DETERMINAZIONE DELLA SUPERFICIE DI RISPOSTA IN UN CASO REALE
|
|
- Mariana Ferretti
- 4 anni fa
- Visualizzazioni
Transcript
1 Statistica Applicata Vol. 7, n. 3, DETERMINAZIONE DELLA SUPERFICIE DI RISPOSTA IN UN CASO REALE Pierattilio Grazioli 3M Italia S.p.A. Segrate (Mi) pgrazioli@mmm.com Egidio Cascini Studio Esercizi di Qualità 2004 Via Mosè Bianchi 03, 204 Milano Riassunto Nel lavoro è descritta la strategia complessiva, utilizzata per la determinazione e l utilizzazione della superficie di risposta di una caratteristica fondamentale di un prodotto di largo consumo. Lo scopo è di mostrare come l uso di metodi statistici classici sia talvolta necessario per risolvere, in modo definitivo, alcuni problemi in campo industriale, e per ottenere, in questo modo, un reale miglioramento qualitativo.. INTRODUZIONE Una delle caratteristiche fondamentali di un prodotto di largo consumo è rappresentata dalla costanza dello spessore. L unità di prodotto è costituita da un rotolo, di spessore medio misurabile. Definito RUN ( =,2,) un numero di n rotoli, prodotti in sequenza temporale ed in condizioni omogenee, l unità statistica di riferimento, utilizzata in questo lavoro, è costituita dal RUN. Indicando con S t lo spessore medio del rotolo t mo (t =,2,) di un RUN, ciascun RUN può essere caratterizzato da una media e da una deviazione standard: Media del RUN : M = S n n t = t ; Deviazione standard del RUN : Y = n n t = 2 ( S M ). t I valori numerici Y ( = 2,,...,; 0 M < ) sono realizzazioni di due
2 420 Grazioli P., Cascini E. variabili casuali indipendenti, diciamo M, Y di media rispettivamente M, Y. Y è la risposta del processo studiata in questo lavoro. La soluzione del problema proposto è consistito, dapprima nella individuazione di un insieme di variabili d intervento utili, diciamo X, X 2,, X k, successivamente nella selezione di quelle più importanti, ed infine nello studio quantitativo della relazione intercorrente tra la risposta Y e queste ultime, per rendere minima Y. I risultati ottenuti sono stati il miglioramento della qualità del prodotto ed una contemporanea riduzione dei costi di fabbricazione; questo secondo risultato è dipeso dal fatto che, dovendo risultare lo spessore medio di ogni singolo rotolo sempre maggiore di un limite di specifica predefinito, L, deve essere sempre soddisfatta la relazione, M > L +3Y, essendo normale la variabile casuale S, di cui S t sono le realizzazioni; la minimizzazione di Y ha, quindi, permesso una riduzione di M, che è direttamente collegata al costo della materia prima impiegata. 2. DATI SPERIMENTALI Le figure e 2 seguenti mostrano due successioni di valori; i punti di entrambe le figure rappresentano i valori di spessore medio rilevati in due RUNS di produzione. La successione della figura è rappresentativa della qualità tipica, prima dell intervento che ha costituito l oggetto del lavoro, mentre quella della figura 2 è un confronto tra due RUNS, uno precedente e uno successivo a questo lavoro. Nella figura è anche visibile il correlogramma dei dati che ci ha assicurato assenza di fenomeni di autocorrelazione. Nei paragrafi successivi viene descritto il percorso metodologico che ha prodotto il miglioramento rilevabile dalla figura 2. Un RUN tipico di produzione, Autocorrelation Function,0 s t Autocorrelation 0,8 0, 0,4 0,2 0,0-0,2-0,4-0, -0,8 -, Lag Corr T LBQ Lag Corr T LBQ 0,04 0,34 0,2 8 0,3,04,53 2 0,2,0,37 0, 0,0 2,70 3-0,0-0,83 4-0,2 -,8 2,3,0 0-0,04-0,35 2,88 5-0,4 -,4 7, t 7 0,0 0,3 0,8,04 8,54 0,00 Fig. : Un RUN tipico di produzione,, prima dell intervento di miglioramento.
