质量管理的数字化转型 发掘潜力、制定策略、优化质量

图书信息

作者：(德)格诺·弗赖辛格等编著编何晖译译

出版社：机械工业出版社

定价：119.00

ISBN：9787111781387

出版时间：2025-07-01

分类：图书,社科经管,管理,质量管理

商品介绍

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

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

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.

主编推荐

《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。