Statistica Lezione DOE

Politecnico di Bari – Dipartimento di Meccanica Matematica e Management
POLITECNICO DI BARI
CORSO DI
Meccanica Sperimentale
Progettazioni degli esperimenti (DOE)

Dott. Ing. Vincenzo Moramarco
vincenzo.moramarco@poliba.it
Anno Accademico 2018

Indice
1. Il modello
2. Due diversi atteggiamenti
 Tradizionale
 Fattoriale
3. La sperimentazione fattoriale
4. Il caso 2 x 2
5. Il caso 23
6. Il caso 2n
7. Il caso 3x2
8. La notazione di Yates
9. Progettazione dell’esperimento
Meccanica Sperimentale - Anno Accademico 2018

Introduzione
Spesso, in campo industriale, non è possibile definire completamente in fase di

progettazione tutte le caratteristiche di un prodotto.
Questo perché spesso le caratteristiche di un prodotto dipendono numerosissime
variabili casuali non controllabili (fattori di “rumore”).
La prestazione di un prodotto dipende quindi da:
• variazione sistematica ovvero variazione intenzionale apportata ai fattori;
• variazione accidentale ovvero causata dai fattori di rumore.

Il modello
Problema
Verificare se ed in quale misura un particolare aspetto della prestazione di un
prodotto risulta influenzano dai fattori che ne caratterizzano il progetto, la
costruzione o il processo produttivo.
Si costruisce un modello semplice che permette di individuare la relazione
funzionale tra l’aspetto prestazione Y che si vuole studiare e i livelli dei fattori di cui
si vuole studiare l’influenza.
I livelli possono essere sia qualitativi (es. tempra in olio e tempra in acqua) o
quantitativi (es. contenuto di nichel in una lega).
L’associazione di determinati livelli di fattori è indicato da n-ple ordinate di numeri
interi.
Esempio Se A, B e C sono i fattori la terna (i, j, k) indica che la condizione
sperimentale è caratterizzata dal livello i-esimo per il fattore A, dal livello j-esimo
per il fattore B e dal livello k-esimo per il fattore C.

Il modello
Si consideri che la grandezza reale Y sia influenzata da n fattori (x1, x2, … , xn) allora
Y è la somma di un certo numero di contributi
𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
𝑌 = 𝜙0 + 𝜙𝑖 + 𝜙𝑖𝑗 + 𝜙𝑖𝑗𝑘 + ⋯
𝑖=1 𝑖=1 𝑗=1 𝑖=1 𝑗=1 𝑘=1
dove il contributo 𝜙0 non dipende da alcun fattore; i contributi 𝜙𝑖 𝑥𝑖 dipendono

dal livello assunto dal fattore 𝑥𝑖 ; i contributi 𝜙𝑖𝑗 𝑥𝑖 , 𝑥𝑗 dipendono dai livelli
assunto dai fattori 𝑥𝑖 e 𝑥𝑗 , ecc. .
Ogni contributo 𝜙 è composto da vari termini che esprimono la parte lineare e non
lineare.
Utilizzando l’ANOVA sarà possibile esaminare i dati rilevati e capire l’importanza
del singolo contributo sulla risposta Y e successiva stabilire le leggi empiriche alal
base del modello.

Procedimento tradizionale
Nel procedimento tradizionale si fa variare un fattore alla volta rispetto ad una

situazione che si considera rappresentativa.
Questo implica l’effettuazione di prove in corrispondenza dei vertici di certe stelle a 2,
3, 4, … , n dimensioni.
𝑋2
𝑋3
𝑋1
• L’effetto di ogni fattore viene quindi valutato solo agli estremi della stella.
• L’analisi statistica si limita all’analisi della varianza e della media ad un criterio di
valutazione.
• Non fornisce informazioni sui termini del modello che coinvolgono due o più fattori.
• Richiede un grande numero di prove.
Procedimento fattoriale
Nel procedimento fattoriale si fanno variare più fattori contemporaneamente In modo

da toccare tutti i vertici di un cubo (o quadrato o iper-cubo). In questo modo ogni
prova porta informazione su più fattori
X2
X3
X1
Vantaggi:
• riduzione del numero di prove (replicazione nascosta);
• possibilità di studiare gli effetti delle interazioni tra più fattori

Sperimentazione fattoriale
La sperimentazione fattoriale è una metodologia statistica basata sul procedimento

fattoriale, organizzato in modo da studiare l’azione di due o più fattori applicati in
corrispondenza di varie combinazioni dei rispettivi livelli
Vantaggi:
• riduzione del numero di prove (replicazione nascosta);
• possibilità di studiare gli effetti delle interazioni tra più fattori.
Svantaggi:
• complicazione nell’analisi dei risultati e nella progettazione degli esperimenti.
Gli esperimenti fattoriali si distinguono in:
• piano fattoriale completo;
• piano fattoriale ridotto (o frazionario).
In genere si indica con p × q × r il piano fattoriale completo con tre fattori con p, q e r
livelli rispettivamente. Se p = q = r = s allora l’esperimento si indica come s3, o in
generale sn.

