Certification Lean Six-Sigma Green Belt IASSC Bootcamp

Course details

A la fin de ce programme, vous connaitrez toutes les techniques d'interprétation de données liées aux tests d'hypothèses, régression et autre méthodes d'analyses statistiques. 

Vous connaitrez également les méthodes de projection et d'optimisation utilisées pour évaluer les améliorations aux processus.

Le programme de la formation est le suivant:

• Introduction
• Phase "Analyze"
  • Introduction à la phase Analyze
  • "X" Sifting
  • Effectuer une analyse mulit-variances
  • Interpréter un graphe multi-variances
  • Interpréter les données d'analyse
  • Inférence Statistique
  • Expliquer la signification de l'inférence statistique
  • Décrire les bases du théorème central limite
  • Décrire les impacts de la taille d'échantillon sur l'estimation de la population
  • Expliquer l'erreur standard
  • Introduction aux tests d'hypothèse
  • Comprendre les objectifs des tests d'hypothèse
  • Expliquer le concept de tendance centrale
  • Se familiariser avec les différents types de tests d'hypothèse
  • Test d'hypothèse avec des données normales Partie 1
  • Déterminer la bonne taille d'échantillons pour le test de moyennes
  • Tests d'hypothèse variés sur les moyennes
  • Analyser et interpréter les résultats
  • Test d'hypothèse avec des données normales Partie 2
  • Etre capable de conduire des tests d'hypothèse de variances
  • Analyser les résultats de tests d'hypothèse sur les variances
  • Tests d'hypothèse sur des données de variance égale
  • Test d'hypothèse sur les médianes
  • Analyser et interpréter les résultats
  • Test d'hypothèse avec des données non-normales (2)
  • Calculer et expliquer les tests de proportions
  • Calculer et expliquer les tests de contingence

• Phase "Improve"
  • Modélisation de processus par régression
  • Effectuer les étapes de l'analyse par corrélation et régression linéaire
  • Expliquer quand la corrélation et la régression sont appropriées
  • Modélisation avancée de processs
  • Réaliser une régression linéraire et non-linéaire
  • Réaliser une régression linéaire multiple (MLR)
  • Mener une analyse des résidus et comprendre leurs effets
  • Concevoir un plan d'expérience
  • Déterminer la raison du plan d'expérimentation
  • Décrire les différences entre le modèle physique et un plan d'expérience (DOE: Design Of Experiment)
  • Expliquer une expérimentation OFAT et ses faiblesses
  • Créer un plan d'expérience factoriel complet

• Phase "Control"
  • Expérimentation avancée
  • Analyse de Capabilité
  • Comprendre l'importance de la capabilité du processus dans la phase de controle
  • Sélectionner la bonne méthode pour l'analyse de capabilité basée sur le type de distribution de données du processus
  • Interpréter les sorties des fonctions de capabilité de MINITABTM'
  • Comprendre comment utiliser la Capabilité du processus pendant toutes les phases du DMAIC

Vous trouverez les activités suivantes:

• un chat pour discuter en synchrone entre stagiaires
• un forum pour échanger entre stagiaires ou avec votre formateur
• de nombreuses ressources à télécharger (fichiers, vidéos, ...)
• un quiz corrigé de 50 questions pour valider vos connaissances

Avec ce cursus, vous aurez une vue de l'ensemble de la méthodologie Lean Six-Sigma, excepté le design of experiment, qui vise à collecter des données de processus complexes.