Sei sulla pagina 1di 28

24h di Didattica

La statistica dellelicottero di carta

Ing. Gianni Campatelli

gianni.campatelli@unifi.it

Modello matematico
Alla base dellottimizzazione di un qualsiasi processo industriale si ha la conoscenza stessa del processo Si conosce un processo solo quando possibile realizzare un modello matematico dello stesso

Lobiettivo quello di ricostruire un modello matematico del processo utilizzando gli strumenti possibili

Modello matematico
Fra questi si hanno:
Sperimentazione
Quando non si hanno dati storici del processo ed il valore di ottimo una combinazione mai utilizzata

Strumenti

Regressione

Quando si hanno molti dati storici e la combinazione ottimale gi stata sperimentata


3

Misura
Ogni prodotto/processo ha una performance

Se vogliamo migliorare un processo necessario stabilire una misura per la performance

Ripetibilit
La misura affetta da variabilit

Variabilit del processo

Variabilit della misura

Variabilit
La misura della variabilit la Deviazione Standard

(X

X)

N 1
Graficamente la distanza fra la media di un processo ed il flesso della curva di probabilit
6

Misura prestazioni
Per valutare le prestazioni del processo necessario poter misurare delle caratteristiche in uscita in funzione delle specifiche

Ricerca fattori
Per prima cosa si individuano i fattori potenzialmente influenti sul processo e si effettua la raccolta dati
Data Turno di lavoro Temperatura acqua di spegnimento Portata acqua di spegnimento Colata dellacciaio Potenza trasferita
8

Regressione
Regressione sui dati di processo:

Y f (Xi)
Variabili di controllo Xi Temperatura acqua Variabili di uscita Y Profondit di tempra

Portata acqua
% olio di tempra Potenza impiegata

Durezza superficiale
freccia

Velocit induttore
9

Regressione
Si quantifica linfluenza di un fattore continuo su una risposta continua
Tasso colesterolo

OBIETTIVO: Determinare un modello matematico del processo

Kcal giornaliere
10

Tipologie regressione
lineare semplice quadratica

Regressione
multipla

cubica
lineare etc. etc

11

Regressione semplice
Si analizza linfluenza di un singolo fattore su una risposta ES: ROI investimenti Tempo ciclo addetti produzione Confort imbottitura sedia Tempo irrigazione m2 prato
Out

fattore

12

Regressione semplice
Out Out

fattore

lineare
Out

quadratica

fattore

fattore
Studio del Processo e del Prodotto - Ing. G. Campatelli

cubica

13

Accuratezza regressione
E sempre possibile interpolare i dati con una regressione

Out

fattore
14

Accuratezza regressione
R-square (R-Sq %)
Out Out fattore

fattore

R-Sq basso

R-Sq alto

R-Sq > 70 % perch la regressione Studio del Processo e del essere Prodotto - Ing. G. Campatelli accettabile 15 possa ritenuta

Accuratezza regressione
Coefficiente retta Termine noto R-Sq F (da utilizzare per test significativit) Gdl (per test)
m
b SEm SEb R-Sq SEy F Gdl sq reg sq resid

0,292411
4,693578 0,005363 2,616451 99,4% 5,385613 2972,606 18 86219,91 522,0868

I valori F e Gdl servono per effettuare un test di significativit della regressione


16

Accuratezza regressione
R-Sq % calcolato utilizzando i residui
Residuo =|valore calcolato valore reale| A parit di equazione di regressione Residui

Out

residuo

R-Sq
fattore
17

Intervallo predizione
E possibile calcolare un intervallo allinterno del quale cadranno una data percentuale (95% ad esempio) delle possibili risposte

Out

Intervallo di predizione al 95%

fattore
18

Limite dei dati attuali


La regressione pu essere utilizzata solo nel range per il quale si hanno dati disponibili
Out

?
fattore
19

Design of Experiments
Utilizzato per conoscere linfluenza dei vari parametri di controllo (ali, massa) in relazione al tempo di volo D.O.E.: metodo per ottenere il massimo numero di informazioni eseguendo il minimo numero di prove. Ad ogni prova i parametri vengono impostati a valori differenti
20

Definizioni DOE
Fattore: caratteristica del processo/prodotto che pu essere configurata (es: numero operatori, temperatura processo, sistema di gestione, etc.) Livello: valore plausibile del fattore numero operatori: 2 - 4 temperatura: 10C 20C sistema gestione: nuovo vecchio Il numero di livelli dipende dal fattore, solitamente si preferisce scegliere solo due livelli
21

Organizzazione esperimenti

Calcolo degli effetti pi accurato (replicazione latente)

Calcolo delle interazioni possibile


approccio intuitivo approccio fattoriale

22

Approccio fattoriale
Si considerano tutte le possibili combinazioni dei livelli dei fattori
prova A B C

1 2 3 4 5 6 7 8

+ + + + -

+ + + + -

+ + + + 23

Numero prove
Il numero delle prove da eseguire dipende dal numero di fattori e da numero di livelli n = numero fattori m = numero livelli Pi frequentemente

prove m

prove 2

24

Replicazioni
E necessario eseguire delle replicazioni per individuare un valore medio della prova in tali condizioni e valutare il rumore della prova Si consigliano sempre almeno 2-3 replicazioni

25

Calcolare gli effetti


Obiettivo della sperimentazione creare un modello matematico del sistema Leffetto la differenza fra le medie dei vari esperimenti condotti in con un fattore allo stesso livello
Effetto A = =media(A+) media(A-)= =(Y1+Y2)/2 (Y3+Y4)/2
1 2 A + + B + -

3 4

+ 26

Interazioni
Per interazione si intende la differenza di effetto che una variabile pu avere dipendentemente da unaltra Matematicamente la differenza fra la media delle prove fatte con livelli dei fattori concordi e livelli dei fattori discordi
A + + B + AB + Effetto AB = =media(AB+) media(AB-)= =(Y1+Y4)/2 (Y2+Y3)/2
27

1 2

3 4

+ -

Modello matematico
Il modello matematico delle DOE costituito dai seguenti termini:

- interazioni lineari - lineari

y a1 x1 a2 x2 a3 x1 x2 c

28