Design of EXPeriments - DOE

Consorzio TCN Società Consortile a Responsabilità Limitata
A Orbassano

720 
Vuoi parlare del corso con un consulente?
Confronta questo corso con altri simili
Leggi tutto

Informazione importanti

  • Corso
  • Orbassano
  • Durata:
    2 Giorni
Descrizione

Obiettivo del corso: Il corso affronta sia l'aspetto della pianificazione degli esperimenti - trattando di piani fattoriali, piani basati su matrici ortogonali, metodi Montecarlo, metodi iterativi - che quello della rappresentazioni ed interpretazioni dei dati - muovendo da grafici, sommari, tabelle, all'analisi della correlazione, T-student, impiego di superfici di risposta polinomiali e non-polinomiali -.
Rivolto a: Il DOE e - più in generale - gli argomenti trattati riguardano metodi e strategie che sono fondamentali per chi ha responsabilità in relazione al miglioramento di un processo produttivo o di un prodotto, o per chi è incaricato di progettare e sviluppare un nuovo progetto od un nuovo prodotto, e, quindi: ingegneri o manager in generale, ricercatori, personale tecnico impegnato in QA o nell'ingegnerizzazione di un processo/prodotto. Anche per operatori CAE ed informatici.

Informazione importanti
Sedi

Dove e quando

Inizio Luogo
Consultare
Orbassano
Torino, Italia
Visualizza mappa

Domande più frequenti

· Requisiti

Nessuno.

Programma

Generalità

La sperimentazione di un qualsivoglia sistema o processo - sia essa realizzata in modo diretto, virtuale o misto - comporta la manipolazione delle variabili che lo controllano, per comprendere i fenomeni che lo caratterizzano e le relative interazioni e guidarne l'evoluzione nella direzione desiderata. Si devono affrontare sia gli aspetti propri della pianificazione degli esperimenti - per trarre il massimo dell'informazione dall'attività di sperimentazione - che gli aspetti legati all'interpretazione dei dati.
L'applicabilità delle tecniche di DOE (design of experiments), della relativa statistica, e di metodi ed algoritmi per l'interpretazione dei dati, è vastissima. Di qui l'attenzione ad essi riservata recentemente come ad approcci che, fatti tecnologia, possono cambiare faccia non solo alla sperimentazione "convenzionale", ma, in senso lato, ai processi industriali, creando efficienza, migliorando la produttività o qualità del prodotto e riducendo i costi.

Obiettivi

Il corso ha carattere introduttivo ed è finalizzato sia a fissare principi e concetti di base, che a prospettare categorie logiche che orientino alla scelta dei percorsi più opportuni per il problema specifico del partecipante. Come tale il corso affronta sia l'aspetto della pianificazione degli esperimenti - trattando di piani fattoriali, piani basati su matrici ortogonali, metodi Montecarlo, metodi iterativi - che quello della rappresentazioni ed interpretazioni dei dati - muovendo da grafici, sommari, tabelle, all'analisi della correlazione, T-student, impiego di superfici di risposta polinomiali e non-polinomiali -.

Il partecipante trarrà dal corso elementi per:

- organizzare un piano di esperimenti per trarne l'utile massimo,
- analizzare dati sperimentali utilizzando metodi statistici consistenti,
- comprendere il ruolo del DOE in relazione al miglioramento od ottimizzare dei processi;
- rappresentare i risultati in forma utile alla discussione ed all' assunzione di decisioni
- orientarsi nella scelta degli strumenti adatti ad implementare il DOE nel contesto della propria attività.

PROGRAMMA:

Primo giorno

Distinzione tra Physical Experiments e Computer Experiments
Panoramica del corso
Esperimenti fisici. Definizione del problema. Ottimizzazione di un processo
Esempi di applicazione
One-Factor-At-A-Time versus Designed Experiments
Sparsità degli effetti e screening delle variabili
Piani fattoriali, fattoriali frazionari e Plackett-Burman
Stima degli effetti del primo ordine: il Test di Student
Stima degli effetti del secondo ordine
Il metodo delle superfici di risposta (Response surfaces methodology)
Piani central composite, cubic face centered, Box-Benkhen
Esempi e applicazioni
Domande e risposte

Secondo giorno:

Introduzione: simulazioni numeriche e problematiche collegate.
Caratteristiche e finalità dei computer experiments
Piani di esperimenti per computer experiments
Piani space filling - minimax e maximin distance designs
Latin Hypercube Designs e Designs da criteri combinati
Modelli meccanicistici, modelli empirici e metamodels
Modelli polinomiali, funzioni elementari, modelli non polinomiali
Esempi di metamodelli non polinomiali:
Reti neurali, radial basis functions e processi gaussiani
Applicazioni
Domande e risposte
Eventuali approfondimenti su:
- Distribution fitting
- Robust design
- Presentazione grafica dei dati
- Ottimizzazione tramite metamodelli


Confronta questo corso con altri simili
Leggi tutto