3 Determinazione della superficie di risposta in un caso reale 42 Un RUN prima dell intervento 5.0 Un RUN prima dell intervento 5.0 UnRUN2 dopo l intervento Un RUN 2 dopo l intervento 2.5 s t s t UCL=0.8 _ UCL=0.8 X=7.80 _ LCL=5.42 X= n rotoli n 2 rotoli 20 LCL= n rotoli n 2 rotoli Fig. 2: Due RUNS di produzione, e 2, prima e dopo l intervento. 3. IL PROCESSO DI FABBRICAZIONE Il processo di fabbricazione è illustrato nelle figure 3 e 4 a due livelli di dettaglio diversi; generale il primo, più particolareggiato il secondo; una prima indagine qualitativa, basata, cioè, sulle sole conoscenze tecniche e storiche ha consentito di restringere l attenzione su una sua particolare sezione, che è stata successivamente investigata in modo quantitativo. La sezione risultata di maggiore interesse è quella indicata con la lettera C. MATERIE PRIME PREPARAZIONE MESCOLE PROCESSO PRODOTTO FINALE Fig. 3: Schema di massima del processo di produzione studiato. 4. SELEZIONE DELLE VARIABILI DI INTERVENTO Una volta stabilita la sezione dell impianto che maggiormente influenza il valore della risposta Y, si è proceduto allo studio delle variabili, che in questa sezione, sono in grado, eventualmente, di variare il valore numerico di Y. Il metodo
4 422 Grazioli P., Cascini E. A: Ricevimento e Stoccaggio R. M. B: Preparazione Mix x A. Controllo Materiale A.2 Movimentazione A.4 Movimentazione A.3 Stoccaggio B. Carico Materiali B.2 Dosaggio B.4 Alimentazione B.3 Preparazione mix C. Filtrazione C.2 Se rbatoio Polmone C: Spalmatura C.4 Spalmatura M ix C.3 Dosaggio C.5 Asciugatura C. Avvolgimento Jumbo D: Taglio D.2 Svolgimento Jumbo D. Movimentazione D.3 Taglio D.4 Avvolgimento rotoli E: Confezionamento F: Stoccaggio P. F. e Spedizione E.0 Preparazione Scatole F.2 Stoccaggio F.3 Movimentazione E. Confezionamento E.2 Pallet F. Movimentazione F.4 Spedizione Fig. 4: Particolari del processo studiato. La sezione C è risultata la candidata per un ulteriore studio quantitativo. utilizzato è stato quello di elencare tutte le variabili d intervento X k, presumibilmente efficaci sulla risposta Y, di intestare con queste variabili le righe di una matrice (figura 5), di intestare le colonne della matrice con le caratteristiche di qualità del prodotto richieste dal Cliente, che includono, ovviamente, la risposta Y, e di riempirne le celle con i numeri, 0,, 3,,, utilizzando una serie di conoscenze pregresse, a seconda, rispettivamente, che la relazione tra variabile d intervento e caratteristica corrispondente fosse considerata nulla, scarsa, bassa, media o alta. Ciascuna variabile d intervento è stata, alla fine, caratterizzata da un punteggio complessivo, somma dei prodotti tra ciascun numero di ciascuna cella per il peso di importanza, associato, a sua volta, a ciascuna caratteristica richiesta dal Cliente. Questo valore numerico è stato utilizzato per definire una classifica d importanza delle variabili X k sulla risposta Y. In figura 5 è indicato uno schizzo del procedimento descritto. La funzione di questa analisi è stata quella di selezionare solo un piccolo numero di variabili d intervento per ulteriori analisi quantitative.
