NOT-Statistik umfasst den gesamten Datenanalyse-Prozess und zeigt anhand von zwei Praxisbeispielen die Umsetzung in Minitab R19 und R:

+Planung und Auswahl der Daten
+Prozess-Beschreibung und Ziele der Datenanalyse
+Plausibilitätsprüfung
+Grafiken für Einflüsse und Zusammenhänge
+Modellierung von Ursache-Wirkungs-Beziehungen
+Bewertung der Modell-Qualität und Ansatzpunkte zur Verbesserung
+Nutzung von Modellen für Vorhersagen, Simulationen, Optimierungen, Nachweisführung und Toleranzermittlung

Beispiel 1: Spritzgussprozess
Ziele: Vorhersage von Prozess-Ergebnissen und Ermittlung von Toleranzgrenzen

Beispiel 2: Projektlaufzeit
Ziele: zuverlässige Einschätzung von Projektlaufzeiten, Nachweis maximale Laufzeit

Die angewendeten Methoden (general linear model) gehören zum Bereich Maschinelles Lernen. NOT-Statistik liefert damit einen roten Faden für die Auswertung komplexerer Daten und zeigt, wie die Ergebnisse für die Produktentwicklung und Prozessoptimierung genutzt werden können. Die Daten und Programmdateien sind online verfügbar. Alle Beispiele können Schritt für Schritt selbständig nachvollzogen werden.

NOT-Statistik: Nachweis - Optimierung - Toleranzermittlung