Цитаты из книги «Практическое руководство по статистическому управлению процессами»

в результате отсутствия системного подхода всегда принимается в конечном счете неверное решение

Статистическое мышление — это умение принимать системные решения в мире, подверженном вариабельности.

Нельзя научиться чему-либо, если делать все правильно…

Сама по себе эта операция вполне поддается автоматизации, но только после того, как выбраны тип карты и правила образования подгрупп. Затем надо проанализировать полученную карту, то есть проверить наличие

данных с машинным обучением, в основе которого лежат все те же статистические методы кластер-анализа, а также механизмы принятия решений.

термин «искусственный интеллект», видимо, принадлежит Алану Тьюрингу, которого очень интересовал вопрос о том, может ли машина мыслить [Тьюринг 1960]. Пока ясно, что если машина и будет мыслить, то, скорее всего, не так, как человек. То, что сейчас понимается под искусственным интеллектом, — это смесь сбора, обработки и анализа

Контрольные карты Шухарта, как и другие методы SPC, возникли в мире, в котором еще не было современных компьютеров, интернета и многого другого. Их применение и развитие в первые 95 лет существования привели к мысли о том, что они принадлежат к классу алгоритмически неразрешимых задач. Это означает, что мы не умеем их автоматизировать. Попытки, предпринятые Дж. Боксом и его учениками в самом конце прошлого века [Box, Luceno 1994], не были признаны полностью успешными.

Адептам этого нового подхода кажется, что можно забыть многие классические методы сбора и анализа данных с многочисленными проблемами их сбора и анализа, накопившимися за многие десятилетия.

С ростом технических возможностей у людей растут и потребности в наилучшем использовании этих возможностей. Это хорошо видно на примере больших данных (Big Data). Как только сбор данных резко подешевел благодаря многочисленным датчикам, штрихкодам и встроенным компьютерам, появилась идея таких программных продуктов, которые позволяют объединить в единую сеть большое число обычных компьютеров, а такая сеть способна обрабатывать огромные объемы данных, что немыслимо для обычных компьютеров. Больше того, удалось резко ослабить требования к однородности и упорядоченности собираемых данных, что, в свою очередь, существенно снижает затраты. И дело не только в затратах: открываются новые возможности, которые действительно меняют практически все, что нас окружает.

Без операциональных определений исследования проблем будут дорогостоящими и неэффективными, почти наверняка приводя к бесконечным спорам и противоречиям.