18 应用场景：家电企业生产效率优化
本文将重点介绍专门针对精益六西格玛黑带使用场景的 Python 库，这些库功能侧重于数据分析和流程优化，特别适用于 DMAIC 方法论和看板管理。考虑到读者具备中高级Python 使用经验，我们将深入探讨各库的高级功能和实际应用应用场景。某家电企业生产线自动化程度高，数据量巨大，希望通过精益管理提升生产效率。企业借助 Python 脚本，打通各类数据源（MES、ERP、设备日志），自动归集生产数据，分析各工序的生产节拍、设备停机、效率损失，快速定位瓶颈环节
2025-12-10 20:12:10
854
原创 精益六西格玛Python数字化应用开发-Day17 应用场景：汽车零部件企业质量控制
摘要：本文介绍了一个20天的精益六西格玛Python数字化应用开发系列，通过Python实现黑带日常分析工具。内容涵盖统计过程控制、DMAIC方法论实现等20个主题，并展示了汽车零部件企业质量控制的实际应用案例。该企业通过Python自动化分析生产数据，识别异常月份，分析设备温度与缺陷率的关系，实施改进措施后缺陷率降低25%，投资回报率达500%。文章突出了Python在精益六西格玛中的优势：强大的数据处理能力、丰富的库生态和灵活的编程范式，能实现全流程自动化分析并与企业系统集成。
2025-12-10 08:30:00
1013
原创 精益六西格玛Python数字化应用开发-Day16 看板方法的 Python 实现
本文介绍了一个20天的精益六西格玛Python数字化应用开发计划，重点讲解了看板方法的Python实现框架。该框架使用pandas、numpy和matplotlib等库，构建了一个完整的看板系统，包含任务管理、状态跟踪、性能指标计算和可视化功能。系统支持周期时间统计、吞吐量计算、在制品(WIP)指标分析，并能生成看板状态图、周期时间分布图和WIP趋势图。通过模拟DMAIC项目的任务流程，展示了如何利用Python实现精益生产中的价值流映射分析，计算各阶段平均时间、增值时间比例和过程效率等关键指标。
2025-12-09 08:30:00
742
原创 精益六西格玛Python数字化应用开发-Day15 DMAIC控制阶段python实现
本文介绍了20天精益六西格玛Python数字化应用开发计划，重点讲解如何通过Python实现DMAIC方法论中的控制阶段。文章详细展示了使用Python构建控制图系统(包括Xbar-R图、单值-移动极差图)、创建控制计划、实时监控流程异常，并生成包含趋势图、过程能力分析和实时状态的控制仪表板。示例代码演示了如何计算过程能力指数(Cp/Cpk)并评估改进效果，最终输出显示64.2%的异常检测率和0.791的Cpk值，表明该流程仍需改进。这套Python实现方案为精益六西格玛黑带提供了灵活、可扩展的数字化分析工
2025-12-08 08:30:00
787
原创 精益六西格玛Python数字化应用开发-Day14 DMAIC改进阶段python实现
本文介绍了如何使用Python实现精益六西格玛DMAIC方法中的改进阶段(Improve)。通过构建完整的实验设计(DOE)工作流程，包括创建因子设计、运行实验、回归分析和优化等环节，展示了如何利用Python科学计算库(numpy、scipy、statsmodels等)进行流程优化。文中提供了详细的代码实现，涵盖全因子设计、响应面分析、约束优化等功能，并通过可视化图表直观展示实验效果和优化结果。案例显示，该方法可帮助识别最优参数组合，实现12.6%的性能改进。这种数字化实现方式相比传统统计软件更具灵活性和
2025-12-07 08:30:00
1092
原创 精益六西格玛Python数字化应用开发-Day13 DMAIC分析阶段python实现
本文介绍了一个20天的精益六西格玛Python数字化应用开发系列，重点展示了如何通过Python实现DMAIC方法论中的分析阶段工具。内容包括：1）20天课程预告，涵盖统计过程控制、可视化、流程挖掘等Python库；2）详细解析了AnalyzePhase类实现，包含相关性分析、方差分析、回归分析等核心功能；3）提供了根因识别方法（帕累托图、鱼骨图）和统计检验（t检验、正态性检验）的完整实现；4）展示了实际应用场景的代码示例和可视化输出。该框架将传统六西格玛工具与Python数据科学生态结合，为质量改进提供数
2025-12-06 08:30:00
1454
原创 精益六西格玛Python数字化应用开发-Day12 DMAIC测量阶段python实现
本文介绍了一个20天的精益六西格玛Python数字化应用开发系列，重点讲解了如何使用Python实现DMAIC方法论中的测量阶段。文章详细展示了通过Python进行数据收集、清洗、基线指标计算和测量系统分析的全过程，包括使用numpy、pandas、scipy等库进行统计分析，以及matplotlib、seaborn进行可视化呈现。该系列旨在帮助精益六西格玛黑带掌握Python在流程改进中的数字化应用，替代传统统计软件，实现更高效的数据分析和流程优化。文中提供的MeasurePhase类完整实现了测量阶段的
2025-12-05 08:30:00
1453
原创 精益六西格玛Python数字化应用开发-Day11 DMAIC定义阶段python实现
本文介绍了一个20天的精益六西格玛Python数字化应用开发系列，重点讲解如何通过Python实现精益六西格玛黑带常用的分析工具。内容包括统计过程控制、流程挖掘、可视化等20个专业库的应用，并详细演示了DMAIC方法论的Python实现框架。其中以定义阶段为例，展示了项目章程创建、SIPOC图生成和关键质量特性(CTQ)识别等功能，通过pandas、matplotlib等库实现了自动化分析和可视化输出。该系列旨在帮助精益六西格玛从业者利用Python的强大数据处理能力，提高流程优化效率和质量改进效果。
