如果您想深入学习六西格玛,或者想加强和扩展您对六西格玛和精益绿带级别基本内容的了解,本课程就是为您量身打造的。六西格玛技能受到国内外雇主的广泛欢迎。事实证明,这些技能有助于改善业务流程和绩效。本课程将带您深入了解与六西格玛 DMAIC 结构的 "定义 "和 "测量 "阶段相关的原则和工具。 强烈建议您在开始本课程之前,先完成 "黄带专业化 "和 "六西格玛与组织(高级)"课程。 在本课程中,讲师将向您介绍并让您应用六西格玛的一些重要工具和指标。本课程将为您提供与六西格玛和精益相关的团队动态和绩效、流程分析、概率、统计、统计分布、数据收集和汇总、测量系统分析、流程和绩效能力以及探索性数据分析等方面的高级知识。
通过 Coursera Plus 提高技能,仅需 239 美元/年(原价 399 美元)。立即节省

您将获得的技能
- Process Improvement
- Performance Measurement
- Statistical Methods
- Probability
- Process Analysis
- Quality Improvement
- Statistics
- Data Collection
- Six Sigma Methodology
- Probability & Statistics
- Team Management
- Process Capability
- Lean Six Sigma
- Team Building
- Business Process
- Process Mapping
- Regression Analysis
- Statistical Analysis
- Exploratory Data Analysis
- Sampling (Statistics)
要了解的详细信息

可分享的证书
添加到您的领英档案
作业
16 项作业
授课语言:英语(English)
了解顶级公司的员工如何掌握热门技能

积累特定领域的专业知识
本课程是 六西格玛绿带 专项课程 专项课程的一部分
在注册此课程时,您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书

该课程共有7个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(225个评价)


从 领导与管理 浏览更多内容
状态:免费试用Kennesaw State University
状态:免费试用Kennesaw State University
状态:免费试用Kennesaw State University
状态:免费试用Kennesaw State University
人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'

Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'

Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
79.51%
- 4 stars
16.65%
- 3 stars
2.92%
- 2 stars
0.45%
- 1 star
0.45%
显示 3/1333 个
D
已于 Jul 29, 2020审阅
Muy buen curso, mucha información útil, es excelente para repasar algunos temas (estudio ingenieríaindustrial).
JH
已于 Jun 17, 2023审阅
It was a lot of numbers and the formulas are hard to incorporate considering the speed of some of the videos. Other than that it was a great course, with a lot of useful content.
LT
已于 Nov 15, 2020审阅
Lots of math. It would be a great course to take if you do statistics, or want to learn about the math behind data analysis.