Il caso 2 x 2
Si consideri di voler studiare l’influenza di due fattori A e B ognuno su due livelli 0 e 1.
Il modo più semplice di procedere è quello di realizzare quattro distinti trattamenti.
Si prelievi un campione casuale e si esegua la misura della grandezza Y in modo
standardizzato.
I valori numerici misurati vanno interpretati come dati campionari di quattro
popolazioni statisticamente normali aventi valor medio mij (i-mo livello A e j-mo livello
B) e varianza comune σ².
Yijr ∈ N(mij , σ2 )
dove Yijr è il valore osservato della grandezza Y alle r-ma replica del trattamento (i, j).
Per via delle ripetizioni tale modello tiene conto quindi degli errori di misura e delle
fluttuazioni casuali dei valori non controllati. Quindi i dati campionari saranno del tipo
Yijr = mij + ϵijr i, j = 0, 1 ; r = 1, 2, … , R
• mij è il valore ideale della grandezza Y in assenza di perturbazioni;
• ϵijr è una variabile casuale ∈ N(0 , σ2 ) differenza tra valore osservato e ideale di Y
alla r-ma replica del trattamento (i, j);
• R è il numero di repliche dal trattamento.
Il caso 2 x 2
Supponiamo ora che il valore di m sia descrivibile con un modello a quattro termini
m = μ ± α ± β ± αβ
• μ è una costante indipendente dai livelli di A e B;
• α dipende esclusivamente dalla variazione del fattore A;
• β dipende esclusivamente dalla variazione del fattore B;
• αβ dipende dalla variazione simultanea dei fattori A e B.
Per α e β si assume il segno + se il fattore è a livello 1 e – se è a livello 0. Per αβ si
assume il segno + se i fattori sono allo stesso livello (1 e 1 o 0 e 0) viceversa si usa il
segno – .
𝛼0 = − 𝛼 𝛼1 = + 𝛼
𝛽0 = − 𝛽 𝛽1 = + 𝛽
𝛼𝛽00 = + 𝛼𝛽 𝛼𝛽01 = − 𝛼𝛽 𝛼𝛽10 = − 𝛼𝛽 𝛼𝛽11 = + 𝛼𝛽

Il caso 2 x 2
Si deduce quindi che:

Gli effetti dei due fattori andranno ricercati solo ed esclusivamente nelle diversità fra i
valori medi mij delle popolazioni associate ai quattro trattamenti.
Riportando i valori su di un sistema di assi cartesiani si ha
Grandezza Y
Fattore B
B1
B0
Fattore A
A0 A1

Il caso 2 x 2
Il valore costante μ è pari alla media delle medie mij

μ = (m00 +m01 + m10 + m11 )/4
L’effetto del fattore A quando il fattore B è al livello 0 è misurata da
𝛼𝐵0 = (m10 − m00 )/2
mentre quando B è al livello 1 vale
𝛼𝐵1 = (m11 − m01 )/2
Di conseguenza l’effetto del fattore A può essere scritto come
𝛼 = [(m10 − m00 ) + m11 − m01 ]/4
che può essere scritta anche come
𝛼 = (m10 + m11 ) 2 − 𝜇 = m1j − 𝜇
ovvero come lo scostamento della media delle medie m1j dalla media generale μ.

Il caso 2 x 2
Analogamente si può procedere per l’effetto del fattore B. Quando il fattore A è al livello
0 è misurata da
𝛽𝐴0 = (m01 − m00 )/2
mentre quando A è al livello 1 vale
𝛽𝐴1 = (m11 − m10 )/2
Di conseguenza l’effetto del fattore B può essere scritto come
𝛽 = [(m01 − m00 ) + m11 − m10 ]/4
𝛽 = (m01 + m11 ) 2 − 𝜇 = mi1 − 𝜇
ovvero come lo scostamento della media delle medie mi1 dalla media generale μ.