2025-12-04 08:30:00
1768
原创 精益六西格玛Python数字化应用开发-Day10 可视化库matplotlib, seaborn, plotly
本文介绍Python在精益六西格玛中的可视化应用，重点讲解matplotlib、seaborn和plotly三大库的使用。通过20天的系列课程，将展示如何用Python实现统计过程控制、流程优化等精益六西格玛黑带常用工具。文章包含多个实际案例：控制图仪表板、过程能力分析、缺陷趋势图等，并提供完整代码示例。Python凭借强大的数据处理能力和丰富的可视化功能，正逐步取代传统统计软件，成为精益六西格玛领域的重要工具。该系列适合具备Python中高级水平的精益六西格玛从业者学习使用。
2025-12-03 08:30:00
1611
原创 精益六西格玛Python数字化应用开发-Day9 流程挖掘库PM4Py
本文介绍如何通过Python实现精益六西格玛黑带常用的流程挖掘技术。重点讲解了PM4Py库的核心功能，包括流程发现、一致性检查和性能分析。通过7个代码示例演示了从事件日志导入、AlphaMiner流程建模、归纳挖掘算法到流程性能分析的完整应用。结果显示该方法能有效发现流程模型（如案例3用时40分钟），并计算流程拟合度（1.0为完美匹配）。Python在流程优化中展现强大数据处理能力，支持精益六西格玛的数字化应用开发。
2025-12-02 08:30:00
1373
原创 精益六西格玛Python数字化应用开发-Day8 看板相关库kanban-python、kanbanpy
本文介绍如何利用Python实现精益六西格玛中的看板管理方法。通过20天系列课程，重点讲解了kanban-python、kanbanpy等专用库的使用，演示了看板系统创建、任务状态跟踪、WIP限制检查等功能。文中包含4个示例：1)基于字典的看板系统实现；2)使用kanbanpy进行数据分析；3)价值流映射的周期时间计算；4)Trello API集成。这些工具可帮助黑带实现流程可视化、周期时间分析和在制品管理，支持DMAIC方法论在汽车、家电、金融等行业的数字化应用。Python相比传统统计软件具有更强的数据
2025-12-01 08:30:00
853
原创 精益六西格玛Python数字化应用开发-Day6 scipy.stats - 统计分析核心
摘要：本文介绍了一个为期20天的精益六西格玛Python数字化应用开发系列，重点讲解如何通过Python实现精益六西格玛黑带常用的分析工具。内容涵盖统计过程控制、可视化分析、DMAIC方法论实现等核心工具库，并结合汽车零部件、家电生产等实际应用场景。文章详细演示了使用scipy.stats库进行正态性检验、t检验、方差分析等统计分析方法，展示了Python在流程优化和质量控制中的强大数据处理能力。通过将传统精益六西格玛工具与Python结合，可实现更高效的数据分析和自动化流程改进。
2025-11-29 08:00:00
1096
原创 精益六西格玛Python数字化应用开发-Day5 通用数据分析库pandas 和 numpy
摘要：本文介绍20天Python精益六西格玛数字化开发计划，重点讲解如何用Python实现黑带常用的分析工具。内容包括SPC控制图、统计建模、流程挖掘等专业库，以及pandas、numpy等基础数据分析工具的应用。通过汽车零部件、家电生产等实际案例，展示Python在DMAIC流程优化中的优势，包括大规模数据处理、自动化分析和系统集成能力。文中详细演示了使用pandas进行数据清洗、过程能力计算和时间序列分析的方法，为精益六西格玛从业者提供了实用的Python实现方案。
2025-11-28 08:30:00
1241
原创 精益六西格玛Python数字化应用开发-Day4 pyshewhart - 休哈特控制图库
本文介绍了Python在精益六西格玛质量管理中的应用优势，重点推荐了pyshewhart控制图库。该库支持均值-极差图、CUSUM图、P控制图等多种质量控制图表，通过示例代码演示了数据生成、图表创建及保存过程。相比传统统计软件，Python具有数据处理能力强、自动化程度高、可扩展性好等特点，特别适合处理大规模数据分析和流程优化任务，为精益六西格玛黑带提供了更灵活高效的分析工具。
2025-11-27 08:30:00
623
原创 精益六西格玛Python数字化应用开发-Day3 asaliX - 精益六西格玛数学工具包
本文介绍了一个为期20天的精益六西格玛Python数字化应用开发计划，重点讲解如何利用Python实现精益六西格玛黑带常用的分析工具。内容包括统计过程控制库、数据分析库、可视化工具以及DMAIC方法论实现等，并提供了asaliX库的使用示例。该库专为精益六西格玛设计，支持从数据预处理到高级统计分析的全流程，包含均值计算、标准差分析、正态性检验、置信区间计算等功能。通过Python实现，可以高效处理大规模数据，支持全流程自动化，并与企业系统无缝集成，是精益六西格玛项目的有力工具。
2025-11-26 08:30:00
575
原创 精益六西格玛Python数字化应用开发-Day2 PySpc - 简化的统计过程控制库
摘要：本文介绍20天精益六西格玛Python数字化应用开发系列，重点讲解如何通过Python实现黑带常用的分析工具。内容包括统计过程控制、数据分析库、DMAIC方法论实现等，并详细演示PySpc库的使用方法。该系列旨在帮助专业人士利用Python强大的数据处理能力和丰富生态，替代传统统计软件，实现流程优化和质量控制的数字化应用。文中提供了均值-极差控制图、EWMA控制图和P控制图的具体实现代码示例。
2025-11-25 08:30:00
849
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人