5 Determinazione della superficie di risposta in un caso reale 423 Caratteristiche richieste dal Cliente Caratteristica Caratteristica 2 Caratteristica 3 Peso = Peso = 3 Peso = 3 Punteggio complessivo X 2 X 2 2 X 3 2 X 4 X 5 02 VARIABILI SELEZIONATE Fig. 5: Le variabili d intervento X k d ingresso alla sezione del processo di fabbricazione C sono state selezionate sulla base di elementi tecnici e di conoscenza pregressa. 5. STRATEGIA SPERIMENTALE E RISULTATI OTTENUTI Le 3 variabili selezionate sono indicate con X, X 2, X 3. Indicando il campo di variazione sperimentale di ciascuna di queste variabili con X i min, X i max (i =, 2, 3) ed il valore intermedio tra X i min, X i max, con X i sono state, in corrispondenza, definite le variabili standardizzate A, B, C con A = 2 (X X )/(X i max X i min ) e B, C definite in modo analogo. In figura è riportato lo schema di un esperimento fattoriale 2 3 con replicazione, utilizzato per studiare la relazione quantitativa Y = Y (A, B, C). L analisi statistica dei dati ed i risultati sono sintetizzati nella figura 7. Questo primo risultato fornisce una chiara indicazione di una diminuzione di Y al variare di A e B in modo combinato. Si è, allora, predisposta una serie di rilievi sperimentali di Y in corrispondenza di alcuni valori di A e B scelti in modo tale che il punto P(A, B) sul piano A, B seguisse la proiezione della direzione di discesa più ripida sul piano della figura 7. Nella figura 8 è indicato il percorso seguito con i risultati sperimentali ottenuti, che sono confrontati graficamente con quelli attesi, in base alla relazione della figura 7 ; il confronto ci ha consentito di valutare il punto in cui il modello lineare della figura 7 non sembrava più adeguato. Con centro in questo punto è stato progettato l esperimento centrale composto, schematizzato in figura.
6 424 Grazioli P., Cascini E. StdOrder RunOrder A B C Y Fig. : Esperimento fattoriale 2 3 replicato due volte, per lo studio della dipendenza tra Y ed A, B e C. Fractional Factorial Fit: Y versus A; B; C Estimated Effects and Coefficients for Y (coded units) Term Effect Coef SE Coef T P Constant,7275 0,0243 5,5 0,000 A 0,5825 0,2842 0,0243 0,75 0,000 B 0,4300 0,2800 0,0243 8,25 0,000 C 0,0325 0,03 0,0243 0,74 0,47 A*B -0, , ,0243-0,77 0,43 A*C -0,0350-0,0825 0,0243-0, 0,50 B*C -0, ,042 0,0243-0,53 0,08 A*B*C -0, ,0025 0,0243-0,05 0,3 Factorial Fit: Y versus A; B Estimated Effects and Coefficients for Y (coded units) Term Effect Coef SE Coef T P Constant A B Y 2,4 2,2 2,0,8,,4,2,0 - A 0 Y =, ,284 A + 0,28 B - 0 B Fig. 7: Analisi statistiche e risultati dell esperimento della figura. I parametri finali del modello derivano da una seconda analisi statistica dei dati sperimentali, dopo aver eliminato gli effetti non significativi individuati nella prima analisi completa.
7 Determinazione della superficie di risposta in un caso reale Percorso di massima discesa Y attesi Y sperimentali Livello iniziale Livello punto Livello punto Livello punto Livello punto Livello punto Y attesi Y sperimentali Fig. 8: Confronto tra risultati sperimentali e valori attesi lungo il percorso di massima discesa sul piano della figura 7. StdOrder RunOrder Blocks A B Y Fig. : Schema dell esperimento centrale composto eseguito intorno al punto in cui il modello lineare della figura 7 non sembrava più adeguato. I risultati di quest ultimo esperimento sono indicati nella figura 0.. CONCLUSIONI Il lavoro ha mostrato come l applicazione di una metodologia sperimentale classica, come è quella degli esperimenti fattoriali, e della determinazione delle superfici di risposta, ha consentito di ridurre in modo consistente e significativo la variabilità di spessore di un prodotto di largo consumo; ciò ha consentito di migliorare sensibilmente la qualità del prodotto e di ottenere contemporaneamente
8 42 Grazioli P., Cascini E. Response Surface Regression: Y versus A; B The analysis was done using coded units. Estimated Regression Coefficients for Y Term Coef SE Coef T P Constant 0, ,007524,8 0,000 A 0, , ,472 0,000 B 0,0780 0, ,3 0,020 A*A 0,2300 0, ,34 0,000 B*B 0,5800 0, ,77 0,000 A*B -0,0500 0, ,783 0,8 Response Surface Regression: Y versus A; B The analysis was done using coded units. Estimated Regression Coefficients for Y Term Coef SE Coef T P Constant A B Y,35,25,5 5,05 0,5 0,85 - A 0-0 B A*A B*B Y=0,874+0,044A+0,08B+0,23A 2 +0,58B 2 Fig. 0: Modello Y = Y(A, B) determinato mediante l analisi statistica dell esperimento centrale composto della figura. I parametri finali del modello derivano da una seconda analisi statistica dei dati sperimentali, dopo aver eliminato gli effetti non significativi individuati nella prima analisi completa. un notevole beneficio economico, per la riduzione delle materie prime impiegate, che è derivata da una riduzione della media dello spessore del materiale; quest ultima possibilità è una conseguenza diretta della riduzione dello scarto quadratico medio, da un valore iniziale di,70 ad un valore finale di 0,87, come si può verificare osservando la figura 2.
