额外花费 120 小时推动改进时，您会怎么做？| What Would You Do with an Extra 120 Hours to Drive Improvement?
Hermann Miskelly 是一家价值 15 亿美元的工业公司的质量副总裁，他负责领导该公司的持续改进工作。现在，他已有 10 年的精益六西格码部署经验，他监督过 4,000 多个大型改进项目和另外 6,000 个小型改进项目的执行。下面是他分享的关于借助 Minitab Engage 管理持续改进项目的三个关键见解。
使用 Engage 或 Workspace 创建 Monte Carlo 模拟的 4 个简单步骤 | The 4 Simple Steps for Creating a Monte Carlo Simulation with Engage or Workspace
今天我们将介绍如何使用 Minitab 为已知的工程公式和 DOE 方程创建 Monte Carlo 模拟。
将优秀项目部署留在阴影之下的 5 大挑战 | 5 Challenges that Keep Even the Best Project Deployments in the Shadows
为什么很多改进计划最终会被搁置一旁？一开始公司领导通常会支持这些工作，那么从在最高管理层的大力支持下启动部署之日到结束部署之日，发生了什么？
在 Minitab Statistical Software 中进行扩展量具 R&R 研究 | Expanded Gage R&R Studies in Minitab Statistical Software
量具 R&R 研究可以告诉您测量系统生成的数据是否值得信赖。遗憾的是，严格的数据要求和其他限制可能会让量具 R&R 研究难以进行分析，并可能无法解释所有重要因子。
您的测量系统准确吗？请使用量具 R&R 找出答案 | Are Your Measurement Systems Accurate? Use Gage R&R to Find Out
大多数测量系统都包含一些变异，我们可以使用量具重复性与再现性研究（量具 R&R）来量化其变异并对测量系统进行评估。
突然有许多项目想法？让我们看看指导委员会如何在 Engage 中工作 | Got a Flurry of Project Ideas? Let’s Look at How Steering Committees Work in Engage
组织以过程改进的名义执行了无数项目。无论是减少缺陷还是确保呼叫中心能够以最佳方式解决问题，组织最终都希望满足客户的需求并帮助其业务取得成功。但是，由于时间和资源有限，组织只能将这么多的想法变成完全合格的项目。这就是项目指导委员会的用武之地。
棒球球场之争的方差分析与均值分析 | The Battle of the Baseball Parks with ANOVA vs. ANOM
区分 Minitab Statistical Software 能轻松地完成的两种密切相关的分析：方差分析 (ANOVA) 和均值分析 (ANOM)
您曾认为只有编程人员才能处理的六项数据准备任务 | Six Data Preparation Tasks You Thought Only Programmers Could Handle
若您认为需要多年的编码经验、专属编程搭档或超过 1000 个工时才能掌握数据准备，请继续阅读并探索 Connect 可助您征服的任务
在营销使用 Minitab Workspace：奇思妙想头脑风暴 | Using Minitab Workspace in Marketing: Brainstorming for Great Ideas
作为营销人员，我们一直希望能提高效率。在第一篇博客文章中，我曾着重说明，在使用 Workspace SWOT 分析工具和流程图以及使用 Kano 模型时，Minitab Workspace 可以如何帮助您更加关注策略，而减少对繁杂的 PowerPoint 格式设置的关注。
如何使用模拟数据修复过程并改进产品开发？使用 Monte Carlo 查看所有场景 | How Can You Fix the Process and Improve Product Development with Simulated Data? See All the Scenarios with Monte Carlo
当资源有限，或者收集真实数据过于昂贵或不切实际时，如何遵循现实的预测和时间表？模拟数据是否值得信任，可进行准确预测？这就是 Monte Carlo 模拟的用武之地。