Industrial Statistics de Ron S. Kenett

Industrial Statistics: Statistics for Industry, Technology, and Engineering

Autor Ron S. Kenett, Shelemyahu Zacks, Peter Gedeck

en Limba Engleză Paperback – 19 iun 2024

Ecosistemul acestei lucrări este construit în jurul limbajului Python, utilizând pachetul dedicat mistat pentru a transforma conceptele teoretice în aplicații industriale imediate. Observăm o tranziție clară de la metodele statistice tradiționale către paradigmele moderne ale Industriei 4.0, volumul integrând biblioteci și fluxuri de lucru esențiale pentru analiza datelor în inginerie. Găsim în această carte un echilibru tehnic între rigoarea matematică și execuția software, fiind acoperite instrumente pentru controlul proceselor, analiza fiabilității și experimente computerizate.

Structura este organizată logic pentru a susține un parcurs de învățare de unul sau două semestre. Primele capitole pun bazele controlului statistic al proceselor (SPC), evoluând rapid spre tehnici multivariate și Design of Experiments (DoE). Reținem includerea unor teme de actualitate precum „digital twins” și „cyber manufacturing”, care fac legătura între statistica clasică și sistemele de producție digitalizate. Spre deosebire de Industrial Statistics with Minitab de XX Tort–Martorell, care se bazează pe o interfață grafică proprietară, lucrarea de față prioritizează programarea, oferind cititorului flexibilitatea codului sursă.

Cititorul care a aplicat deja conceptele fundamentale din Modern Statistics de Ron S. Kenett va găsi aici o continuare firească, orientată spre mediul de producție și inginerie. Dacă lucrarea anterioară a autorului, Process Improvement and CMMI® for Systems and Software, se concentra pe managementul proceselor, acest nou titlu din seria Statistics for Industry, Technology, and Engineering oferă instrumentarul cantitativ necesar pentru validarea și optimizarea acestora prin date.

Citește tot Restrânge

Din seria Statistics for Industry, Technology, and Engineering

15%

Preț: 567^.64 lei
15%

Preț: 457^.40 lei
20%

Preț: 516^.95 lei

Preț: 471^.52 lei

Preț vechi: 589^.40 lei
-20%

Puncte Express: 707

Paperback 471^.52 lei

Hardback 907^.81 lei

Carte disponibilă

Livrare economică 08-22 mai
Livrare express 24-30 aprilie pentru 48^.20 lei

Adaugă în coș

Wish list
Gift list
Am citit!

Adaugă în listă

Specificații

ISBN-13: 9783031284847
ISBN-10: 3031284844
Pagini: 496
Ilustrații: XXIII, 472 p. 1 illus.
Dimensiuni: 155 x 235 x 25 mm
Greutate: 0.84 kg
Ediția:2023
Editura: birkhäuser
Colecția Statistics for Industry, Technology, and Engineering
Seria Statistics for Industry, Technology, and Engineering

Locul publicării:Cham, Switzerland

De ce să citești această carte

Recomandăm această carte inginerilor și oamenilor de știință care doresc să treacă de la analize statice la fluxuri de lucru automatizate în Python. Cititorul câștigă acces la un pachet software dedicat și învață să implementeze tehnologii critice precum monitorizarea proceselor și predicția fiabilității. Este o resursă practică pentru cei care activează în domenii tehnice și au nevoie de metode statistice robuste, adaptate erei digitale.

Despre autor

Ron S. Kenett, Shelemyahu Zacks și Peter Gedeck sunt experți recunoscuți în domeniul statisticii aplicate, cu o experiență vastă atât în mediul academic, cât și în cercetarea industrială. Ron S. Kenett este cunoscut pentru abordările sale inovatoare în îmbunătățirea proceselor și managementul calității, fiind autorul unor lucrări de referință despre CMMI și analiza datelor. Peter Gedeck contribuie prin expertiza sa în dezvoltarea de soluții software, fiind cel care a creat infrastructura Python (pachetul mistat) ce însoțește textele lor teoretice, facilitând astfel tranziția disciplinelor tehnice către modern analytics.

