Design Expert

Le basi del Designo degli Experimenti, vanno identificate nei lavori sviluppati da Ronald Fisher (1890-1962).
E' stato docente, dal 19 al 33 presso la stazione sperimentale di Rothamsted, poi, dal 33 al 43, a capo del dipartimento di eugenetica dell' University College di Londra e infine, dal 43 al 57, titolare della cattedra di genetica a Cambridge.

Fu tra i primi, o il primo, a comprendere l' importanza del campionamento casuale per poter generalizzare i risultati, in opposizione ai campionamenti fatti secondo criteri vari di opportunità. Nel 25 perfezionò il metodo ideato da William Sealy Gosset (alias Student) per confrontare due medie, ideando il test "t di Student" e introducendo il concetto dei gradi di libertà.
Sviluppò in modo innovativo le tecniche dell' ANOVA (Analisi della Varianza), mentre un suo allievo (Snedecor) in onore del maestro introdusse la "variabile casuale F". Introdusse i concetti di ipotesi nulla (H0) e ipotesi alternativa (H1).
Affermò (e fu una grande novità in ambito del metodo scientifico) che nessuna ricerca sperimentale poteva dimostrare l'ipotesi alternativa, ma solo "accettare" o "rifiutare" l'ipotesi nulla, anche se effettuare tanti esperimenti in cui si rigettava l'ipotesi nulla aumentava la credibilità che l' ipotesi alternativa fosse vera.
Con "The Design of Experiments" (35) introdusse la regola che gli esperimenti devono essere programmati (disegnati) prima di essere effettuati, affinché i test statistici possano avere una loro validità.

Durante questo primo periodo, la maggior parte del lavoro inerente al DoE fu relativo ad applicazioni nel campo dell'agricoltura.
Ad esempio, i ricercatori dall'università del Minnesota usarono i metodi statistici sviluppati da Fisher per valutare la produzione di orzo. Applicando infatti questa "nuova" metodologia in aziende agricole, identificarono vantaggi statisticamente significativi relativi alla produzione di determinati tipi di orzo.
Il progetto usato per questo esperimento ad una variabile fu denominato Randomized Block Design.
Durante la II guerra mondiale, una forma più specializzata del DoE, denominata Factorial Design, si è trasformata in una grande arma per l'accelerazione dello sviluppo industriale delle forze alleate. Dopo la guerra, George Box, che lavorava presso l' Imperial Chemical, introdusse i primi metodi di ottimizzazione del processo tramite il Response Surface Design.

Da questo punto in avanti, il Disegno degli Esperimenti è diventato una metodologia statistica industriale in continua evoluzione, soprattutto con la rivoluzione informatica degli ultimi anni...., non solo per applicazioni tipicamente di processo ma anche per applicazioni cosiddette transazionali.

OFAT ... (variazione di un fattore alla volta)

Queste è l' approccio tradizionale tenuto nello studio delle variabili di un fenomeno:

-   non esistono interazioni tra fattori
-   investigherò su quel fattore dopo aver terminato di studiare quest' altro fattore
-   variamo solo un fattore alla volta, così non ci confondiamo
-   è troppo presto per usare i metodi statistici
-   un esperimento statistico sarebbe troppo impegnativo
-   i miei dati sono troppo variabili per usare la statistica
-   ci preoccuperemo della statistica solo dopo aver completato la sperimentazione
-   ho troppi dati per utilizzare la statistica

Factorial Design e Response Surface

Nei casi in cui non sia mai stato applicato in precedenza alcun disegno statistico, i primi semplici two level factorial design, sebbene richiedano appena il 25% degli investimenti necessari per una completa sperimentazione, possono già fornire significative indicazioni sul possibile miglioramento globale.

Le tecniche del Response Surface studiano invece la rimanente parte del miglioramento e soprattutto l' ottimizzazione applicabile ad un processo.
Perchè applicarle se necessitano del 75% di tutti gli investimenti di una sperimentazione ? Non sembra logico ed economico...
Ma in situazioni tecnologiche altamente competitive (e quali non lo sono oggi ?), questo ulteriore miglioramento fa chiaramente la differenza tra successo o insuccesso di un prodotto, di un processo, di una tecnologia ...

