《數(shù)據(jù)分析及其在制造業(yè)應用》

《數(shù)據(jù)分析及其在制造業(yè)應用》
——段方
教授 北京大學博士后
某世界 500 強企業(yè)大數(shù)據(jù)總設計師
1 概述
1.1 從泰勒經濟學說起
1.1.1 科學管理之父
1.1.2 量化管理的發(fā)端
1.1.3 量化管理的價值和意義
1.2 數(shù)據(jù)分析基礎——統(tǒng)計學
1.2.1 統(tǒng)計學的歷史
1.2.2 統(tǒng)計學的價值
1.2.3 聚焦統(tǒng)計學
1.3 統(tǒng)計學的價值
1.3.1 收集數(shù)據(jù)
1.3.2 找出數(shù)理規(guī)律
1.3.3 從“拍腦袋 “到 ”拍數(shù)據(jù)“
1.3.4 奠定數(shù)據(jù)分析的基礎技術
1.4 制造業(yè)的統(tǒng)計學應用
1.4.1 數(shù)據(jù)滲透到企業(yè)的每個“ 毛孔”
1.4.2 大數(shù)據(jù)改變的思維模式
大數(shù)據(jù)的基本概念
用數(shù)據(jù)去“洞察”企業(yè)的每寸肌膚 用“數(shù)理分析”構建企業(yè)的“大腦 ”
1.4.3 如何發(fā)現(xiàn)“異常 ”？
降低次品率 降低成本
1.5 促進產業(yè)升級的價值和意義
1.5.1 從《美國工廠》說起
1.5.2 如何進行產業(yè)升級？
1.5.3 科學技術如何應用于企業(yè)內部管理
1.5.4 “一帶一路”的戰(zhàn)略價值——產業(yè)輸出
1.6 統(tǒng)計學基礎
1.6.1 從收集數(shù)據(jù)開始
1.6.2 數(shù)據(jù)分析方法的逐步演進
統(tǒng)計學
機器學習 深度學習
1.6.3 落地場景是關鍵
哪些環(huán)節(jié)收集數(shù)據(jù)
哪些環(huán)節(jié)使用數(shù)據(jù)分析？ 如何盡快見到效益？
1.7 【思考】如何從汽車制造業(yè)中利用數(shù)據(jù)分析進行產業(yè)升 級？ ——豐田汽車的啟示
2 統(tǒng)計學基礎
2.1 統(tǒng)計學的產生和發(fā)展
2.1.1 統(tǒng)計學歷史
古典統(tǒng)計學 近代統(tǒng)計學
現(xiàn)代統(tǒng)計學
2.1.2 歷史上著名的統(tǒng)計學家
2.1.3 【思考】統(tǒng)計學與會計學間的聯(lián)系
2.1.4 【例】算盤——最初的計算器
2.2 統(tǒng)計數(shù)據(jù)與統(tǒng)計學
2.2.1 數(shù)據(jù)研究過程
2.2.2 統(tǒng)計規(guī)律
2.2.3 【例】從 “ 兩圈半 ”說起
2.3 統(tǒng)計學的分科
2.3.1 統(tǒng)計分科
描述統(tǒng)計
推斷統(tǒng)計 參數(shù)估計 假設檢驗 兩者關系
2.3.2 應用領域
2.3.3 統(tǒng)計學與其它學科的關系
2.3.4 【例】網絡上 “被平均”的問題在哪里？
2.4 統(tǒng)計學的基本概念
2.4.1 總體和樣本
2.4.2 標志和指標
2.5 【思考】統(tǒng)計學如何適配工業(yè)文明的發(fā)展
3 統(tǒng)計數(shù)據(jù)的描述
3.1 數(shù)據(jù)的收集
3.1.1 “巧婦難為無米之炊”
確立收集數(shù)據(jù)的意識 逐步建立數(shù)據(jù)思維
“沒有人能夠跟數(shù)據(jù)叫板 ”
3.1.2 直接渠道
抽樣調查
統(tǒng)計報表 重點調查 典型調查
3.1.3 間接渠道
統(tǒng)計年鑒等 文獻檢索
3.1.4 數(shù)據(jù)的誤差
抽樣誤差
非抽樣誤差 誤差的控制
3.1.5 【例】附件-數(shù)據(jù)收集及質量控制
3.2 統(tǒng)計數(shù)據(jù)的整理
3.2.1 數(shù)據(jù)的預處理
3.2.2 統(tǒng)計分組
單變量值分組
組距分組 累積頻數(shù)
