Statistica Industriale Applicata
Sviluppare analisi statistiche di progettazione sperimentale in azienda
 | Codice: PI.008 |
 | Durata: 5 gg (40 ore) |
 | Erogabile in Azienda:  |
 | Modalità: e-learning |
 | Quota di iscrizione: € 1.800 +IVA |
Possibilità di erogare questo percorso con voucher formativo al 100%
Obiettivi Statistica Industriale e Applicata
Rendere semplici e di immediata applicazione in Azienda e nella propria attività professionale concetti tradizionalmente “ostici” come le analisi statistiche descrittive, di correlazione, di monitoraggio su base temporale e di progettazione sperimentale (DOE). Sapere comunicare con il dato. Impostare una corretta data collection, in funzione dei possibili report da utilizzare e diffondere in Azienda. Rendere capaci di saper dialogare con Clienti e fornitori “evoluti” (es: Automotive), come anche in contesti competitivi “Six Sigma”.
Essere autonomi di realizzare analisi statistiche “basic” su file dati e database aziendali. Alternativamente, senza dati, sapere progettare una raccolta dati bene organizzata. 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. Uso intensivo di “casi” da risolvere con software Microsoft Excel™, Minitab™ o equivalenti per svolgere le migliori analisi dei dati e i report grafici e tabellari più efficaci.
Possibilità di erogare questo percorso con voucher formativo al 100%
Questo percorso è accreditato, attraverso i nostri partner, al Catalogo Regionale di Formazione Continua 2020-2021 di Regione Lombardia (nell’ambito del POR FSE 2014-2020) che prevede l’erogazione di voucher formativi aziendali per la fruizione di corsi di formazione richiedibili fino al 30 dicembre 2021 (o fino a esaurimento fondi).
Competenze richieste:
Conoscenze base di matematica generale e analisi matematica (livello scuole superiori).
Uso del personal computer ed Excel base per l’elaborazione dei business cases.
Per analisi statistiche più complesse si adotterà di preferenza Minitab nella versione più recente
Attestato di competenze:
Attestato di competenza rilasciato al termine del corso, subordinato alla frequenza del 100% del percorso formativo e al superamento del test finale. Il test viene considerato ‘superato’ con l’80% delle risposte corrette.
Destinatari
Specialista in ricerca biomedica
Biostatistico
Progettista meccanico
Product manager
Analista di processo Esperto gestione area produzione
Responsabile reparto produttivo
Analista di business
Programma Statistica Industriale e Applicata
Il corso è diviso in 5 moduli di 8 ore l’uno.
1. INTRODUZIONE ALLA STATISTICA
Pensare in modo statistico in Azienda
- Saper definire il problema da caratterizzare statisticamente
- Come scegliere i dati, le fonti, come rilevarli (su problemi “nuovi”, mai mappati)
Definire il problema e l’area di indagine
- Modello “black-box”: risposta, fattori di input e disturbo (Causa-Effetto)
- Esempi didattici e confronto con pratiche aziendali italiane
Dati… Ma per farne cosa ?
- Tipi di dati / tipi di raccolte dati (dati discreti vs. dati misurabili)
- Tecniche e procedura di raccolta dati
- Utili rappresentazioni grafiche e tabellari
- Utilizzo di fogli elettronici / software professionali a supporto della Statistica
- “Cubi” di dati: tabelle pivot e loro utilizzo
Tabelle utili alla raccolta dati
- Condivisione di alcune tabelle proposte
- Confronto critico con quanto utilizzato dai partecipanti in azienda
2. STATISTICA DESCRITTIVA
Conoscere / riconoscere la distribuzione statistica dei dati
- Le distribuzioni di frequenza (dati discreti vs. dati misurabili)
- Indicatori della “centralità” di un processo: media, mediana e moda
- Indicatori di “dispersione” di un processo: range, sigma e coeff. di variazione
- La “fotografia” di un fenomeno “discreto”: diagrammi di frequenza (Pareto,…)
- Esempi didattici e lavoro in gruppi su alcune analisi salienti da “casi” forniti
Comprendere e stimare la probabilità (rischio) di un dato evento
- Concetto di variabile casuale
- Distribuzioni “notevoli” utili al riconoscimento in una data realtà operativa: Normal Probability Plot
- La “fotografia” di un fenomeno “misurabile”: Istogramma / Box-Whiskers Plot
- Prestazione attese da un processo (standards) vs. prestazioni fornite: capability (Cp,Cpk,…)
- Concetto di stabilità di un processo “a target” (Carte di andamento,…)
- Esempio di stime con fogli elettronici / altri software col lavoro in gruppo
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 “non parametrica”: Chi Quadro
- Comparazione “parametrica”: ANOVA
- Il “modello” della media per un processo
- Esempi didattici di stima con software e col lavoro in gruppo
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,,..)
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 28 Settembre e 5 – 12 – 19 – 26 Ottobre 2022
con orario 9.00-13.00 e 14.00-18.00
Statistica Industriale e Applicata
I nostri consulenti hanno collaborato con:
 |  |  |  |
Informazioni sui corso:
Il percorso sarà erogato in modalità e-learning attraverso 5 moduli. 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.