Il caso 2 x 2
Una eventuale diversità delle quantità 𝛼𝐵0 e 𝛼𝐵1 rivela che l’effetto A varia al variare
del livello dell’effetto B.
Si dice allora che esiste una interazione di primo ordine tra i fattori A e B e si assume
come misura di tale interazione la differenza
𝛼𝛽 = [(m11 − m01 ) + m10 − m00 ]/4
𝛼𝛽 = m11 − 𝛼 − 𝛽 − 𝜇
Si può dimostrare che l’interazione B con A è uguale a quella di A con B ovvero 𝛼𝛽 =
𝛽𝛼.
Piano fattoriale completo a due fattori e due livelli

n A B μ α β αβ
1 0 0 + – – +
2 0 1 + – + –
3 1 0 + + – –
4 1 1 + + + +

Esempio 1
Grandezza Y : momento frenante di un certo freno a disco.

Fattore A: pressione idraulica agente sul cilindretto.
Livelli: A0 = 2 MPa A1 = 5 MPa
Fattore B: coefficiente di attrito delle guarnizioni frenanti.
Livelli: B0 = 0,25 B1 = 0,45
A seguito delle misurazioni eseguite sulle quattro combinazioni con otto ripetizioni per
combinazione si sono ottenuti i valori medi mij riportati in tabella
n A - pressione B - attrito Y – mom. fren.

1 2 0,25 112 Nm
2 2 0,45 203 Nm
3 5 0,25 281 Nm
4 5 0,45 506 Nm

Esempio 1
Possiamo calcolare i termini del modello:

μ = (m00 +m01 + m10 + m11 )/4=275,5 Nm
α = m1j − μ = 118 Nm
β = mi1 − μ = 79 Nm
αβ = m11 − α − β − μ = 33,5 Nm
Secondo la formula di progetto per un freno a disco è proporzionale in modo lineare

sia al coefficiente d’attrito f che alla pressione p.
Mf ∝ pf
Esattamente come nel modello sperimentale. Inoltre i segni positivi di α e β indicano
che la grandezza Y cresce al crescere dei valori di entrambi i fattori.
Il termine αβ indica che i fattori interagiscono tra loro, ed infatti anche nel modello
teorico sono fattori di un prodotto.

Esempio 1
Influenza dei due fattori sulla grandezza Y

Esempio 2
Grandezza Y : frequenza propria di oscillazione sistema 1gdl

Fattore A: massa
Livelli: A0 = 250 kg A1 = 650 kg
Fattore B: rigidezza della molla
Livelli: B0 = 950 kN/m B1 = 3800 kN/m
A seguito delle misurazioni eseguite sulle quattro combinazioni con venti ripetizioni
per combinazione si sono ottenuti i valori medi mij riportati in tabella
n A - massa B - rigidezza Y – freq. ris.

1 250 0,25 9.8 Hz
2 250 0,45 19.6 Hz
3 650 0,25 6.1 Hz
4 650 0,45 12.2 Hz
L’analisi della varianza ha evidenziato che entrambi i fattori influenzano la grandezza Y

Esempio 2
Calcolando i termini del modello si ottiene
μ = (m00 +m01 + m10 + m11 )/4=11.925 Hz
α = m1j − μ = −2.775 Hz (massa)
β = mi1 − μ = 3.975 Hz (rigidezza)
αβ = m11 − α − β − μ = −0.925 Hz
Il sistema dipende direttamente dalla rigidezza ed inversamente dalla massa.
Il termine αβ indica che i due fattori interagiscono tra loro in modo antisinergico
(segno negativo).

Esempio 2

Il caso 23
Si consideri di allargare l’indagine ad un terzo fattore C sempre su due livelli 0 e 1.
Abbiamo quindi 8 distinte condizioni sperimentali {i, j, k} con i, j, k = 0, 1 aventi valor
medio mijk e varianza comune σ².
Yijkr ∈ N(mijk , σ2 )
dove Yijkr è il valore osservato della grandezza Y alle r-ma replica del trattamento {i, j,
k}.
La quantità m, valore ideale di Y in assenza di perturbazioni, è costituita da 8 termini
m = μ ± α ± β ± δ ± αβ ± αδ ± βδ ± αβδ
dove:
• μ è il termine costante non influenzato dai livelli di A, B e C.
• α, β e δ sono gli effetti ascrivibili alla variazione di un solo fattore, A, B e C
rispettivamente
• αβ, αδ e βδ rappresentano le interazioni di primo livello fra due fattori
• αβδ è l’interazione di secondo livello.