9 Determinazione della superficie di risposta in un caso reale 427 RIFERIMENTI BIBLIOGRAFICI GRAZIOLI P. e CASCINI E. (2003). Rapporto interno 3M, Progetto di miglioramento di un processo di produzione. COCHRAN W.G. e COX G. M. (57). Experimental Designs. John Wiley & Sons. MONTGOMERY D.C. (7). Introduction to Statistical Quality Control. John Wiley & Sons. STRATEGY FOR BUILDING AND USING A SURFACE RESPONSE IN A REAL CASE Summary The overall strategy, to build the surface response for a characteristic of a common use product, is presented in this work. The aim is to show how the classical statistical methods, well stated since long time, are not only useful, but also, some time, necessary, to solve definitely the industrial problems, allowing, in this way, a real quality improvement.
10 428 Grazioli P., Cascini E.
CAPITOLO 5 Introduzione ai piani fattoriali
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 5 Introduzione ai piani fattoriali Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria
DettagliDOE - Metodologia delle Superfici di Risposta (Belluco Enzo statistico)
DOE - Metodologia delle Superfici di Risposta (Belluco Enzo statistico) 1. Introduzione Sovente, nella metodologia delle superfici di risposta (Response Surface Methodology), la stima iniziale delle condizioni
DettagliPrincipi e Metodologie della Progettazione Meccanica
Principi e Metodologie della Progettazione Meccanica Corso del II anno della laurea specialistica in ingegneria meccanica ing. F. Campana a.a. 10-11 lezione 19: esempi di applicazione del DOE (parte 2)
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliMIGLIORAMENTO DI UN PROCESSO DI SMALTATURA MEDIANTE L APPLICAZIONE DI TECNICHE DOE
PRESENTATO AL CONVEGNO AIAS ASSOCIAZIONE ITALIANA PER L ANALISI DELLE SOLLECITAZIONI XXXVII CONVEGNO NAZIONALE, 10-13 SETTEMBRE 2008, UNIVERSITÀ DI ROMA LA SAPIENZA MIGLIORAMENTO DI UN PROCESSO DI SMALTATURA
DettagliVantaggi della scelta verso l utilizzo di un solo soggetto:
L uso della statistica per la valutazione degli interventi: premesse teoriche Capitolo 4 Vantaggi della scelta verso l utilizzo di un solo soggetto: 1) Analisi della prestazione individuale: analisi del
DettagliStesso valore medio per distribuzioni diverse
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCAPITOLO 8 Piani fattoriali frazionari a due livelli
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 8 Piani fattoriali frazionari a due livelli Metodi statistici e probabilistici per l ingegneria Corso di Laurea
DettagliDesign of Experiment con Minitab APPLICAZIONI D.O.E. PER L OTTIMIZZAZIONE DELLA RESA DI UN SEMILAVORATO IN FORMA LIQUIDA
Design of Experiment con Minitab APPLICAZIONI D.O.E. PER L OTTIMIZZAZIONE DELLA RESA DI UN SEMILAVORATO IN FORMA LIQUIDA La metodologia del Design of Experiment è una collezione di tecniche statistiche
DettagliLa matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliPrincipi e Metodologie della Progettazione Meccanica
Principi e Metodologie della Progettazione Meccanica ing. F. Campana a.a. 06-07 Lezione 13: Robust Design Robust Design significato ed esempi Le tecniche di ottimizzazione fin qui viste hanno un ampio
DettagliAnova e regressione. Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011
Anova e regressione Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011 Nella sperimentazione agronomica e biologica in genere è normale organizzare
Dettagli10. VARIABILI CASUALI MULTIPLE
. VARIABILI CASUALI MULTIPLE.. Introduzione La definizione di v.c. può essere facilmente estesa al caso in cui a ciascun evento elementare che costituisce è associata una coppia di numeri reali così come
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 1 Introduzione all uso del DoE 03/05/2012 Pagina 1 20-30 50 70 90 2000 Introduzione al DOE Storia sir Ronald Fisher Pone
DettagliProva scritta di Statistica
Prova scritta di Statistica 5 Febbraio 2016 1. Da un indagine riguardante l utilizzo del telefono cellulare si sono ottenuti i seguenti risultati: Età No.telefonini Chiamate Spesa sett. Bluetooth 20 2
