DOE – Design Of Experiment
Logiche e strumenti per garantire servizi eccellenti alla propria clientela
 | Codice: QS.009 |
 | Durata: 2gg (16 ore) |
 | Erogabile in Azienda:  |
 | Disponibile in modalità e-learning: |
 | Quota di iscrizione: € 799 +IVA |
Obiettivi DOE – Design Of Experiment
Ben l’80% dei costi totali di sviluppo di un prodotto sono “impegnati” dalle primissime fasi di Sviluppo e Concezione della soluzione! È quindi importante “ottimizzare” al massimo queste fasi per ottenere le migliori performance, riducendo collaudi ed esperienze a un numero minimo, che consenta di fornire vera informazione a questi specialisti. DOE è una serie di metodologie statistiche strutturateche che consente questo obiettivo. In questo corso, ricco di esempi applicativi e di interazioni docente-partecipante, ogni partecipante prenderà confidenza con questo approccio “scientifico” di sperimentazione e di parameter setting, grazie all’uso di Minitab ed Excel.
I Plus del Corso:
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”. Minimizzando elementi di disturbo / sovra-specifiche. 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.
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.
Destinatari
Progettisti di prodotto/processisti
Ingegneri di processo/di manutenzione
Responsabili del processo produttivo
Responsabili Testing/Collaudo
Quality Managers
Programma DOE – Design Of Experiment
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
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)
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
Principi sperimentali: 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 (Face Centered Design, Box-Behnken)
Piani ortogonali (Taguchi)
Prossime Edizioni Corso Pubblico
Milano 11-12 Luglio 2022
Milano 28-29 Novembre 2022
Milano 11-12 Ottobre 2022
DOE – Design Of Experiment
I nostri consulenti hanno realizzato questo percorso per:
 |  |   |
Informazioni sui corsi:
I corsi saranno erogati in Milano centro. La conferma di apertura dell’aula sarà data una settimana prima dell’inizio del corso a raggiungimento del numero minimo di partecipanti. I corsi pubblicati possono essere erogati in modalità in presenza o in modalità digital learning all’interno dell’azienda cliente previa personalizzazione dell’intervento formativo.
Il percorso erogato in modalità e-learning, sarà strutturato attraverso 4 moduli da 4 ore. Il docente e i partecipanti interagiranno in un ambiente “on line” in tempo reale, in modo da seguire in modo sincrono le lezioni nelle quali per il docente è possibile condividere file o proiettare materiale. Grazie alla tecnologia è possibile comunicare in maniera bidirezionale e interattiva , l’aula virtuale coniuga l’esigenza di maggiore flessibilità e confronto diretto, non rinunciando all’interattività della lezione in aula.