Il caso 23
I segno viene assunto come segue
α0 = − α β0 = − β δ0 = −δ
α1 = + α β1 = + β δ1 = +δ
αβ00 = + αβ αβ01 = − αβ αβ10 = − αβ αβ11 = + αβ
⋯
αβδ000 = − αβδ αβδ001 = + αβδ αβδ010 = + αβ𝛿 ⋯
Il valore costante μ vale
μ = (m000 + m010 + m100 + m110 + m001 + m011 + m101 + m111 )/8
Fissato un fattore i coefficienti dei singoli fattori possono essere valutati come:
1 1
α=1 8 m1jk − m0jk

j=0 k=0
1 1
β=1 8 mi1k − mi0k

i=0 k=0
1 1
δ=1 8 mij1 − mij0

i=0 j=0

Il caso 23
Si può anche scrivere che:
α = m1jk − μ
β = mi1k − μ
δ = mij1 − μ
ovvero come lo scostamento delle rispettive medie delle medie dalla media generale μ.
Fissati due fattori (es. A e B) si può misurare la loro interazione per il livello 0 di C
αβC0 = m110 − m010 − m100 − m000 4
e per il livello 1 di C
αβC1 = m111 − m011 − m101 − m001 4
La media dei valori ottenuti fornisce l’interazione generale tra A e B
αβ = m110 − m010 − m100 − m000 + m111 − m011 − m101 − m001 8
In modo analogo si ha
αδ = m101 − m001 − m100 − m000 + m111 − m011 − m110 − m010 8
βδ = m011 − m001 − m010 − m000 + m111 − m101 − m110 − m100 8

Il caso 23
L’interazione di secondo ordine vien definita come la variazione dell’interazione AB al
variare di C e quindi vale
αβδ = m111 − m011 − m101 − m001 − m110 − m010 + m100 − m000 8
Piano fattoriale completo a tre fattori e due livelli

n A B C μ α β δ αβ αδ βδ αβδ
1 0 0 0 + – – – + + + –
2 0 0 1 + – – + + – – +
3 0 1 0 + – + – – + – +
4 0 1 1 + – + + – – + –
5 1 0 0 + + – – – – + +
6 1 0 1 + + – + – + – –
7 1 1 0 + + + – + – – –
8 1 1 1 + + + + + + + +

Esempio 3
Grandezza Y : resistenza ad urto coperchi plastici rinforzati con fibre.
Fattore A: temperatura stampo.
Livelli: A0 = 80 °C A1 = 95 °C
Fattore B: velocità di compressione
Livelli: B0 = 2,4 mm/s B1 = 4,8 mm/s
Fattore C: tipo di materiale
Livelli: C0 materiale 1 C1 materiale 2
A seguito di un piano fattoriale completo si ottengono i seguenti valori:
n A temperatura B velocità C materiale Y – energia
1 80 2,4 0 35,46 J
2 80 2,4 1 27,15 J
3 80 4,8 0 34,83 J
4 80 4,8 1 28,48 J
5 95 2,4 0 36,65 J
6 95 2,4 1 29,28 J
7 95 4,8 0 39,84 J
8 95 4,8 1 29,03 J

Esempio 3
Ogni trattamento è stato replicato otto volte. Dall’analisi della varianza si evince che tutte e tre i
fattori e tutte e tre le interazioni di primo livello e quella di secondo livello sono significative per
Y.
I termini del modello valgono
μ = (m000 + m010 + m100 + m110 + m001 + m011 + m101 + m111 )/8 = 32,59 J
α = m1jk − μ = 1,11 J
β = mi1k − μ = 0,455 J
δ = mij1 − μ = – 4,105 J
αβ = m110 − m010 − m100 − m000 + m111 − m011 − m101 − m001 8 = 0,28J
αδ = m101 − m001 − m100 − m000 + m111 − m011 − m110 − m010 8 = – 0,44 J
βδ = m011 − m001 − m010 − m000 + m111 − m101 − m110 − m100 8 = – 0,185J
αβδ = m111 − m011 − m101 − m001 − m110 − m010 + m100 − m000 8 = −0,675J
I segni negativi nei termini delle interazioni di primo e secondo livello indicano che sono di tipo
anti-sinergico

Il caso 2n
Le considerazioni fatte fino a qui possono essere generalizzate per il caso 2n, ovvero quando si
anno n fattori a due livelli.
Il modello avrà interazioni via via crescenti fino al livello n-1 che riguarda tutti gli n fattori.
I termini del modello sono pari al numero dei trattamenti considerati ovvero 2n.
Svantaggi
La presenza di effetti di interazione è basato su dati campionari ed al crescere della numerosità
dei campioni cresce l’incertezza sulla loro significanza, specie per quelle di grado elevato.
La trascrizione delle interazioni è molto laboriosa già oltre i 5 - 6 fattori.
Questo problema può essere affrontato utilizzando la notazione di Yates.

