📋 教学大纲

SYSEN 5300 — 面向可靠系统设计与运行的系统工程与六西格玛（Cornell University）。课程教材：Sigma：R 与 Python 中的质量与可靠性工程。

本课程旨在培养在可靠系统的设计、运行与控制方面的基本概念、分析能力与实用工具——包括六西格玛绿带与黑带培训——并覆盖各类系统。课程涵盖学员成为系统可靠性分析／管理以及六西格玛推进工作的骨干所需的完整知识体系。

课程学习成果

课程结束时，学生将能够开展：

• 风险分析——不确定条件下的风险评估与刻画，包括失效模式与影响分析（FMEA）、故障树与事件树。
• 可靠性建模——部件与系统可靠性，包括物理加速模型。可靠性是指系统或部件在规定条件下、于规定时间内完成其规定功能的能力；它是更广义风险分析图景中的一个要素。
• 质量控制——用于质量监控与改进的六西格玛与统计过程控制，包括在性能开始劣化时及时发现，以便采取纠正措施。
• 系统改进——通过试验设计与响应曲面估计，改进并优化系统的可靠性设计，从而催化创新、问题求解与新的发现。

本课程适合谁？

若符合以下任一情况，本课程对你的职业目标会特别有帮助：

• 希望取得六西格玛绿带或黑带认证的工程师。
• 希望提升统计学与数据科学能力的工程师。
• 需要测量产品可靠性、开展质量控制分析并为系统改进设计试验的工程师与分析人员。
• 希望熟练掌握一门开源编程语言的分析人员。

课程基本信息 2025 年秋季学期

答疑时间安排在每周二、周四与周五，具体时段不固定 2025 年秋季学期。请在 bit.ly/office_hours_fraser 查看最新安排并预约。

每周安排 2025 年秋季学期

• 周二——讲授课。通过幻灯片、板书与讨论引入本周的核心概念。
• 周四——实操课。统计与编程实操课，动手应用当周概念。
• 周五——研讨课（必须参加）。复习课。

编程培训／教程应在本周第一次课之前完成。

需要交什么、什么时候交

每一周都遵循同样的基本节奏：课堂 ↔ 实验 ↔ 发布在 Canvas 上的每周截止安排。

• 课堂通过案例研究讲解当周概念（即上文的周二讲授课）。
• 实验——动手完成的 Live Lab（见 Labs），将概念应用到一份实时、未曾见过的数据集上。实验在课程服务器上运行，使用你的 Cornell 账号登录即可打开——无需访问码。面授学生在离开教室前提交；远程学习的学生在下一个周一之前提交。
• 每周截止——当周的学习检测（章节选择题＋理由说明，见 Assignments）与课堂活动到期提交；具体的截止时点（校内学生较早，远程学习学生较晚）标注在每个 Canvas 条目上。

该节奏的逐日版本请见 Calendar。

对于满足下述项目与成绩要求的学员，绿带与黑带证书由 Cornell 系统工程项目主任签发。

学生还可能有机会获得 CSSC 证书——当前要求请见 Canvas。

课程中所有人都完成同样的六类学习任务。项目仅面向 4 学分学生——它属于六西格玛黑带方向（见认证）。如果你注册的是 3 学分，则不需要完成项目，其余五类任务会按比例重新缩放至 100%。

2026 年新规：期中带回家考试与 24 小时六西格玛黑客松两者都是必做的。往年这两项是二选一，现在不再如此。二者各自单独占 10%（4 学分）／≈14.3%（3 学分）。

仅在作业 1–6 中剔除成绩最低的一次——七次作业题集中有六次计入最终成绩。作业 7 是带回家的期末考试，不得剔除，一定计入成绩。

各类别的含义

• 作业 — 30% / ≈42.9%。共七次题集；仅剔除作业 1–6 中最低分的一次。作业 7（带回家的期末考试）不得剔除。
• 口试 — 10% / ≈14.3%。与教学团队中的一位老师进行的一对一简短交流，谈你的项目以及到目前为止的课程内容——无需提交任何材料，也不必带笔记。评分看的是你能否讲清楚自己的工作、并用本课的工具口头推理，而不是背公式。报名时段与具体时间将在 Canvas 上公布。完整说明见 Assignments → Oral Exam。
• 期中考试 — 10% / ≈14.3%。带回家的期中考试。必做。
• 六西格玛黑客松 — 10% / ≈14.3%。24 小时黑客松。必做。
• 课堂活动 — 10% / ≈14.3%。每一项课堂活动都在 Canvas 上提交，各计 1 分，按完成情况评分——只要完成就得分，而不看答得对不对。例外是随堂测验，其按正确率评分。学习检测与课程问卷（学期中、学期末、团队协作与包容性问卷）同样属于 1 分制的活动。课堂参与并入这一类别——不设单独的参与分；到场并投入其中，正是这些活动所衡量的内容。
• 项目 — 30%，仅限 4 学分学生。六西格玛黑带项目。3 学分学生完全没有这一类别。

