搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
质量管理的数字化转型(发掘潜力制定策略优化质量)/德国智能制造译丛
0.00     定价 ¥ 119.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购14本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787111781387
  • 作      者:
    编者:(德)格诺·弗赖辛格//奥利弗·约布斯特尔//贝恩德·科格勒//于尔根·利普//曼弗雷德·施特罗曼|责编:贺怡|译者:何晖
  • 出 版 社 :
    机械工业出版社
  • 出版日期:
    2025.07
收藏
编辑推荐
《质量管理的数字化转型:发掘潜力、制定策略、优化质量》是一本面向企业管理者、质量工程师及数字化转型实践者的实用指南。本书由德国智能制造专家团队编写,系统讲解了如何利用AI、大数据和工业4.0技术优化质量管理体系。通过真实案例与方法论结合,帮助读者掌握数据驱动的质量分析、过程优化及风险决策,助力企业实现降本增效与智能化升级。适合制造业、科技企业及相关从业者阅读学习。
展开
作者简介
工程师格诺特•弗雷辛格(ErnotFreisinger),理学硕士
Successfactory成功工厂管理教练顾问和培训师
1983年出生于沃茨贝格,毕业于格拉茨高等技术学院电气工程专业,随后在格拉特科恩的蒂森克虏伯电梯公司担任开发工程师。2008年至2021年在ELSTA Mosdorfer公司担任项目和产品管理。作为格拉茨应用科学大学创新管理硕士学位的毕业生,他自2013年以来一直在产品开发、质量管理和数据分析领域担任顾问和培训师。他的工作范围包括确定客户需求、开发高质量系统和引进开发方法。他的工作重点是识别和实施数据驱动的用例和优化任务。

奥利弗•约布斯特尔博士(Oliver Jöbstl),及工学硕士
Successfactory成功工厂管理咨询公司总经理
1969年出生于莱奥本,毕业于莱奥本大学材料科学专业,并在经济和商业管理学院完成了质量管理和工厂经济学领域的博士学位。他是莱奥本成功工厂管理培训公司(successfactory management coaching gmbH)的联合创始人,自2000年以来一直在质量管理、领导力、统计建模、机器学习和人工智能的工业应用等领域为工业企业提供咨询服务。

贝恩德•科格勒(Bernd Kögler),工学硕士以及工商管理硕士
盼克高性能系统工厂经理
1972年出生于维也纳,在维也纳科技大学学习机械工程,随后在哈莱恩的罗伯特•博世有限公司(Robert Bosch A.G.)担任开发工程师。自2005年起就职于盼克散热器有限公司(Pankl Racing Systems A.G.)。目前担任变速器生产工厂经理和连杆系列生产技术经理。2015年至2017年,在维也纳理工大学和布拉迪斯拉发理工大学攻读汽车行业兼职工商管理硕士。
同时也是2021年《经验教训......?!——家庭和工作中的领导力》一书作者。

于尔根•利普(JürgenLipp)
successfactory成功工厂管理培训顾问和培训师
1979年出生于格拉茨,从凯恩多夫信息技术高等学院毕业后开始从事软件开发工作。在担任过多个职位后,他于2010年至2015年在Atronic公司(现为IGT国际游戏科技公司)负责系统软件开发。2013年至2015年,他在格拉茨应用科学大学和汉堡的oose创新信息技术修读了非全日制软件工程领导力在职硕士学位。在恩智浦半导体公司(NXP Semiconductors)、pmOne公司和ADB Safegate公司担任工程经理之后,他于2020年开始在成功工厂管理培训公司担任顾问和培训师,向大中型企业传授他在软件和人工智能项目方面的经验。

曼弗雷德•施特罗曼博士教授(Manfred Strohmann)
卡尔斯鲁厄应用科学大学电气工程和信息技术学院电气工程和系统理论基础教授
他与当地工业合作伙伴合作,在工业产品中实施六西格玛设计和机器学习的统计方法。在大学里,他还致力于工程科学的教学。2016年,他因此荣获卡尔斯鲁厄应用科学大学教学奖。作为课程主任和副院长,他努力将自己开发的概念融入教学以及学习和考试规则中。
展开
内容介绍
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。
展开
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5过滤时间序列176
756将时间序列分解为趋势、周期性成分和残差178
757通过时间序列分析优化工具利用率179
76强化学习181
761强化学习的基本思想182
762马尔可夫决策过程183
763Q学习作为强化学习算法的简单示例184
764示例185
第8章通过数字化改进过程187
81数字用例的类型187
82寻找有前景的机器学习和自动化用例188
821识别和界定过程188
822利益相关者分析——收集和构建需求189
823深入的过程分析190
824寻找用例——创意阶段191
825描述用例——零问题191
826预选想法192
827业务案例的描述和计算193
828评估和选择用例193
83系统地实施人工智能和机器学习用例194
831业务理解195
832数据理解和数据准备198
833模型训练199
834模型实施(部署)205
835维护/管理207
84过程自动化210
841机器人过程自动化的类型210
842实施自动化解决方案的过程模型212
85通过六西格玛+系统化改进过程214
851六西格玛简介215
852六西格玛的过程模型——DMAIC循环216
853六西格玛+:将机器学习方法纳入DMAIC循环218
854示例219
86通过数字化处理错误的新选项221
第9章系统架构开发和信息技术基础设施224
91云计算224
911服务模式226
912分发模型和“私有云”228
92有条不紊的架构开发228
921架构驱动因素231
922使用Jupyter项目进行初始数据分析232
923粗略计算234
924系统设计236
93解决方案的产业化240
931机器学习库240
932用于机器学习的无代码工具241
933接口的技术实现244
934大数据和NoSQL250
935扩展的其他方面253
94迭代式开发与运营255
第10章学习数字化技能257
101能力建设的相关性257
102培训计划与评估259
1021培训计划259
1022培训评估260
103数字化时代的过程负责人261
104培训管理人员成为数字化大使263
105组织中的可持续学习264
1051心理安全264
1052学习型领导者265
1053个人学习和小组学习265
1054数字技术266
106大声工作法267
107反向辅导268
第11章掌控数字化变革270
111使用数字化扫描270
112数字质量管理的出发点274
113不确定时代的领导——领导力指南针277
114利用管道模型支持变革管理280
115数字化转型的实施路线图282
第12章词汇表285
121质量经理的语言285
122数据分析师(数据科学家)的语言286
123数据工程师的语言288
参考文献292
作者简介299
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证