Notazione di Yates
Si consideri il caso 23.
Si indichi con ai bj ck la media mijk della distribuzione a cui appartengono i risultati ottenuti per il
trattamento {i, j, k}.
La quantità μ, a meno della costante paria a 1/8, può essere calcolata come
μ = a1 + a0 b1 + b0 c1 + c0
e quindi sostituendo a ciascuna tripletta ai bj ck la corrispondente media mijk .
Analogamente per le quantità α, β e δ si ha
α = a1 − a0 b1 + b0 c1 + c0
β = a1 + a0 b1 − b0 c1 + c0
δ = a1 + a0 b1 + b0 c1 − c0
anche in questo caso sostituendo a ciascuna tripletta ai bj ck la corrispondente media mijk si
ottengono le relazioni precedenti.
Per le interazioni di primo livello si ha
αβ = a1 − a0 b1 − b0 c1 + c0
αδ = a1 − a0 b1 + b0 c1 − c0
βδ = a1 + a0 b1 − b0 c1 − c0

Notazione di Yates
Per le interazioni di secondo ordine è possibile calcolare la quantità αβδ sempre a meno della
costante 1/8 come:
αβδ = a1 − a0 b1 − b0 c1 − c0
e sostituendo poi alle triplette ai bj ck la corrispondente media mijk .
Si può generalizzare al caso di n fattori con la seguente procedure
1. considerare il prodotto di tanti termini binomiali quanti sono i fattori
a1 ± a0 b1 ± b0 ⋯ z1 ± z0
2. appore il segno – ai fattori di cui si vuole stimare l’effetto o l’interazione ed eseguire il
prodotto.
3. Sostituire a ciascun termine elementare che è del tipo ai bj ⋯ zk (i, j, …, k = 0, 1) la media delle
osservazioni della grandezza Y associata al trattamento {i, j, …, k}.
Le espressioni ottenute sono combinazioni lineari di medie di osservazioni.
Tali combinazioni lineari sono dette ortogonali in quanto hanno somma nulla dei loro coefficienti
(n/2 avranno segno + e n/2 segno - ) e somma nulla dei prodotti dei coefficienti dei termini
uguali di due qualunque di esse.

Il caso 3x2
Si consideri ora il caso in cui un fattore (es. fattore A) sia fatto variare su tre livelli (0, 1, 2) e il
secondo (fattore B) su due livelli (0, 1).
Il modello può essere scritto in due forme.
Prima forma
Da preferire quando il fattore A e di tipo qualitativo. Si calcola un diverso valore di α per ciascuno
dei livelli del fattore A
m = μ + αi ± β + αβij
dove
αi = mij − μ
ovvero lo scostamento della di tutti i risultati ottenuti con il fattore A al livello Ai dalla media
generale μ.
Il calcolo del termine β invece avverrà come in precedenza.

Il caso 3x2
Interpretazione geometrica del modello 3x2
Grandezza Y
Fattore B
B1
B0
A0 A1 A2
Fattore A

Il caso 3x2
Le interazioni avranno le seguenti espressioni:

αβ00 = m00 − α0 − β − μ αβ01 = m01 − α0 − β − μ
αβ10 = m10 − α1 − β − μ αβ11 = m11 − α1 − β − μ
αβ20 = m20 − α2 − β − μ αβ21 = m21 − α2 − β − μ

Il caso 3x2
Seconda forma
Da preferissi quando A è di tipo quantitativo. Permette di mettere in evidenza le non linearità
dell’effetto del fattore A.
Il modello può essere scritto come
m = μ ± αL ± kαQ ± β ± αL β ± kαQ β
dove αL è la componete lineare e αQ la componete quadratica dell’effetto di A e αL β e αQ β sono le
due interazioni ognuna per ogni componente. k è una costante moltiplicativa.
Il valore costante μ è pari alla media delle medie
μ = m00 + m01 + m10 + m11 + m20 + m21 /6
La parte lineare del fattore A è misurata dalla differenza
αL = (m21 + m20 − m00 − m01 )/4
mentre quella quadratica vale
αQ = (m20 + m21 − 2m10 − 2m11 + m00 + m01 )/12
L’effetto del fattore B è misurato come
β = (m01 + m11 + m21 − m00 − m10 − m20 )/6

Il caso 3x2
I termini di interazione possono essere scritti come

αL β = (m21 − m20 + m00 − m01 )/4
αQ β = (m21 − m20 − 2m11 + 2m10 + m01 − m01 )/12
Piano fattoriale completo 3 x 2
n A B μ αL αQ β αLβ αQβ
1 0 0 + – +1 – + –1
2 0 1 + – +1 + – +1
3 1 0 + 0 –2 – 0 +2
4 1 1 + 0 –2 + 0 –2
5 2 0 + + +1 – – –1
6 2 1 + + +1 + + +1

Esempio 4
Grandezza Y : frequenza propria di oscillazione (sistema 1gdl).
Fattore A: massa
Livelli: A0 = 250 kg A1 = 650 kg
Livelli: B0 = 950 kN/m B1 = 2500 kN/m B2 = 3800 kN/m
A seguito di un piano fattoriale completo con venti ripetizioni si ottengono i seguenti valori:
n A – massa B – rigidezza Y – freq. ris.