Descriere scurtă

This innovative textbook presents material for a course on industrial statistics that incorporates Python as a pedagogical and practical resource. Drawing on many years of teaching and conducting research in various applied and industrial settings, the authors have carefully tailored the text to provide an ideal balance of theory and practical applications. Numerous examples and case studies are incorporated throughout, and comprehensive Python applications are illustrated in detail. A custom Python package is available for download, allowing students to reproduce these examples and explore others.

The first chapters of the text focus on the basic tools and principles of process control, methods of statistical process control (SPC), and multivariate SPC. Next, the authors explore the design and analysis of experiments, quality control and the Quality by Design approach, computer experiments, and cyber manufacturing and digital twins. The text then goes on to cover reliability analysis, accelerated life testing, and Bayesian reliability estimation and prediction. A final chapter considers sampling techniques and measures of inspection effectiveness. Each chapter includes exercises, data sets, and applications to supplement learning.

Industrial Statistics: A Computer-Based Approach with Python is intended for a one- or two-semester advanced undergraduate or graduate course. In addition, it can be used in focused workshops combining theory, applications, and Python implementations. Researchers, practitioners, and data scientists will also find it to be a useful resource with the numerous applications and case studies that are included.

A second, closely related textbook is titled Modern Statistics: A Computer-Based Approach with Python. It covers topics such as probability models and distribution functions, statistical inference and bootstrapping, time series analysis and predictions,and supervised and unsupervised learning. These texts can be used independently or for consecutive courses.

The mistat Python package can be accessed at https://gedeck.github.io/mistat-code-solutions/IndustrialStatistics/.

"This book is part of an impressive and extensive write up enterprise (roughly 1,000 pages!) which led to two books published by Birkhäuser. This book is on Industrial Statistics, an area in which the authors are recognized as major experts. The book combines classical methods (never to be forgotten!) and "hot topics" like cyber manufacturing, digital twins, A/B testing and Bayesian reliability. It is written in a very accessible style, focusing not only on HOW the methods are used, but also on WHY. In particular, the use of Python, throughout the book is highly appreciated. Python is probably the most important programming language used in modern analytics. The authors are warmly thanked for providing such a state-of-the-art book. It provides a comprehensive illustration of methods and examples based on the authors longstanding experience, and accessible code for learning and reusing in classrooms and on-site applications."

Professor Fabrizio Ruggeri

Research Director at the National Research Council, Italy

President of the International Society for Business and Industrial Statistics (ISBIS)

Editor-in-Chief of Applied Stochastic Models in Business and Industry (ASMBI)

Cuprins

The Role of Statistical Methods in Modern Industry .- Basic Tools and Principles of Process Control.- Advanced Methods of Statistical Process Control.- Multivariate Statistical Process Control.- Classical Design and Analysis of Experiments.- Quality by Design.- Computer Experiments.- Cybermanufacturing and Digital Twins.- Reliability Analysis.- Bayesian Reliability Estimation and Prediction.- Sampling Plans for Batch and Sequential Inspection.

Notă biografică

Professor Ron Kenett is Chairman of the KPA Group, Israel and Senior Research Fellow at the Samuel Neaman Institute, Technion, Haifa Israel and Professor, University of Turin, Italy. He is an applied statistician combining expertise in academic, consulting and business domains.

Shelemyahu Zacks is a Distinguished Professor emeritus in the Mathematical Sciences department of Binghamton University.

He is a Fellow of the IMS, ASA, AAAS and an elected member of the ISI. Professor Zacks has published eleven books and more than 170 journal articles on subjects of design of experiments, statistical process control, statistical decision theory, sequential analysis, reliability and sampling from finite populations. Professor Zacks has served as an Editor and Associate Editor of several Statistics and Probability journals.

Dr. Peter Gedeck, a Senior Data Scientist at Collaborative Drug Discovery, specializes in the development of machine learning algorithms to predict biological and physicochemical properties of drug candidates. In addition, he teaches data science at the University of Virginia and at statistics.com.

Caracteristici

Demonstrates how to incorporate Python into the industrial statistics curriculum Includes over 40 case studies to facilitate experiential learning An accompanying Python package is available for download, allowing students to engage directly with the material