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliCarte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo
DettagliMANAGEMENT DELLA QUALITA CONTROLLO STATISTICO DELLA QUALITA ORDINAMENTO 509. Prof. Maria Francesca Renzi Prof. Paola Vicard
MANAGEMENT DELLA QUALITA CONTROLLO STATISTICO DELLA QUALITA ORDINAMENTO 509 Prof. Maria Francesca Renzi Prof. Paola Vicard A.A. 2009/2010 Obiettivi formativi Il corso si pone l obiettivo di preparare gli
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 015-016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la
Dettaglisperimentale L analisi di sensitività, infine, ci consente di dire che:
300 240 180 Livello d'attenzione 120 60 0 sperimentale simulato L analisi di sensitività, infine, ci consente di dire che: i fattori che più contribuiscono alla determinazione dei risultati della rete
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
DettagliCorso di Statistica Industriale
Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Mercoledì: dalle 10.30 alle 12.30 Venerdì: dalle 8.30
DettagliAnalisi bivariata. Il caso di caratteri qualitativi
Analisi bivariata Il caso di caratteri qualitativi Pagina 337 Che cosa è l analisi bivariata? E lo studio congiunto di due caratteri Esempio nel caso di caratteri qualitativi: I valori delle celle derivano
DettagliCLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 N. Titolo Modulo Titolo unità didattiche in cui è diviso il Ore previste per Periodo mensile per Competenze Modulo 0 Ripasso
DettagliPsicologia del Lavoro e dell Organizzazione. Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ)
e dell Organizzazione Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ) a.cerasa@unicz.it Visto che la sua nascita coincide con lo sviluppo di una corrente particolare della Psicologia, definita come PSic.
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
DettagliProgrammazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89)
Programmazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89) Secondo biennio Indirizzo: IPSSAR Disciplina: MATEMATICA 1. 1 Asse culturale: matematico 1. utilizzare il linguaggio
DettagliITI M. FARADAY PROGRAMMAZIONE MODULARE A.s
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 N. Modulo Titolo Modulo Titolo unità didattiche del modulo Ore previste Periodo mensile Competenze 1 DISEQUAZIONI FUNZIONI LIMITI
DettagliMinitab - Corsi Pubblici
Minitab - Corsi Pubblici I corsi pubblici Minitab si articolano in 5 giornate durante le quali ogni partecipante avrà modo di apprendere ed utilizzare svariate metodologie statistiche di primaria importanza
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2014/15 Prof.ssa Tiziana Laureti 01. Introduzione al corso 1 Statistica per le ricerche
DettagliITI M. FARADAY PROGRAMMAZIONE DIDATTICA A.s CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 Matematica
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 Matematica MACRO UNITA' PREREQUISITI TITOLO UNITÀ DI APPRENDIMENTO COMPETENZE ORE PREVISTE PERIODO EQUAZIONI E DISEQUAZIONI
DettagliCATALOGO CORSI AVANZATI MINITAB
CATALOGO CORSI AVANZATI MINITAB Corsi di formazione avanzati per professionisti che lavorano nel settore della qualità e del miglioramento dei processi. Advanced Reliability Modellazione Statistica Advanced
DettagliLa variabilità. Monia Ranalli. Ranalli M. Variabilità Settimana # 2 1 / 14
La variabilità Monia Ranalli Ranalli M. Variabilità Settimana # 2 1 / 14 Sommario Variabilità Definizione Misure di Variabilità Per tutti i caratteri: Entropia Per i carattere quantitativi: Varianza, Scostamento
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliCorso Minitab Pharma: Tecniche statistiche applicate alla produzione farmaceutica
Corso Minitab Pharma: Tecniche statistiche applicate alla produzione farmaceutica Il corso si articola in 4 giornate durante le quali ogni partecipante avrà modo di apprendere ed utilizzare svariate metodologie
DettagliProgetto Six Sigma miglioramento del processo di saldatura di componenti elettronici con la metodologia DMAIC