1 250 950 9.8 Hz
2 250 2500 15.9 Hz
3 250 3800 19.6 Hz
4 650 950 6.1 Hz
5 650 2500 9.9 Hz
6 650 3800 12.2 Hz

Esempio 4
Dall’analisi della varianza è risultato che che i due fattori ed anche l’interazione αβL
influenzano il risultato di Y, mentre questo non vale per αβQ.
μ =12.25 Hz
α = −2.85 Hz (massa)
βL = 3.975 Hz (rigidezza)
βQ = −0.325 Hz (rigidezza)
𝛼βL = −0.925 Hz
𝛼βQ = 0.075 Hz (non rilevante)
Il segno negativo di βQ indica che la relazione ha concavità verso il basso, mentre
quello di 𝛼βL indica che i due fattori interagiscono in modo antisinergico.

Esempio 4

Esempio 5
Grandezza Y : frequenza propria di oscillazione (sistema 1gdl).
Fattore A: massa
Livelli: A0 = 250 kg A1 = 400 kg A2 = 650 kg
Livelli: B0 = 950 kN/m B2 = 3800 kN/m
A seguito di un piano fattoriale completo con venti ripetizioni si ottengono i seguenti valori:
n A – massa B – rigidezza Y – freq. ris.

1 250 950 9.8 Hz
2 250 3800 19.6 Hz
3 400 950 19.6 Hz
4 400 3800 7.5 Hz
5 650 950 6.1 Hz
6 650 3800 12.2 Hz

Esempio 5
Dall’analisi della varianza è risultato che che i due fattori ed anche l’interazione αβL
influenzano il risultato di Y, mentre questo non vale per αβQ.
μ =11.7 Hz
αL = −2.775 Hz (massa lineare)
αQ = 0.225 Hz (massa quadratica)
β = 3.9 Hz (rigidezza)
αL β = −0.925 Hz
αQ β = 0.075 Hz (non rilevante)
Il segno positivo di αQ indica che la relazione ha concavità verso l’alto, mentre quello di
𝛼βL indica che i due fattori interagiscono in modo antisinergico.

Esempio 5

Caso 3x2 - Notazione di Yates
La notazione di Yates può essere utilizzata anche per casi con più livelli.
αL = a2 − a0 b0 + b1
αQ = a2 − 2a1 + a0 b0 + b1
β = a2 + a1 + a0 b1 − b0
αL β = a2 − a0 b1 − b0
αQ β = a2 − 2a1 +a0 b1 − b0
Si può affermare che:
«La componente lineare di un fattore è attinente le differenze prime della risposta
grandezza Y (al variare dei livelli del fattore in esame), mentre la componente
quadratica è attinente le differenze seconde.»
Che è generalizzabili anche alle componenti cubiche (differenze terze) e quartiche
(differenze quarte).
La notazione di Yates è utilizzabile se anche il fattore B ha livelli in numero maggiore di
due.

Coefficienti per il calcolo delle componenti dell’effetto di un fattore a più livelli
Coefficienti dei vari livelli

Numero
componenti
livelli
1 2 3 4 5
2 lineare 1 -1
lineare -1 0 1
3
quadratico 1 -2 1
lineare -3 -1 1 3
4 quadratico 1 -1 -1 1
cubico -1 3 -3 1
lineare -2 -1 0 1 2
quadratico 2 -1 -2 -1 2
5
cubico -1 2 0 -2 1
quartico 1 -4 6 -4 1

Si consideri un esempio per un paino 4 x 5

AL = (−3a0 − a1 + a2 + 3a3 )(b0 + b1 + b2 + b3 + b4 )
AQ = (+a0 − a1 − a2 + a3 )(b0 + b1 + b2 + b3 + b4 )
AC = (−a0 + 3a1 − 3a2 + a3 )(b0 + b1 + b2 + b3 + b4 )
BL = (+a0 + a1 + a2 + a3 )(−2b0 − b1 + b3 + 2b4 )
⋯
AL BL = (−3a0 − a1 + a2 + 3a3 ) (−2b0 − b1 + b3 + 2b4 )

⋯
AC BQR = (−a0 + 3a1 − 3a2 + a3 ) (b0 − 4b1 + 6b2 − 4b3 + b4 )

Progettazione dell’esperimento
È importante quindi impostare l’attività sperimentale in modo coerente con il modello

ipotizzato.
Si noti che:
• il numero di termini che vengono identificati nel modello matematico è uguale al

numero di trattamenti considerati
• il grado della funzione 𝜙 del modello matematico è pari al numero dei livelli
considerati per ciascun fattore meno uno.
Quindi se si ipotizza una relazione lineare tra un fattore A e una grandezza Y sarà
sufficiente per il fattore A impostare un piano degli esperimenti a due livelli. Altrimenti
bisognerà aumentare il numero dei livelli.

