Certification Lean Six-Sigma Green Belt IASSC Bootcamp
4.5 (1 rating)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
18 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Certification Lean Six-Sigma Green Belt IASSC Bootcamp to your Wishlist.

Add to Wishlist

Certification Lean Six-Sigma Green Belt IASSC Bootcamp

Passez votre certification LEAN SIX-SIGMA GREEN BELT! Vous n'avez besoin de personne!
4.5 (1 rating)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
18 students enrolled
Created by Marc-Noël FAUVEL
Last updated 1/2017
French
Price: $200
30-Day Money-Back Guarantee
Includes:
  • 8 hours on-demand video
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • Connaitre les techniques d'analyse statistiques liées à l'amélioration des processus
  • Connaitre les techniques d'amélioration basées sur la donnée
View Curriculum
Requirements
  • Il est impératif d'avoir suivi la formation Lean Six-Sigma Yellow Belt IASSC
Description

A la fin de ce programme, vous connaitrez toutes les techniques d'interprétation de données liées aux tests d'hypothèses, régression et autre méthodes d'analyses statistiques. 

Vous connaitrez également les méthodes de projection et d'optimisation utilisées pour évaluer les améliorations aux processus.

Le programme de la formation est le suivant:

  • Introduction
  • Phase “Analyze”
    • Introduction à la phase Analyze
    • “X” Sifting
    • Effectuer une analyse mulit-variances
    • Interpréter un graphe multi-variances
    • Interpréter les données d'analyse
    • Inférence Statistique
    • Expliquer la signification de l'inférence statistique
    • Décrire les bases du théorème central limite
    • Décrire les impacts de la taille d'échantillon sur l'estimation de la population
    • Expliquer l'erreur standard
    • Introduction aux tests d'hypothèse
    • Comprendre les objectifs des tests d'hypothèse
    • Expliquer le concept de tendance centrale
    • Se familiariser avec les différents types de tests d'hypothèse
    • Test d'hypothèse avec des données normales Partie 1
    • Déterminer la bonne taille d'échantillons pour le test de moyennes
    • Tests d'hypothèse variés sur les moyennes
    • Analyser et interpréter les résultats
    • Test d'hypothèse avec des données normales Partie 2
    • Etre capable de conduire des tests d'hypothèse de variances
    • Analyser les résultats de tests d'hypothèse sur les variances
    • Tests d'hypothèse sur des données de variance égale
    • Test d'hypothèse sur les médianes
    • Analyser et interpréter les résultats
    • Test d'hypothèse avec des données non-normales (2)
    • Calculer et expliquer les tests de proportions
    • Calculer et expliquer les tests de contingence
  • Phase “Improve”
    • Modélisation de processus par régression
    • Effectuer les étapes de l'analyse par corrélation et régression linéaire
    • Expliquer quand la corrélation et la régression sont appropriées
    • Modélisation avancée de processs
    • Réaliser une régression linéraire et non-linéaire
    • Réaliser une régression linéaire multiple (MLR)
    • Mener une analyse des résidus et comprendre leurs effets
    • Concevoir un plan d'expérience
    • Déterminer la raison du plan d'expérimentation
    • Décrire les différences entre le modèle physique et un plan d'expérience (DOE: Design Of Experiment)
    • Expliquer une expérimentation OFAT et ses faiblesses
    • Créer un plan d'expérience factoriel complet
  • Phase “Control”
    • Expérimentation avancée
    • Analyse de Capabilité
    • Comprendre l'importance de la capabilité du processus dans la phase de controle
    • Sélectionner la bonne méthode pour l'analyse de capabilité basée sur le type de distribution de données du processus
    • Interpréter les sorties des fonctions de capabilité de MINITABTM’
    • Comprendre comment utiliser la Capabilité du processus pendant toutes les phases du DMAIC

Vous trouverez les activités suivantes:

  • un chat pour discuter en synchrone entre stagiaires
  • un forum pour échanger entre stagiaires ou avec votre formateur
  • de nombreuses ressources à télécharger (fichiers, vidéos, ...)
  • un quiz corrigé de 50 questions pour valider vos connaissances

Avec ce cursus, vous aurez une vue de l'ensemble de la méthodologie Lean Six-Sigma, excepté le design of experiment, qui vise à collecter des données de processus complexes.