3.2.3 數(shù)據(jù)分布的圖示和類型
直方圖 折線圖
3.2.4 洛倫茨曲線
基尼系數(shù)
3.2.5 【例】數(shù)據(jù)質量的評估和控制
3.3 分布集中趨勢的測度
3.3.1 眾數(shù)
3.3.2 中位數(shù) 3.3.3 均值
簡單算術平均 加權算術平均
3.3.4 幾何平均
3.3.5 眾數(shù)、中位數(shù)和均值的比較
3.3.6 【例】從平均數(shù)到中位數(shù)的演進
3.4 分布離散程度的測度
3.4.1 極差
3.4.2 內距
3.4.3 方差和標準差
3.4.4 標準差的作用
3.4.5 離散系數(shù)
3.4.6 偏態(tài)系數(shù)和峰度系數(shù)
偏態(tài)系數(shù) 峰度系數(shù) Subtopic
3.4.7 【例】中國和美國的 “胖”的量化對比
3.5 統(tǒng)計圖與統(tǒng)計表
3.5.1 統(tǒng)計表
3.5.2 統(tǒng)計圖
莖葉圖 箱線圖
分布的形狀與箱線圖
3.6 【例】拿破侖真的是“矮子 ”嗎？
4 數(shù)據(jù)分析在企業(yè)中應用
4.1 數(shù)據(jù)整理方法
4.1.1 從數(shù)據(jù)建模說起
4.1.2 二維報表的數(shù)據(jù)存儲方法
4.1.3 數(shù)據(jù)庫的存儲方法
4.2 數(shù)據(jù)分析邏輯
4.2.1 問題的確定
4.2.2 圍繞問題收集數(shù)據(jù)
4.2.3 分析方法的選擇
4.2.4 分析方法具體運用
4.2.5 效果的后評估
4.3 企業(yè)的 KPI 舉例
4.3.1 離職率
4.3.2 人工成本
4.3.3 銷售數(shù)據(jù)
4.4 數(shù)據(jù)如何篩選
4.4.1 數(shù)據(jù)的口徑一致問題
4.4.2 數(shù)據(jù)之間的血緣分析
4.4.3 關鍵變量選擇
4.4.4 數(shù)據(jù)的計算過程
4.5 如何編寫數(shù)據(jù)報告
4.5.1 如何學習寫劇本
4.5.2 如何選定問題
4.5.3 如何設置敘事邏輯
4.5.4 組織相關數(shù)據(jù)
4.5.5 如何讓別人懂得分析結果
4.6 條件概率和乘法公式的應用
4.6.1 條件概率
4.6.2 乘法定理
4.7 全概率公式和貝葉斯公式的應用
4.7.1 全概率公式與貝葉斯公式
4.7.2 事件的相互獨立性
4.7.3 重要定理和結論
4.8 【例】 一些應用例題
5 制造業(yè)的數(shù)理統(tǒng)計應用案例
5.1 制造業(yè)統(tǒng)計學應用基礎
5.1.1 “數(shù)據(jù)一思考， 老板就發(fā)笑 ”
5.1.2 通用汽車的“4mm 工程”啟示
5.1.3 制造業(yè)的管理水平評估角度——數(shù)據(jù)
5.2 制造業(yè)問題及對產銷經營影響
5.2.1 制造業(yè)現(xiàn)場
5.2.2 現(xiàn)場改善的基礎原則
5.2.3 依賴系統(tǒng)化科學方法
5.2.4 【例】豐田的現(xiàn)場管理經驗
5.3 問題發(fā)掘與分析解決步驟/理念
5.3.1 現(xiàn)場問題的三個來源
5.3.2 解決現(xiàn)場問題的四個步驟
5.3.3 選擇改善的主題
5.3.4 運用 I.E.手法
5.3.5 將改善落實于現(xiàn)場
5.3.6 運用稼動率分析技巧進行改善
5.3.7 工作抽樣的進行程序
5.3.8 績效分析法
5.3.9 現(xiàn)場問題分析技巧
MS 法 PS 法
5.3.10 分層圖（Pareto）分析
5.4 現(xiàn)場品質控制問題
5.4.1 進料不良問題的分析與解決
5.4.2 進料檢驗方法的改善
外協(xié)廠商的管控
5.4.3 制程不良問題的分析與解決
5.4.4 Fool Proof 介紹
5.4.5 工序控制
工序能力
工序能力與公差 工序能力指數(shù)
5.4.6 設計工藝問題的分析與解決
5.5 進度交期問題的分析與解決