Piani fattoriali ridotti
I piani fattoriali completi richiedono un gran numero di prove. A volte è però possibile
ridurre il numero di prove richieste ottenendo tutte le informazioni necessari.
Si consideri ad esempio il caso di un modello a tre fattori a due livelli di cui si sa a
priori che le interazioni tra fattori sono nulle. I questo caso il modello divento
m= μ±α±β±δ
riducendo a solo 4 trattamenti il piano sperimentale invece di 8.
In altri casi può non essere interessante andare ulte il primo livello di interazione. Ad
esempio in un caso a 4 fattori il modello diventerebbe
m = α ± β ± δ ± Γ ± αβ ± αδ ± αΓ ± βδ ± βΓ ± δΓ
passando quindi da 16 a 11 termini.
La riduzione dei termini deve avvenire però senza perdere i vantaggi del paino
fattoriale.

Si consideri il piano fattoriale completo del caso a tre fattori a due
B0 B1
C0 C1 C0 C1
A0 * * * *
A1 * * * *
Se adottiamo questa strategia di riduzione abbiamo un piano sbilanciato in quanto il

piano corrisponde a modificare un fattore alla volta
B0 B1 n A B C
1 0 0 0
C0 C1 C0 C1
2 1 0 0
A0 *
3 1 1 0
A1 * * * 4 1 1 1

Il seguente piano invece è detto bilanciato perché conserva le caratteristiche del piano
fattoriale (modifica fattori contemporaneamente ed è ortogonale)
B0 B1 n A B C
1 0 0 0
C0 C1 C0 C1
2 1 0 1
A0 * *
3 1 1 0
A1 * * 4 0 1 1

Il caso 23 ridotto
Per questo piano fattoriale ridotto bilanciato il termine costante vale

μ = (m000 + m101 + m110 + m011 )/4
mentre i termini relativi ai fattori valgono
α = (m101 + m110 − m000 − m011 )/4
β = (m110 + m011 − m101 − m000 )/4
δ = (m101 + m011 − m110 − m000 )/4
I trattamenti 2 e 3 valgono come replicazioni del fattore A al livello 1 mentre i
trattamenti 1 e 4 riguardano il fattore A a livello 0
n A B C μ α β δ
1 0 0 0 + – – –
2 1 0 1 + + – +
3 1 1 0 + + + –
4 0 1 1 + – + +
Inoltre è facilmente verificabili la caratteristica di ortogonalità

Matrici ortogonali standard
Per svolgere l’attività sperimentale mediante paini fattoriali ridotti è necessario che le
matrici siano ortogonali.
Taguchi (1977) ha introdotto il metodo per creare matrici ortogonali medianti i grafici
lineari.
La raccolta delle 18 matrici di Taguchi sono dette matrici ortogonali standard.
Permettono di creare un piano fattoriale ridotto in maniera molto semplice.
Ogni matrice è indicata come Lx dove x indica il numero di righe della matrice mentre il
numero di colonne è pari al numero di fattori considerati.
I fattori possono essere considerati a diversi livelli.
Taguchi assume per buona l’ipotesi che siano trascurabili le interazioni tra i vari
fattori. La matrice da adottare allora deve avere numero di righe maggiore o uguale a g
g = f2 2 − 1 + f3 3 − 1 + ⋯ + fj (j − 1)
dove f2 sono il numero di fattori a due livelli, f3 quelli a tre livelli, eccetera.

