Statistics for Engineering (SAFI-M1)
35 HEURES (5 JOURS)
FORMATION EN DISTANCIEL
DE 2000 €HT à 3500 €HT
PERSONNEL CONCERNÉ
Les objectifs et le périmètre de cette formation sont larges. Elle s’adresse donc aux ingénieurs ayant des responsabilités dans la conception, le développement et la fabrication de nouveaux produits, ou dans la gestion de la qualité des produits actuels, qui souhaitent développer des connaissances et des compétences avancées dans l’application de méthodes et d’outils statistiques pour étayer la résolution de problèmes basés sur des modèles et la prise de décision en matière de conception de produits et de processus basée sur des données.
La formation couvre les méthodes pour renforcer l’analyse et la modélisation statistique à partir de données numériques et catégorielles.
PRÉREQUIS
Cette formation étant dispensée en anglais, un niveau d’anglais technique correspondant à une utilisation professionnelle régulière est requis.
La participation au module « Introduction à Python avec Coogle Colab » (SAFI-M0) serait un atout.
Aucune expérience préalable significative de codage n’est requise, mais une certaine expérience serait bénéfique.
Pour les stagiaires qui ne participent pas au module SAFI M0 et qui ne sont pas familiers avec l’environnement Colab, la participation au tutoriel pré-cours est attendue.
OBJECTIFS DE LA FORMATION
A l’issue de ce module, le participant sera capable de :
Démontrer une compréhension critique des principes fondamentaux de la statistique en théorie et en pratique, applicables à une gamme d’activités d’ingénierie, comprenant la spécification de la conception, la sélection du concept et la planification et le rapport de la vérification de la conception du produit.
Appliquer les connaissances et les compétences acquises pour planifier la collecte de données et les activités d’analyse appropriées à une grande variété de scénarios d’ingénierie (y compris l’IAO), et présenter les données pour étayer la résolution de problèmes basée sur des modèles et la prise de décision de conception de produits et de processus basée sur des données.
Maîtriser la pratique de logiciels statistiques spécialisés pour l’analyse des données en utilisant Python dans un environnement Google Colab.
Démontrer ses compétences en matière d’analyse et de résolution de problèmes et sa capacité à communiquer efficacement au sein d’une équipe de projet et à contribuer à l’animation du travail d’équipe.
Professeur Felician CAMPEAN
Felician CAMPEAN est Professeur en ingénierie de la fiabilité automobile et directeur du Centre de recherche automobile de l’Université de Bradford.
Il a travaillé dans l’industrie des roulements avant de rejoindre le monde universitaire en tant que maître de conférences en automatisation de la fabrication. Felician a rejoint l’Université de Bradford en 1998 en tant que chercheur, et a progressé en tant que chercheur principal (2000), maître de conférences en conception compétitive (2005), et professeur en 2011. Felician a dirigé le Bradford Engineering Quality Improvement Centre (BEQIC) depuis 2000.
Depuis 2012, Felician dirige l’Automotive Research Centre, le hub R&KT de l’université pour la collaboration avec l’industrie automobile.En 2016, il a lancé avec le professeur Daniel Neagu (sciences informatiques) l’Advanced Automotive Analytics Laboratory – en collaboration avec Jaguar Land Rover. Felician a établi un vaste historique de collaboration en matière de recherche et de transfert de connaissances avec l’industrie automobile mondiale. Felician a pris le rôle de doyen associé – Recherche et transfert de connaissances à la Faculté d’ingénierie et d’informatique depuis janvier 2017.
Ce cours présente des méthodes de collecte de données d’ingénierie et d’analyse statistique efficaces pour soutenir la résolution de problèmes basée sur des modèles et éclairer la prise de décision de gestion dans la conception et l’ingénierie de systèmes complexes de produits et de processus dans un environnement riche en données.
X
Fondamentaux de la statistique
- Vue d’ensemble des méthodologies d’ingénierie statistique dans le processus de création de produits et tout au long du cycle de vie du système.
- Introduction aux données aléatoires discrètes – distributions uniformes, de Bernoulli et de Poisson.
- Modélisation des données aléatoires continues – les principes fondamentaux de la modélisation statistique, y compris la distribution normale.
- Visualisation et interprétation des données.
X
Modèles de prise de décision
- Intervalles de confiance, test d’hypothèse, puissance et taille de l’échantillon, ANOVA univariée.
Modèles univariés et multivariés
- Corrélation et régression, analyse des résidus, régression multiple.
Données catégorielles
- Introduction au traitement des enquêtes et des données catégorielles à l’aide d’exemples.
- Visualisation des données catégorielles
- Stratification des données
- Théorème de Bayes avec des applications simples.
Mini-Projet
- Renforcement des concepts enseignés par l’application à une étude de cas industrielle
METHODES ET MOYENS PEDAGOGIQUES
La formation est conçue sous forme d’atelier avec une répartition approximative de 50/50 entre les sessions techniques et les exercices pratiques, destinés à expliquer les concepts en s’appuyant sur des études de cas industriels pertinents.
La formation est dispensée en ligne. Le matériel d’apprentissage, y compris les conférences, les tutoriels et les exercices, sera fourni en format électronique avant la formation, avec des exemples de solutions pour les exercices, le cas échéant. Un tutoriel d’introduction à Colab Python sera également fourni.
MOYENS TECHNIQUES
La formation est dispensée sous forme de classe virtuelle sous Teams.
Informations de connexion envoyées au plus tard 2 jours avant la formation.
SUIVI ET EVALUATION
Feuille d’émargement signée chaque demi-journée par le stagiaire et cosignée par la SIA.
Évaluation de l’apprentissage basée sur :
– une présentation individuelle ou en groupe avec argumentation sur un mini projet.
– un plan individuel d’application autour d’un projet spécifique sur le lieu de travail du stagiaire (plan basé sur les méthodes et outils du cours).
Évaluation de la formation par les participants.
Remise d’une attestation de formation.
DELAI D’ACCES
Formation inter-entreprises : inscription au plus tard 2 jours avant la formation
Formation intra-entreprise : organisation sous 2 semaines minimum.
PROCHAINE(S) SESSION(S)
Nous consulter 13-14-20-21-22/03/2024 et 11-12-18-19-20/09/2024
ACCESSIBILITÉ
Les personnes en situation de handicap sont invitées à contacter notre Référent Handicap afin d'étudier ensemble les possibilités de suivre la formation.
ENVOYER UN EMAIL