课堂活动的截止时间

校内学生需在该项活动的课堂截止时点之前提交。远程学习学生的截止时间更晚——默认比校内截止时点晚一周。两个截止时点都会显示在 Canvas 条目上；适用于你的那个就是 Canvas 向你显示的那个。

过了截止时点后，活动提交即关闭。活动仅值 1 分，锁定后就直接关闭——每天扣 10% 的迟交处罚适用于作业与项目工作，而不适用于 1 分制的活动。错过一项活动就失去那 1 分；剔除最低分的规则不延伸适用于课堂活动。

各项任务明细

项目交付物的完整时间线与提交方式：Assignments → Project。

等级成绩对照表

示例：89.4 四舍五入为 89%（B+）；89.6 进位为 90%（A-）。

• AI 使用政策

  写作不得使用 AI。你在本课程提交的文字——理由说明、书面分析、项目文本——必须是你自己的表述。随堂测验、口试与期中考试中一律不得以任何形式使用 AI。

  编程可以使用 AI，但总体上不鼓励。本课程是你真正学会编程的机会，把这部分工作交给模型，就等于花掉了你来这里所要争取的东西。

  本页是该政策的唯一出处；站内其他任何地方都不重述它。

• 迟交、延期与重新评分

  不允许迟交作业。在截止日期之后提交的作业每迟一天扣 10%。

  延期仅在极端特殊情况下（例如医疗急症、育儿事由、丧事）才可能被考虑。学生必须在截止时间之前以书面形式提出延期申请。

  不设曲线调分——原则上本课程不进行曲线调分。

  重新评分申诉须以书面形式向授课教师提出（并抄送助教），需给出理由并援引课堂笔记或阅读材料，且须在评分材料发回后一周之内提出。整份作业会被重新评阅，而不只是有争议的那部分——重新评分的结果可能提高，也可能降低分数。

• 学习便利安排

  Cornell 致力于让所有学生获得充分的融入。学生残障服务处（SDS）负责认定便利安排的资格，并与学生和教师共同落实这些安排。请尽早在学期内联系 SDS：www.sds.cornell.edu，607-254-4545。任课教师非常乐意帮助你获得应得的便利安排。

• 学术诚信

  每一份作业的开头都必须附上以下签署声明：

  “我在本次作业中既未给予他人、也未接受过未经许可的帮助。签名：[在此填写你的姓名]。”

  我们只批改附有该声明的作业——签署它就是你的承诺，作为交换，我们默认你说的是实话。学生应遵守 Cornell University 学术诚信准则。就作业而言，我们鼓励你们互相帮助理解材料、共同探讨解题思路——但每位学生都必须自己推演并独立撰写自己的解答。如果你们在某个电子表格、模型或工具上有过合作，请在书面说明中明确写出，并给出你自己对结果的解读。抄袭（照抄答案、使用 Chegg/Bartleby、把他人成果冒充为自己的）一律记零分并上报学校，无一例外——若是小组作业，则对小组每一名成员均适用。

• 个人行为规范

  系统工程项目要求在本课程的每一个环节中都保持尊重、专业的参与和沟通。不尊重他人、违背职业道德或不专业的行为不会被容忍，并可能导致课程不及格和／或被项目除名。

• 包容的学习环境

  Cornell 支持建设包容的学习环境，在其中多样性与个体差异被理解、被尊重，并被视为一种力量来源。学生应尊重差异，并以审慎的态度与不同于自身的观点、行为方式和世界观进行交流。

• 心理健康与压力支持资源

  如果你感到不堪重负，或担心某位朋友的状况，请联系任课教师或你的学业导师——我们可以提供帮助，或者把你转介给能够帮助你的人。Cornell 的专业辅导资源：Empathy, Assistance & Referral Service (EARS)；Cornell Health Counseling & Psychological Services (CAPS)，607-255-5155；Let's Talk。更多信息见 mentalhealth.cornell.edu。

无需购买任何材料。每一章都可以通过 Playground 直接在浏览器中运行——无需安装任何软件。如果你更愿意在本地操作，请见 Help → R setup 或 Help → Python setup（Posit Cloud，或本地的 Positron/RStudio）。

软件 Software

学生将学习使用 R 或 Python 编程，无需任何 R 或 Python 基础。推荐使用的软件是 Positron——一个精简的数据科学平台。每位同学还会完成一个简短的 Posit Cloud 环境配置活动，这样无需安装任何软件即可在浏览器中运行 R 和 Python。课程项目与黑客松应用将托管在本项目的 Posit Connect 实例上。

推荐参考书 （可选——非必读）

• Statistics for Experimenters: Design, Innovation, and Discovery，第 2 版 — Box, Hunter & Hunter（Wiley）
• Applied Reliability，第 2 版 — Tobias & Trindade（Chapman & Hall/CRC）
• Statistical Methods for Six Sigma in R&D and Manufacturing — Joglekar（Wiley-Interscience）

数据

实操课与实验所用的数据集通过公开的 GitHub 课程代码仓库 分发。