Progetto Six Sigma miglioramento del processo di saldatura di componenti elettronici con la metodologia DMAIC Alessandro Celegato Black Belt Sei Sigma (Accademia Italiana Sei Sigma) Roma, 13 Aprile 2012
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
DettagliSEI SIGMA E PROGETTAZIONE: UN CASO REALE
Sei Sigma & Qualità vol. II n.1 11 SEI SIGMA E PROGETTAZIONE: UN CASO REALE Alessandro Celegato PSV Project Service and Value Srl, Via Vigonovese, 50/D 35127 Padova alessandro.celegato@psvnet.com Riassunto
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliRelazione misure MASW
Relazione misure MASW per definizione profilo verticale VS e parametro Vs30 MASW_Cison 7 San Boldo CISON DI VALMARINO Coordinate ED50 Lat. N 46,007387 Long. E 12,170214 Novembre 2012 dott. geol. Simone
DettagliCorso di Analisi e Contabilità dei Costi
Corso di Analisi e Contabilità dei Costi Paola Demartini Activity Based Management Il passaggio dall ABC all ABM L ABC è un sistema di calcolo dei costi L ABM è un sistema di controllo direzionale ATTIVITA
Dettaglia.a. 2016/2017 Stefano Bifaretti Vincenzo Bonaiuto Dipartimento di Ingegneria Industriale
a.a. 2016/2017 Stefano Bifaretti Vincenzo Bonaiuto Dipartimento di Ingegneria Industriale Negli azionamenti con comando in velocità il legame dinamico tra la variabile di controllo dell azionamento e la
DettagliIl modello lineare e l analisi della varianza con
Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliSELEZIONE DEL CONCEPT DI PRODOTTO
SELEZIONE DEL CONCEPT DI PRODOTTO 118 Selezione del concetto di prodotto (1/2) Individuazione dei bisogni dei clienti Eseguire l analisi economica Analizzare i prodotti della concorrenza Costruire e collaudare
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2012/13 Dr. Luca Secondi 01. Introduzione al corso 1 Statistica per le ricerche di mercato
DettagliMETODOLOGIA DELLA RICERCA PSICOLOGICA I QUASI-ESPERIMENTI I QUASI-ESPERIMENTI 02/11/2011
METODOLOGIA DELLA RICERCA PSICOLOGICA Corso di laurea in Scienze della formazione nelle organizzazioni a.a. 2011/12 I QUASI-ESPERIMENTI I QUASI-ESPERIMENTI Non è possibile assegnare casualmente i partecipanti
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliEsercizi. Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1,
Esercizi Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1, (a) dire quanto vale f g e qual è il suo insieme di definizione; (b) dire quanto vale g f e qual è il suo insieme di definizione;
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliCriteri di valutazione dei test diagnostici
Criteri di valutazione dei test diagnostici Perché misurare validità e precisione? La validazione è un processo di valutazione per stabilire quanto il procedimento sia adatto per lo scopo per il quale
DettagliProbabilità e statistica
Probabilità e statistica The formulation of a problem is often more essential than its solution which may be merely a matter of mathematical or experimental skill. Albert Einstein Farsi la domanda giusta
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliRelazione misure MASW
Relazione misure MASW per definizione profilo verticale VS e parametro Vs30 MASW_Cison 3 Mura S.P. 4 (via Circonvallazione) CISON DI VALMARINO Coordinate ED50 Lat. N 45.97047003 Long. E 12.15815306 Novembre
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Analisi non parametrica (vers. 1.2, 18 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliStatistica (COSTANZO, MISURACA) - CdL in Economia Aziendale, appello del 12/02/2014. Cognome Nome Matricola
Statistica (COSTANZO, MISURACA) - CdL in Economia Aziendale, appello del 12/02/2014 Cognome Nome Matricola Nella seguente tabella sono stati registrati i dati riguardanti l età e il n medio di giorni d
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliMinistero dell Istruzione, dell Università e della Ricerca
Pag. 1/5 Sessione ordinaria 2018 Il candidato, dopo aver letto attentamente, scelga una sola delle due tracce ed affronti la soluzione del tema e di due quesiti tra i quattro proposti nella traccia selezionata.
