Cursos de formación
ANALÍTICA DE DATOS Y MEJORA DE PROCESOS
Los procesos, además de fabricar productos o proveer servicios, pueden proporcionar datos que, inteligentemente generados, analizados y combinados con el conocimiento técnico y la experiencia, agilizan y rentabilizan el proceso de toma de decisiones para la mejora de la calidad y la productividad.
Cursos de formación:
- Seis Sigma: niveles Green y Black Belt
- Diseño de Experimentos para la Optimización de Procesos
- Mejora y Optimización de Procesos mediante Análisis Multivariante de Datos
- Análisis Multivariante de Imágenes: Fundamentos y Aplicaciones
Formación Seis Sigma
Green Belt
Este curso aborda las cinco etapas del ciclo DMAIC (Definir, Medir, Analizar, Mejorar y Controlar), capacitando en estrategias y técnicas para la mejora de procesos y la resolución de problemas.
Black Belt
Complementa el nivel Green Belt con técnicas eficaces para planificar, ejecutar y analizar experimentos con el fin de optimizar procesos, incrementando el impacto económico obtenido en relación a lo que puede conseguirse con la formación Green Belt.
Comprende dos cursos que pueden cursarse simultáneamente con el Green Belt:
- Curso Seis Sigma Black Belt
- Diseño de Experimentos para la Optimización de Procesos
Cursos relacionados
Diseño de Experimentos para la Optimización de Procesos
Capacita en técnicas eficaces para planificar, ejecutar y analizar experimentos con el fin de optimizar procesos.
Mejora y Optimización de Procesos mediante Análisis Multivariante de Datos
Capacita en técnicas de análisis multivariante de datos, como PCA y PLS, para extraer, a partir de los datos registrados en entornos industriales complejos, información útil para entender, detectar fallos, elaborar predicciones y mejorar procesos donde se registren una gran cantidad de datos.
Análisis Multivariante de Imágenes: Fundamentos y Aplicaciones
Ofrece técnicas avanzadas de análisis de imágenes, desde escala de grises hasta hiperespectrales, utilizando métodos estadísticos multivariantes basados en variables latentes, como PCA y PLS, así como de Machine Learning, para la detección de defectos, monitorización de procesos y predicción de características críticas.