photo
images

好评度:

(100% reviews)

质量管理的数字化转型：发掘潜力、制定策略、优化质量

￥119

9787111781387

商品基本信息：

  • 作者：[德]格诺·弗赖辛格，等
  • 出版社：机械工业出版社
  • 出版时间：2025-07-01
  • 纸书服务：京东发货并提供售后服务
Fast, Gaming, Strong

内容简介

本书向初学者和决策者展示了如何实施质量管理的数字化转型。它描述了如何通过新的战略、方法、步骤和协作形式来加深对产品和过程的理解，并展示了这对企业意味着哪些潜力。因此，本书为企业实施质量管理数字化转型提供了必要的前提条件，使其能够在更复杂的产品和动态需求下长期立足于市场。
本书采用具体、面向实践的方式，使读者能够根据公司规模、行业和数字化成熟度制定和实施数字化战略。以解决方案为导向，帮助读者更有效地评估质量数据和信息，更好地认识和避免错误，评估公司质量管理的数字化程度并挖掘潜力，认识数字化为产品质量和过程质量带来的机遇。
本书适合从事质量管理相关工作的人员阅读。

目录

译者序
第1章这本书传达了什么内容1
第2章质量管理的挑战10
21质量的定义10
22什么是质量管理11
23流程的有效性和效率11
24当前质量管理面临的挑战12
25数字化变革是质量管理的机遇14
26质量管理的发展阶段15
27质量管理的目标17
271提高产品质量和客户满意度18
272提高过程质量19
28数字化应用案例19
29数字质量管理的九个行动领域22
第3章数字化质量管理体系25
31设计平衡的质量管理体系的艺术25
32现代质量管理体系以过程为导向26
321由粗到细的设计原则28
322以流程图为基础30
323确保战略联系30
324以过程负责人作为成功的关键31
33现代质量管理体系是数字化的31
331过程管理系统的交互式数字结构32
332质量管理软件34
34BPMN 20作为自动化的基础36
35数字质量管理体系使“增强型工人”成为可能40
351为什么是现在40
352为什么增强功能有用40
353增强技术41
354现场实践：变速器装配中的增强型工人43
36利用数字质量管理体系进行过程挖掘45
37利用移动协作平台的数字质量管理体系47
38现代质量管理体系整合数据质量50
39小结52
第4章有质量保证的创新53
41以客户为导向是成功创新的基础54
42用户体验和设计思维方法58
43开发创新商业模式61
44六西格玛设计64
45敏捷方法在开发中的应用66
目录质量管理的数字化转型：发掘潜力、制定策略、优化质量451敏捷宣言67
452软件开发方法68
46软件密集型系统的质量73
461软件老化74
462质量模型76
47工业40解决方案的系统开发79
471层次结构级别79
472互操作层80
473生命周期和价值链81
48案例研究：电动自行车82
481业务层82
482功能层86
483信息层87
484通信层87
485集成层88
486资产层89
487小结89
第5章使用正确数据的艺术90
51统计学在数字质量管理中的作用91
52统计基础：特征类型92
53收集正确的数据93
531确认性和探索性数据分析93
532总体和样本94
54理解数据95
541一维数据集的图形描述95
542离散特征的绝对频率和相对频率95
543连续特征的描述96
544定性特征的描述97
545定量特征的参数98
546箱线图99
547具有定性特征的多维数据集的图形描述100
548具有定量特征的多维数据集的图形描述102
549二维数据集的相关性103
5410多维数据集的相关性104
55数据清理105
551条目的一致性105
552缺失条目106
56特征编码107
561定量特征编码107
562定性特征编码109
57构建数据（特征工程）110
571删除不相关的特征110
572生成附加特征111
573合并稀疏数据112
58降低维度113
581主成分分析114
582示例：异常值检测115
第6章利用数据做出基于风险的决策117
61引例和理论基础117
62进行假设检验120
63假设检验的安全和风险121
631第一类误差和第二类误差122
632质量函数和必要的样本量123
64方差分析124
65示例：气流均匀性测试125
第7章从数据中学习的艺术129
71质量管理中的回归程序132
711构建回归函数132
712回归模型评估135
713正则化137
714示例：使用机器学习算法进行过程控制138
72分类方法145
721K最近邻分类方法146
722分类模型的评估147
723示例：产量预测的分类方法150
73聚类方法153
731DBSCAN算法154
732优化（调整）超参数155
733评估聚类结果157
734使用DBSCAN算法检测异常值158
74通过卷积网络进行自动视觉检测161
741神经网络的基本原理162
742自动视觉检测——数据准备164
743自动视觉检测——卷积神经网络166
75时间序列分析170
751图形表示和数学描述170
752时间序列的基本运算172
753重建缺失样本值的估算程序174
754重采样：下采样和上采样175
75

展开 收起

相关书籍

推荐书籍

# Type at least 1 character to search # Hit enter to search or ESC to close