DettagliL applicazione del metodo Six Sigma in una piccola azienda
Torino, novembre 206 L applicazione del metodo Six Sigma in una piccola azienda (Pier Giorgio DELLA ROLE Master Black Belt) Introduzione Anche se il Six Sigma è stato implementato con successo in molte
DettagliEsercizi di riepilogo sul controllo statistico di qualità e anova
Esercizi di riepilogo sul controllo statistico di qualità e anova 1. In un disegno bilanciato a due fattori incrociati un vasto terreno viene diviso in appezzamenti, nei quali vengono seminate tre diverse
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Indici di variabilità Esercizio 1: Si è ottenuta la seguente distribuzione del numero di patenti possedute su un collettivo
Dettaglia.a. 2017/2018 Stefano Bifaretti Dipartimento di Ingegneria Industriale
a.a. 2017/2018 Stefano Bifaretti Dipartimento di Ingegneria Industriale Negli azionamenti con comando in velocità il legame dinamico tra la variabile di controllo dell azionamento e la velocità del motore
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliAnalisi grafica residui in R. Da output grafico analisi regressionelm1.csv Vedi dispensa. peso-statura
Analisi grafica residui in R Da output grafico analisi regressionelm1.csv Vedi dispensa peso-statura 1) Il plot in alto a sinistra mostra gli errori residui contro i loro valori stimati. I residui devono
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
Dettagli3. MODELLI DI OFFERTA
. MODELLI DI OFFERTA I modelli matematici dei sistemi di offerta di trasporto utilizzano da un lato la teoria dei grafi e delle reti per rappresentare la struttura topologica e funzionale del sistema e
DettagliMETODOLOGIA DELLA RICERCA PSICOLOGICA. Corso di laurea in Scienze della formazione nelle organizzazioni a.a. 2010/11 Lezione 13 b
METODOLOGIA DELLA RICERCA PSICOLOGICA Corso di laurea in Scienze della formazione nelle organizzazioni a.a. /11 Lezione 13 b I QUASI-ESPERIMENTI Non è possibile assegnare casualmente i partecipanti alle
DettagliStatistica descrittiva
Luigi Vajani Statistica descrittiva r,,, I o -:i f e l ~ 1 (f"i I - / I I - ETASLIBRI Indice XIII Presentazione Parte prima - Introduzione 3 Capitolo 1 - Concetti generali 1.1 - Introduzione; l.2 - La
Dettagli1. Introduzione ai disegni sperimentali. 5. Analisi della regressione lineare. 6. Confronto tra proporzioni di due o più campioni indipendenti
BIOSTATISTICA 1. Introduzione ai disegni sperimentali 2. Un carattere quantitativo misurato in un campione: elementi di statistica descrittiva e inferenziale 3. Confronto tra medie di due campioni indipendenti
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliMicroeconometria Day # 3 L. Cembalo. Regressione con due variabili e metodo dei minimi quadrati
Microeconometria Day # 3 L. Cembalo Regressione con due variabili e metodo dei minimi quadrati SRF: sample regression function Il passaggio dalla regressione sulla popolazione a quella sul campione è cruciale
DettagliDOMANDA DI RICERCA TIPI DI RICERCA
DOMANDA DI conoscenza esistente del problema: letteratura, esperienze relative al problema oggetto di studio, teorie già note, osservazione dirette di fenomeni/comportamenti nelle organizzazioni TIPI DI
DettagliLab. 2 - Excel. Prof. De Michele e Farina
Lab. 2 - Excel Prof. De Michele e Farina 1 Utilizzo avanzato di un foglio elettronico: - Utilizzo di funzioni Regressioni lineari Istogrammi 2 La funzione somma restituisce la somma dei valori dei propri
