Questo primo modulo è pensato per coloro che si avvicinano per la prima volta alla statistica e a Minitab quale strumento professionale per l’analisi statistica. Il corso introduce i principali concetti statistici necessari per poter comprendere e applicare gli argomenti successivi.

Questo modulo si concentrerà sulla statistica inferenziale introducendo diversi test volti alla validazione dei propri dati e delle proprie ipotesi. Il tutto pensato nell’ottica di imparare ad individuare problemi di processo ed evidenziare la necessità di un miglioramento, riducendo al minimo il tempo necessario per l’analisi dei dati.

In questo modulo, dopo aver compreso l’importanza di un modello matematico, verrà introdotto uno tra i principali modelli per la statistica industriale: ANOVA, Analisi della Varianza.

In questo modulo prenderemo in analisi i metodi di regressione, tecniche essenziali per scoprire e descrivere le relazioni tra variabili, nonché sviluppare modelli matematici che permettano di fare solide previsioni e prendere decisioni sulla base degli algoritmi utilizzati. Infine verranno introdotti alcuni concetti e metodi di ottimizzazione.

In questo modulo verranno introdotte le tecniche di analisi e lo studio/validazione dei sistemi  di misura: Gage R&R, analisi di linearità ed errore dello strumento e Attribute Agreement Analysis.

In questo modulo saranno prese in considerazione le principali tecniche per il controllo statistico della qualità. Verranno presentati importanti strumenti relativi all’analisi di capacità per valutare i processi in relazione a specifiche interne e provenienti dai clienti. Verrà affrontato, inoltre, l’utilizzo delle Carte di Controllo.

In questo modulo verranno approfonditi alcuni concetti fondamentali imparati nel corso base relativo alla Statistica per la Qualità. In particolare si tratteranno alcuni strumenti per qualificare il sistema di misura valutando non solo i contributi “standard” della variabilità tra le Parti o i Batch, ma anche i potenziali contributi di ulteriori fattori. Verranno presi in esame strumenti per valutare la qualità complessiva di un “nuovo” strumento di misura e presentate delle carte di controllo “speciali” ad alta sensibilità (EWMA, CUMSUM) o per controllare processi di produzione di piccoli lotti con continui cambi relativi al tipo di prodotto (Z-Chart).

In questo modulo verrà presentata l’analisi Between/Within per controllare con un’unica carta le variabilità interne ai sottogruppi, tra i sottogruppi prodotti nello stesso momento, e tra i sottogruppi che si susseguono nel tempo. Si approfondiranno anche alcune tecniche relative all’analisi di capacità dei processi e verrà introdotto l’Acceptance Sampling, utilizzato per definire il piano di qualifica di un lotto di produzione in ingresso e/o in uscita.

In questo modulo verrà introdotto il mondo dell’analisi di affidabilità, fornendone tutti i concetti di base, indispensabili per approfondire i temi più avanzati della materia. In particolare si copriranno tutte le funzionalità e gli strumenti di uso più comune.

Il secondo modulo affronta temi più avanzati e specifici, occupandosi della pianificazione dei test per l’analisi di affidabilità e di casi di analisi con caratteristiche particolari.

In questo modulo verranno approfonditi alcuni concetti fondamentali imparati nel corso base relativo alla Reliability: si tratteranno alcuni strumenti per studiare e descrivere l’effetto che le variabili esplicative hanno sulla durata di un prodotto. Verranno presi in esame strumenti per determinare l’effetto che i fattori e le covariate possono avere sul rischio di guasto di un prodotto o di una famiglia di prodotti. Infine, sarà posta attenzione all’analisi di alcuni metodi per effettuare stime di affidabilità (su prodotti altamente affidabili in un ragionevole intervallo di tempo) nell’ottica di prevedere in che momento dei componenti di un prodotto potrebbero guastarsi.