Massimo Massimo numero di colonne per il livello indicato
Matrice Numero di
numero di
ortogonale righe 2 3 4 5
fattori
L4 4 3 3
L8 8 7 7
L9 9 4 4
L12 12 11 11
L16 16 15 15
L16 16 5 5
L18 18 8 1 7 6
L25 25 6
L27 27 13 13
L32 32 31 31
L32 32 10 1 9
L36 36 23 11 12
L36 36 16 3 13
L50 50 12 1 11
L54 54 26 1 25
L64 64 63 63
L64 64 21 21
L81 81 40 40

Matrice L4, 3 fattori 2 n A B C
livelli
1 0 0 0
2 0 1 1
3 1 0 1
Matrice L8, 7 fattori 2
4 1 1 0
livelli
n A B C D E F G
1 0 0 0 0 0 0 0
2 0 0 0 1 1 1 1
3 0 1 1 0 0 1 1
4 0 1 1 1 1 0 0
5 1 0 1 0 1 0 1
6 1 0 1 1 0 1 0
7 1 1 0 0 1 1 0
8 1 1 0 1 0 0 1
n A B C D
1 0 0 0 0
2 0 1 1 1
3 0 2 2 2
4 1 0 1 2
5 1 1 2 1
6 1 2 0 0
7 2 0 2 1
8 2 1 0 2
9 2 2 1 0
Matrice L9, 4 fattori a 3 livelli

Il confounding
La riduzione del piano fattoriale può portare al fenomeno del confounding ovvero
attribuire ad una certa causa l’effetto combinato di due o più cause.
Consideriamo un piano fattoriale completo 23 da cui estrarre il paino fattoriale ridotto
1 0 0 0 + – – – + + + –
2 0 0 1 + – – + + – – +
3 0 1 0 + – + – – + – +
4 0 1 1 + – + + – – + –
5 1 0 0 + + – – – – + +
6 1 0 1 + + – + – + – –
7 1 1 0 + + + – + – – –
8 1 1 1 + + + + + + + +

Il confounding
Sono state cancellate al seconda, terza, quinta ed ottava riga.
1 0 0 0 + – – – + + + –
4 0 1 1 + – + + – – + –
6 1 0 1 + + – + – + – –
7 1 1 0 + + + – + – – –
Si nota subito che ci possono essere problemi di confounding

• tra l’effetto α del fattore A e l’interazione βδ poiché le 4 medie si combinano nella
stessa maniera.
• tra l’effetto β del fattore B e l’interazione αδ
• tra l’effetto δ del fattore C e l’interazione αβ
• tra il termine costante μ e l’interazione di secondo livello αβδ
L’unico modo di evitare questo fenomeno è assicurarsi che l’ipotesi iniziale di assenza
di interazione sia vera.

Statistica Lezione DOE

Caricato da

Informazioni sul documento

Descrizione:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Descrizione:

Copyright:

Formati disponibili

Statistica Lezione DOE

Caricato da

Descrizione:

Copyright:

Formati disponibili

Politecnico di Bari – Dipartimento di Meccanica Matematica e Management

Progettazioni degli esperimenti (DOE)

Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Spesso, in campo industriale, non è possibile definire completamente in fase di

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

dove il contributo 𝜙0 non dipende da alcun fattore; i contributi 𝜙𝑖 𝑥𝑖 dipendono

Meccanica Sperimentale - Anno Accademico 2018

Nel procedimento tradizionale si fa variare un fattore alla volta rispetto ad una

Nel procedimento fattoriale si fanno variare più fattori contemporaneamente In modo

Meccanica Sperimentale - Anno Accademico 2018

La sperimentazione fattoriale è una metodologia statistica basata sul procedimento

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Si deduce quindi che:

Meccanica Sperimentale - Anno Accademico 2018

Il valore costante μ è pari alla media delle medie mij

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Piano fattoriale completo a due fattori e due livelli

Meccanica Sperimentale - Anno Accademico 2018

Grandezza Y : momento frenante di un certo freno a disco.

n A - pressione B - attrito Y – mom. fren.

Meccanica Sperimentale - Anno Accademico 2018

Possiamo calcolare i termini del modello:

Secondo la formula di progetto per un freno a disco è proporzionale in modo lineare

Meccanica Sperimentale - Anno Accademico 2018

Influenza dei due fattori sulla grandezza Y

Meccanica Sperimentale - Anno Accademico 2018

Grandezza Y : frequenza propria di oscillazione sistema 1gdl

n A - massa B - rigidezza Y – freq. ris.

L’analisi della varianza ha evidenziato che entrambi i fattori influenzano la grandezza Y

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

α=1 8 m1jk − m0jk

β=1 8 mi1k − mi0k

δ=1 8 mij1 − mij0

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Piano fattoriale completo a tre fattori e due livelli

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

Interpretazione geometrica del modello 3x2

Meccanica Sperimentale - Anno Accademico 2018

Le interazioni avranno le seguenti espressioni:

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018

I termini di interazione possono essere scritti come

Piano fattoriale completo 3 x 2

Meccanica Sperimentale - Anno Accademico 2018

n A – massa B – rigidezza Y – freq. ris.

Meccanica Sperimentale - Anno Accademico 2018

Meccanica Sperimentale - Anno Accademico 2018