DettagliPIANO DI LAVORO DI MATEMATICA Classe 1 ^C - Liceo Linguistico. Docente: Mario Donno. Obiettivi specifici della disciplina
PIANO DI LAVORO DI MATEMATICA Classe 1 ^C - Liceo Linguistico Docente: Mario Donno Obiettivi specifici della disciplina Applicare i principi e i processi matematici nel contesto quotidiano Cogliere analogie
DettagliReti logiche: introduzione
Corso di Calcolatori Elettronici I Reti logiche: introduzione ing. Alessandro Cilardo Corso di Laurea in Ingegneria Biomedica Circuiti e porte logiche Esempio di rete di commutazione: Circuiti e porte
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Statistica Descrittiva 3. Esercizi: 5, 6. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Statistica Descrittiva 3 Esercizi: 5, 6 Docente: Alessandra Durio 1 Contenuti I quantili nel caso dei dati raccolti in classi
DettagliOSSERVATORIO PERMANENTE SULLA QUALITA DEI SERVIZI
IX CONFERENZA NAZIONALE DI STATISTICA ROMA, 15 16 DICEMBRE 2008 OSSERVATORIO PERMANENTE SULLA QUALITA DEI SERVIZI Le indagini sulla soddisfazione dell utenza come strumento informativo a supporto dei processi
Dettagli5.5 Modelli per l ozono di Vicenza
il modello Vl-Net3 è guidato con più forza dalle stesse variabili che influenzano maggiormente le determinazioni del modello Vl-Net2 : la temperatura, la radiazione solare, l ozono di Valdagno dell ora
DettagliFonti e strumenti statistici per la comunicazione
Fonti e strumenti statistici per la comunicazione Introduzione all analisi bivariata: il caso di caratteri qualitativi Prof.ssa Isabella Mingo A.A. 016-017 Che cosa è l analisi bivariata? E lo studio congiunto
DettagliX MANUTENZIONE e ASSISTENZA TECNICA ELETTRONICA LOGISTICA e TRASPORTI LICEO SCIENTIFICO matematica GARUTI RITA BERTATO ANNA
ISTITUTO DI ISTRUZIONE SUPERIORE J.C. MAXWELL Data: 9/09/ 2016 Pag. 1di 6 INDIRIZZO SCOLASTICO DISCIPLINA DOCENTE / I CLASSE / I PROGRAMMAZIONE ANNUALE A.S. 2016/2017 MECCANICA e MECCATRONICA X MANUTENZIONE
DettagliAPPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD
APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentrazione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliProgetto e miglioramento del processo produttivo 383
Ottimizzazione del processo con esperimenti programmati I piani fattoriali sono molto utili nella selezione dei fattori o factor screening, cioè nella identificazione di quei fattori che maggiormente influiscono
Dettagli( t) NR( t) NR( t) ( t)
prof Valerio CURCIO Simulazione del prezzo del petrolio 1 1. Processi stocastici stazionari e non stazionari dall analisi del prezzo del petrolio Quello che vogliamo fare in questo articolo è un analisi
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da grandezze misurabili.
DettagliTAGUCHI DESIGN CHE COSA È UN TAGUCHI DESIGN (CHIAMATO ANCHE ROBUST DESIGN)?
TAGUCHI DESIGN CHE COSA È UN TAGUCHI DESIGN (CHIAMATO ANCHE ROBUST DESIGN)? Un Taguchi Design è un esperimento progettato in modo da ottenere un prodotto o un processo che funzioni in modo più coerente
DettagliGESTIONE DELLE AZIONI CORRETTIVE E PREVENTIVE
del 01/02/16 Pag. 1 di 7 INDICE DELLE REVISIONI Numero Data Descrizione Paragrafi Pagine Variati Variate 00 01/02/16 Prima emissione Tutti Tutti RESPONSABILITA ELABORAZIONE VERIFICA APPROVAZIONE DATA 01/02/16
DettagliStatistica multivariata! Analisi fattoriale
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Statistica multivariata! Analisi
DettagliESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:
ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
Dettagli