Industrielle Statistik: Ein computergestützter Ansatz mit Python

Industrielle Statistik: Ein computergestützter Ansatz mit Python (S. Kenett Ron)

Originaltitel:

Industrial Statistics: A Computer-Based Approach with Python

Inhalt des Buches:

Dieses innovative Lehrbuch bietet Material für einen Kurs über industrielle Statistik, der Python als pädagogisches und praktisches Hilfsmittel einbezieht. Auf der Grundlage ihrer langjährigen Lehr- und Forschungstätigkeit in verschiedenen angewandten und industriellen Bereichen haben die Autoren den Text sorgfältig zugeschnitten, um ein ideales Gleichgewicht zwischen Theorie und praktischen Anwendungen zu schaffen. Zahlreiche Beispiele und Fallstudien sind durchgängig integriert, und umfassende Python-Anwendungen werden detailliert dargestellt. Ein maßgeschneidertes Python-Paket steht zum Download bereit, mit dem die Studenten diese Beispiele reproduzieren und weitere erforschen können.

Die ersten Kapitel des Textes befassen sich mit den grundlegenden Werkzeugen und Prinzipien der Prozesskontrolle, den Methoden der statistischen Prozesskontrolle (SPC) und der multivariaten SPC. Als nächstes befassen sich die Autoren mit der Planung und Analyse von Experimenten, der Qualitätskontrolle und dem Quality by Design-Ansatz, Computerexperimenten sowie Cybermanufacturing und digitalen Zwillingen. Der Text befasst sich dann mit der Zuverlässigkeitsanalyse, beschleunigten Lebensdauertests und der Bayes'schen Zuverlässigkeitsabschätzung und -vorhersage. Ein abschließendes Kapitel befasst sich mit Stichprobentechniken und Messungen der Inspektionseffektivität. Jedes Kapitel enthält Übungen, Datensätze und Anwendungen, um das Lernen zu ergänzen.

Industrielle Statistik: A Computer-Based Approach with Python ist für einen ein- oder zweisemestrigen Kurs für fortgeschrittene Studenten oder Hochschulabsolventen gedacht. Darüber hinaus kann es in gezielten Workshops verwendet werden, die Theorie, Anwendungen und Python-Implementierungen kombinieren. Forscher, Praktiker und Datenwissenschaftler werden das Buch mit seinen zahlreichen Anwendungen und Fallstudien ebenfalls als nützliche Ressource betrachten.

Ein zweites, eng verwandtes Lehrbuch trägt den Titel Modern Statistics: A Computer-Based Approach with Python". Es behandelt Themen wie Wahrscheinlichkeitsmodelle und Verteilungsfunktionen, statistische Schlussfolgerungen und Bootstrapping, Zeitreihenanalyse und Vorhersagen sowie überwachtes und unüberwachtes Lernen. Diese Texte können unabhängig voneinander oder für aufeinander aufbauende Kurse verwendet werden.

"Dieses Buch ist Teil eines beeindruckenden und umfangreichen Projekts (rund 1.000 Seiten!), das zu zwei bei Birkhuser erschienenen Büchern geführt hat. Dieses Buch befasst sich mit der Industriestatistik, einem Gebiet, auf dem die Autoren als führende Experten anerkannt sind. Das Buch kombiniert klassische Methoden (die nie in Vergessenheit geraten dürfen!) und "heiße Themen" wie Cyber Manufacturing, digitale Zwillinge, A/B-Tests und Bayes'sche Zuverlässigkeit. Es ist in einem sehr zugänglichen Stil geschrieben und konzentriert sich nicht nur auf das WIE der Methoden, sondern auch auf das WARUM. Vor allem die Verwendung von Python im gesamten Buch ist sehr zu begrüßen. Python ist wahrscheinlich die wichtigste Programmiersprache, die in der modernen Analytik verwendet wird. Den Autoren sei herzlich für die Bereitstellung eines solchen State-of-the-Art-Buches gedankt. Es bietet eine umfassende Darstellung von Methoden und Beispielen, die auf der langjährigen Erfahrung der Autoren beruhen, sowie zugänglichen Code zum Lernen und zur Wiederverwendung im Unterricht und bei Anwendungen vor Ort".

Professor Fabrizio RuggeriForschungsdirektor beim Nationalen Forschungsrat, Italien.

Präsident der Internationalen Gesellschaft für Unternehmens- und Industriestatistik (ISBIS)

Chefredakteur von Applied Stochastic Models in Business and Industry (ASMBI)