Corso P18 – DOE – DESIGN OF EXPERIMENT

Sto caricando la mappa ....

Data e ora
04/04/2019 - 05/04/2019 - Ora: 9:00 am - 6:00 pm

Luogo
VALEOin

Categoria corso



DOE - DESIGN OF EXPERIMENT

P18 – DOE – DESIGN OF EXPERIMENT

 

 

L’80% dei costi totali di sviluppo di un prodotto / processo sono “impegnati” prima di aver fabbricato il primo pezzo “buono”. Funzioni maggiormente responsabili sono la Ricerca & Sviluppo, la Progettazione con i relativi test. Enti che traducono i requisiti prestazioni del Cliente in specifiche funzionali e di prodotto. È quindi importante “ottimizzare” al massimo questi step di sviluppo per ottenere le migliori performance, riducendo collaudi ed esperienze a un numero minimo, che consenta di fornire vera informazione agli specialisti. DOE è quindi la metodologia statistica più strutturata per garantire di raggiungere questi obiettivi. Il corso proposto, ricco di esempi applicativi e di interazioni docente-partecipante, consentirà di prendere confidenza con questo approccio “razionale” di sperimentazione e parameter setting, grazie all’uso di SW statistici professionali e MS Excel.

 

A chi è rivolto:

  • Progettisti di prodotto / processisti
  • Ingegneri di processo / di manutenzione
  • Responsabili del processo produttivo
  • Responsabili Testing / Collaudo
  • Quality Managers

 

Apprenderete a …

  • Fornire ai partecipanti l’opportunità di poter confrontarsi su come progettare le prove, e combinazioni migliori per il settaggio di un processo, per gli elementi di una ricettazione, che rendono “ottimale” la prestazione “chiave”
  • Minimizzare gli elementi di disturbo / sovra-specifiche
  • Semplificare le prove inizialmente lunghe, molto costose, grazie a DOE possono essere rese più snelle, semplificate, massimizzando il ritorno informativo
  • Attraverso esempi e “case study” ogni partecipante potrà “praticare” il DOE nei suoi aspetti più caratteristici, chiarendone le potenzialità, i criteri di utilizzo e le possibili applicazioni nel proprio contesto di lavoro

 

Esercitazioni, Progetti e Case Studies:

Procedendo da iniziale richiamo di Statistica Descrittiva e Inferenziale, cui seguiranno i principali Piani Multifattoriali e le relative tecniche di ricerca della “economia” sperimentale limitando il numero di prove, ogni partecipante realizzerà per ognuno di questi passi più analisi dei dati con de-briefing metodologico da parte del relatore

I plus:

Il corso prevede un uso esteso e interattivo di simulazioni statistiche su “casi aziendali” dove DOE ha dato notevoli vantaggi. Ciò sarà svolto direttamente dai partecipanti elaborando dati forniti dal relatore e con supporto software di Minitab™ o equivalenti

 

PREZZO: 

Quota Singola 950€  – Quota Multipla 850€, Valori compresivi di materiale didattico, attestato, coffee break e colazione di lavoro

DATE EDIZIONI:

4-5 Aprile 2019

1-2 Ottobre 2019


PROGRAMMA

1. RICHIAMI DI STATISTICA INDUSTRIALE 

Pensare in modo statistico in Azienda

  • Definire il problema e l’area di indagine
  • Modello “black-box”: risposta, fattori di input e disturbo (Causa-Effetto)

 

Dati… Ma per farne cosa?

  • Tipi di dati / tipi di raccolte dati (dati discreti vs. dati misurabili)
  • Tecniche e procedura di raccolta dati

 

Conoscere / riconoscere la distribuzione statistica dei dati

  • Le distribuzioni di frequenza (dati discreti vs. dati misurabili)
  • Indicatori di “centralità”: media, mediana e moda
  • Indicatori di “dispersione”: range, sigma e coeff. di variazione
  • La “fotografia” di un fenomeno “discreto”: diagrammi di frequenza (Pareto,…)

 

Comprendere e stimare la probabilità (rischio) di un dato evento

  • Concetto di variabile casuale
  • Distribuzioni “notevoli”, utili alla stima e loro riconoscimento in una data realtà operativa: Normal Probability Plot, Log Normal, Weibull
  • La “fotografia” di un fenomeno “misurabile”: Istogramma / Box-Whiskers Plot

 

Process Capability

  • Prestazione attese da un processo (standards) vs. prestazioni fornite
  • Concetto di capability Cp, Cpk, Cpm, …)
  • Concetto di stabilità di un processo “a target” (Carte di andamento, …)

 

Caratterizzare le “condizioni” di lavoro e suggerire cambiamenti

  • Concetto di ‘”ipotesi statistica” – ciclo PDCA & DMAIC per risolvere un problema
  • Errori statistici di I° e II° tipo

 

Comparazione fra più modi di operare

  • Uno schema di sintesi delle possibili situazioni in cui ci si può trovare
  • Comparazione “parametrica”: ANOVA e il “modello” della media per un processo

 

Correlazione e regressione di variabili in un fenomeno

  • Concetto di correlazione / coefficiente di correlazione (Scatterplot)
  • Correlazione semplice e multipla 
  • Concetto di regressione e differenza con la correlazione
  • Modelli di analisi di regressione (lineare, polinomiale) (Scatterplot)

 

2. SPERIMENTARE PER MEGLIO CONOSCERE E POTER SCEGLIERE

Gli obiettivi della “sperimentazione”

  • Definizione di “sistema” e caratteristiche funzionali
  • Fattori di controllo e di disturbo

 

I principi sperimentali di Fisher e la modellazione

  • Introduzione ai modelli fattoriali e regressivi
  • Stima degli effetti / Non linearità della risposta
  • Randomizzazione, replicazione, blocking dei fattori

 

3. METODI PER ANALIZZARE I RISULTATI SPERIMENTALI

Modelli “fattoriali”

  • Analisi delle medie (ANOVA) con un fattore sperimentale
  • Errori del 1° e del 2° tipo – Potenza del test
  • Il concetto di interazione tra fattori
  • Il Diagramma di Hasse per stimare i gdl delle diverse componenti della media
  • ANOVA multifattoriale. Quando ricorrere al blocking
  • Casi sperimentali “a effetti fissati” e “a effetti casuali”
  • Check delle ipotesi di Fisher: analisi dei residui (grafici e non)
  • Assenza di “memoria” del sistema, assenza di “outliers” 

 

Modelli “regressivi”

  • Regressione lineare semplice
  • Stima dei parametri del modello
  • Controlli di ipotesi sulla significatività del modello
  • Regressione lineare multipla
  • Check delle ipotesi di Fisher: Analisi dei residui (grafici e non)
  • Assenza di “memoria” del sistema, assenza di “outliers”

 

4. PROGETTARE LE PROVE IN MODO OTTIMALE

  • Piani di prove per modelli fattoriali completi / ridotti (PFC/PFR)
  • Numero minimo di prove / Confounding e Aliasing
  • Ottimizzazione con stima della risposta sul PFC
  • Esperimenti di screening fra molti fattori (Plackett-Burman)
  • Piani ruotabili (FCCCD, Box-Behnken)
  • Piani ortogonali (Taguchi)

 

Social media

Condizioni di Utilizzo

REA: MB – 1780357 P.IVA: 04882770961