Who is the target audience?
  • Toute personne cherchant un moyen d'améliorer un processus métier
  • Toute personne cherchant l'excellence opérationnelle
  • Chargés d'amélioration continue
Compare to Other Lean Courses
Curriculum For This Course
67 Lectures
08:07:24
+
Commencez ici
9 Lectures 01:25:24

01.02-analyze-methodology
06:12

01.03-analyze-introduction_to_analyze
03:38

01.04-analyze-Multi-vary_study
10:05

01.05-analyze-multi-vary_example
09:40

01.06-analyze-classes_of_distributions
03:59

01.07-analyze-non-normal_data
14:53

01.08-analyze-inferential_statistics
10:40

01.09-analyze-inferential_statistics-2
15:35
+
Phase ANALYZE
30 Lectures 03:20:55
02.01-analyze-introduction_to_hypothesys_testing
01:07

02.02-analyze-purpose_of_hypothesys_testing
02:29

02.03-analyze-Hypothesys_testig
11:33

02.04-analyze-judges_and_lawyers
03:28

02.05-analyze-Hypothesis_testing_risks
12:58

02.06-analyze-power_of_a_test
07:23

02.07-analyze-Hypothesis_testing_roadmap
07:06

02.08-analyze-Hypothesis_testing_normal_data-1
08:17

02.09-analyze-1-sample_t-test_example
13:52

02.10-analyze-1-sample_t-test_manual_calculation_example
05:32

02.11-analyze-1-sample_t-test_exercie-2-sample_t-test
04:31

02.12-analyze-2-sample_t-test_example
08:45

02.13-analyze-2-sample_t-test_exercise
05:25

02.14-analyze-2-sample_t-test_unequal_variances-2-paired_sample_t-test
11:57

02.15-analyze-2-sample_paired_t-test_example
02:50

02.16-analyze-hypothesis_testing_part-2-_1-sample_variance_test-test_of_variance
12:06

02.17-analyze-test_of_variance_exercise_2
02:26

02.18-analyze-back _to_roadmap
01:39

02.19-analyze-ANOVA_examples-residuals_analysis
05:33

02.20-analyze-Anova_exercise
04:22

02.21-analyze-hypothesis_testing_non_normal_data
06:23

02.22-analyze-exercise_on_non-normal_data-1-sample_sign_example
11:22

02.23-analyze-mann-Whitney
03:51

02.24-analyze-mood_test_and_exercise
07:51

02.25-analyze-unequal_variances-causes-example-exercise
06:40

02.26-analyze-hyp_testing_non_normal_data-2-attribute
04:24

02.27-analyze-proportion_vs_target-exercise
07:38

02.28-analyze-proportion_vs_target-comparing_2_props
07:29

02.29-analyze-comparising_2_props-exercise
01:58

02.30-analyze-contingency_tables
10:00
+
Phase IMPROVE
24 Lectures 02:55:37
03.01-improve-welcome-process_modeling_regression
10:58

03.02-improve-limits_of_correlation-correlation_example
04:29

03.03-improve-regression_analysis
07:42

03.04-improve-residuals_analysis
06:53

03.05-improve-modeling_exercise
06:32

03.06-improve-MLR-correlation_and_regression_review
07:42

03.07-improve-regression_roadmap
03:03

03.08-improve-single_regression_example-types_of_non-linear_relationships-mailin
09:25

03.09-improve-confidence_and_prediction_intervals
03:19

03.10-improve-transforming_process_data
06:08

03.11-improve-MLR-MLR_roadmap
07:08

03.12-improve-flight_regression_example-matrix_plot
05:35

03.13-improve-flight_regression_example-best_subsets
11:02

03.14-improve-fligh_regression_example-final_regression-residual_analysis
08:53

03.15-improve-designing_experiments
11:15

03.16-improve-DoE_models_vs_physical_models
12:23

03.17-improve-nomenclature_for_factorial_experiment
07:33

03.18-improve-catapult_exercise
06:45

03.19-improve-Graphical_DoE_analysis
07:18

03.20-improve-interaction_plots-DoE_methodology-full_factorial_design
04:57

03.21-improve-DoE_full_factorial_design
04:40

03.22-improve-Advanced_experiments
05:10

03.23-improve-Steepest_ascent
08:22

03.24-improve-Steps_for_steepest_ascent
08:25
+
Phase CONTROL
4 Lectures 25:28
04.01-control-Advanced_capability
07:05

04.02-control-Discrete_capability-Poisson_and_binomial
07:15

04.03-control-Continuous_capability-non_normal_data
07:49

04.04-BRAVO!
03:19
About the Instructor
Marc-Noël FAUVEL
4.2 Average rating
89 Reviews
346 Students
8 Courses
MBA, PhD, ITIL Expert, PMP, PRINCE2, LEAN SIX-SIGMA, ...

Ancien directeur de la MOA d'un ETI et ancien DSI d'une structure de 2500 personnes.

Marc-Noël a 20 ans d'expérience de directeur opérationnel, et 15 ans d'expérience en tant que formateur. Il a mis en oeuvre les référentiels qu'il enseigne de façon opérationnelle.

Marc-Noël forme des professionnels depuis 2001 et intervient régulièrement dans différentes écoles (comme l'Ecole Centrale Paris). Il a formé plus de 4.000 stagiaires depuis le début de sa carrière de formateur.

Dans ses cours, il apporte de nombreux retours d'expérience opérationnels liés à ses différents postes et à ses missions de conseil.

Titulaire d'un doctorat en informatique et d'un Executive MBA, Marc-Noël accompagne également les créateurs et repreneurs d'entreprises. Il est actif dans plusieurs associations et intervient régulièrement dans des conférences sur le management et les SI.