Nel secondo modulo relativo all’Advanced Reliability verranno studiati alcuni metodi per stabilire un’adeguata dimensione del campione e allocazione di unità per definire i livelli di stress per test di vita accelerati al fine di determinare l’effetto che la variabile di stress ha sulla probabilità di guasto. Saranno infine presi in esame alcuni modelli probabilistici per predire importanti caratteristiche legate alla durata di un prodotto in uso.

In questo modulo verrà introdotto il mondo del design of experiment, strumento di primaria importanza per progettare e ottimizzare processi e prodotti. In particolare verrà trattato il metodo dei disegni fattoriali, che rappresentano il principale tipo di DOE tipicamente utilizzato. Il modulo fornirà tutti i concetti di base indispensabili per progredire nella conoscenza del DOE.

In questo modulo verrà approfondito il tema dei disegni fattoriali, esplorandone caratteristiche più avanzate. In particolare si vedrà come gestire la numerosità degli esperimenti, verrà approfondita la logica di fondo del DOE e si imparerà ad affrontare problemi di multi ottimizzazione.

Nel primo modulo dedicato al DoE in Practice imparerete a gestire dei comuni scenari di DoE dove sono necessarie modifiche all’analisi dei disegni classici, in relazione alla natura delle variabili di risposta, oppure al processo di raccolta dei dati. Capirete inoltre come gestire variabili (covariate) che possono influenzare la risposta, ma sulle quali non si può intervenire in fase di sperimentazione. Verrano infine sviluppate tecniche utili in particolari situazioni sperimentali (es. dati mancanti o fattori difficili da modificare).

Anche questo secondo modulo sul DoE in Practice sarà dedicato all’impostazione e allo sviluppo di applicazioni successive ai diversi Disegni Sperimentali classici.  Nello specifico imparerete come ridurre al minimo i costi e contemporaneamente come ottimizzare il prodotto o il processo. Analizzerete, inoltre, come individuare fattori che possano portare ad un evento critico (come ad esempio un difetto).

In questo modulo verranno presentati i Taguchi Designs statici e dinamici. Un Taguchi Design è un esperimento progettato in modo da ottenere un prodotto o un processo che funzioni in modo coerente all’interno dell’ambiente operativo. Tale metodologia riconosce che non tutti i fattori che causano variabilità (fattori di disturbo) possono essere controllati, pertanto cerca di identificare e manipolare i fattori controllabili (control factors) che riducono al minimo l’effetto del disturbo. Un processo progettato con questo obiettivo sarà in grado di produrre un output più consistente e di conseguenza il prodotto fornirà prestazioni costanti indipendentemente dall’ambiente in cui viene utilizzato.

In questo modulo, imparerete a creare con Minitab progetti di Response Surface Designs, ideali per l’ottimizzazione dei processi. Questa metodologia viene spesso utilizzata per descrivere le curvature in un modello che include termini di tipo quadratico. Verra infine introdotta la sperimentazione sequenziale.

In questo secondo modulo relativo ai Response Surface Designs sarà inizialmente ripresa e approfondita la sperimentazione sequenziale. Verranno inoltre trattate alcune tecniche per determinare le impostazioni dei fattori che consentano di ottimizzare più risposte contemporaneamente (Multiple Response Optimization).

In questo modulo verranno presentati i principi che regolano la pianificazione sperimentale relativa ai processi di miscelazione, comunemente utilizzati nei settori chimico/farmaceutico o food & beverage. Con l’aiuto di Minitab, imparerete ad analizzare i dati dei composti di miscelazione per creare esperimenti volti a studiare il processo, utilizzando la quantità minima di risorse sperimentali.

In questo secondo modulo saranno approfonditi i Mixture Designs attraverso numerosi output grafici e statistiche utili per comprendere le proprietà di una miscela e scegliere gli “ingredienti” necessari  per ottimizzarla durante le fasi critiche di un processo. A tale scopo verranno presentati i Mixture-Process Variable Designs e i Mixture-Amount Designs.