5.5.1 生產管理問題分析與解決
5.5.2 生產排程的兩大重點
5.5.3 大日程計劃量與生產批設定
5.5.4 粗略產能負荷管理基本格式
5.5.5 主排程的負荷展開主排程的負荷展開
5.5.6 細排程適用范圍
5.5.7 MRP 模式的運用
5.5.8 物料可用量計算
5.6 現(xiàn)場成本問題
5.6.1 直接材料成本問題的分析與解決
5.6.2 價值工程和價值分析
5.6.3 價值的三要素
5.6.4 價值分析的 12 步工序
5.6.5 降低材料用量
5.6.6 直接人工成本問題分析與解決
5.6.7 流程線路圖分析
5.7 現(xiàn)場效率問題
5.7.1 人均效率問題分析與解決
5.7.2 工作指導的六大步驟
5.7.3 工作教導的八個順序
5.8 【思考】機器學習對制造業(yè)的影響
6 企業(yè)的大數(shù)據(jù)收集與整理
6.1 企業(yè)有哪些 IT 系統(tǒng)？
6.1.1 叢 ERP 系統(tǒng)開始
6.1.2 OA 系統(tǒng)的數(shù)據(jù)價值
6.1.3 CRM 系統(tǒng)中的數(shù)據(jù) ”提純“
6.1.4 財務數(shù)據(jù)的”洞察“
6.1.5 【調研】康明斯還有哪些數(shù)據(jù)？
6.2 內部能夠產生哪些數(shù)據(jù)？
6.2.1 客戶類的數(shù)據(jù)？
6.2.2 產品類的數(shù)據(jù)？
6.2.3 生產管理數(shù)據(jù)？
6.2.4 營銷類數(shù)據(jù)？
6.2.5 人力資源數(shù)據(jù)？
6.2.6 財務數(shù)據(jù)？
6.2.7 非結構化數(shù)據(jù)
視頻中的數(shù)據(jù)價值
地圖數(shù)據(jù)的價值分析
6.2.8 【例】 GE 的發(fā)動機案例
6.3 如何叢外部獲取數(shù)據(jù)？
6.3.1 什么是數(shù)據(jù)的”維度“？
6.3.2 外部數(shù)據(jù)有哪些？
6.3.3 互聯(lián)網數(shù)據(jù)的內容和特點
6.3.4 電信數(shù)據(jù)的內容和特點
6.3.5 車聯(lián)網的數(shù)據(jù)呢？
6.3.6 其它的”數(shù)據(jù)金礦 “
6.3.7 如何獲取這些外部數(shù)據(jù)？
6.3.8 【例】百度大數(shù)據(jù)的對外服務產品
6.4 如何將單點數(shù)據(jù)連接起來？
6.4.1 企業(yè)級數(shù)據(jù)模型
6.4.2 標準的數(shù)據(jù)字典
6.4.3 元數(shù)據(jù)的概念
6.4.4 數(shù)據(jù)治理的內容
6.5 如何連接客戶的各種數(shù)據(jù)？
6.5.1 客戶數(shù)據(jù)的內容和種類
6.5.2 車企能夠掌握的數(shù)據(jù)
6.5.3 如何跨維度串聯(lián)你客戶的數(shù)據(jù)？
6.6 如何改進數(shù)據(jù)的質量？
6.6.1 什么是數(shù)據(jù)質量？
數(shù)據(jù)質量表現(xiàn)形式
是業(yè)務質量還是管理質量？
如何借助數(shù)據(jù)質量管理發(fā)動機產品質量？
6.6.2 數(shù)據(jù)質量的基本分析方法
血緣分析 影響分析
波動分析等方法
如何讓人人參與數(shù)據(jù)質量工作中？
6.6.3 元數(shù)據(jù)的概念和基礎
6.6.4 數(shù)據(jù)質量的關鍵點
為什么是 60%的工作量
不僅是技術問題
漫長而痛苦，卻無法超越
6.7 【思考】汽車企業(yè)如何收集數(shù)據(jù)？
6.7.1 內部數(shù)據(jù)的梳理
6.7.2 外部數(shù)據(jù)的選擇
6.7.3 如何產生更多的”金子“？
6.7.4 如何評估這些數(shù)據(jù)的質量？
6.7.5 如何打通這些數(shù)據(jù)的“聯(lián)通”？
7 總結

段方老師的其它課程