Chi di voi si affiderebbe ad un navigatore satellitare che utilizzi solo 3 satelliti per rilevare e monitorare il proprio percorso ottimale in auto ?.
Per analogia, ciò è esattamente quanto accade limitando il vostro DoE ad una sola sperimentazione fattoriale - come generalmente succede.Se siete fortunati avrete trovato al massimo la direzione - che in genere, in realtà già conoscete, ... non certamente il percorso effettivamente ottimizzato

Consulenza operativa e supporto per la realizzazione di Design of Experiments in Azienda

SixSigmaIn Team è una delle poche realtà italiane operanti nell'ambito Six Sigma, che abbia operatività pratica sul Disegno degli Esperimenti ( e che possa realmente documentare tale attività ).

Affrontare una reale sperimentazione industriale, (non didattica), senza una adeguata preparazione, affidandosi esclusivamente ai risultati forniti da software generalisti, produce in realtà solo incertezza nella validità delle analisi ottenute, mancata stabilità dei risultati attesi e sicura certezza di non ottimizzare oltre al prodotto o processo in analisi, anche tutte le risorse investite nella sperimentazione.
Come conseguenza, troppo spesso abbiamo notato sfiducia nell' utilizzo effettivo delle tecniche DoE in Azienda.

Le ragioni reali di eventuali insuccessi possono essere sinteticamente riassunte in:
- mancata o limitata conoscenza di cosa si intenda effettivamente per piano di un disegno degli esperimenti,
- utilizzo di strumenti statistici inadeguati per la complessità effettiva della sperimentazione da condurre
- mancata rigorosità nell'utlizzo del metodo (pensando che il software utilizzato risolva tutto), nella conduzione delle prove, nella identificazione delle risposte
- obiettivi e / o risorse investite non sufficientemente chiariti

Lo scopo della nostra attività di supporto è quello di industrializzare passo-passo reali casi aziendali in tutti i loro steps in modo da costituire la base di riferimento di successivi DoE che l' Azienda sarà poi in grado di sviluppare e condurre in modo autonomo.
Possiamo prenderci ( come ci siamo più volte presi ) anche completamente carico di tutta la responsabilità di una sperimentazione per la risoluzione di un problema o per l'ottimizzazione di un processo industriale, lasciando all' Azienda solo l' onere della conduzione dei tests, dopo aver concordando gli obiettivi da raggiungere.

Sia che non abbiate ancora utilizzato queste tecniche, ma ne comprendiate le potenzialità, sia che ne conosciate le basi e le abbiate anche sperimentate, le conoscenze tecniche e l'esperienza operativa da noi acquisita ( che va al di là della pura statistica universitaria oppure della generica conoscenza di un software statistico ) può costituire la differenza tra il successo e l'insuccesso di tutta una vostra sperimentazione.

La collaborazione con Stat-Ease è stato e l' elemento chiave per il continuo sviluppo delle nostre competenze in questa area.

Design Expert by Stat-Ease


' Far superior to anything else that is on the market ' Douglas C. Montgomery, Regents Professor, Department of Industrial Engineering, Arizona State University

Fin dall' ottobre 2003, terminata la collaborazione con Minitab, abbiamo iniziato la collaborazione con Stat-Ease ed acquisito la distribuzione di Design Expert © per l'Italia, uno dei migliori software DoE sia in termini di strumento operativo, sia in termini di documentata competenza applicativa degli autori.

3M, Abbott Laboratories, AB Enzymes, Aboca, Advanced Mask Technology Center, AkzoNobel, Alcan, Allergan, Alza Corporation, American Cyanamid, American Medical Systems, Amp, Amylin Pharmaceutical, Amway, Andersen Windows, Angelini, Angiotech Pharmaceutical, Aptuit, Asoplast, ..., Bayer, Barry Controls, Boehringer-Ingleheim, Behr, Borregard, BJ Services, BSL Bioservice, Boston Scientific, Brembo, Bristol-Myers Squibb, .., Cargill, Castrol, Certainteed, ChemMetals, Cheeseborough-Ponds, Chiesi, Ciba-Corning, Ciba-Geigy, Cira, Coca Cola, Convatec, Courtaulds Aero, Cytec Industries, Corden Pharma, .., Diasorin, Dow Corning, Duracell, Ecolab, Ema, Fis, Fraunhofer Institut, Fresenius, .., GD, GDM, GE, General Mills, Glaxo, GN ReSound,, Guidant, .. Handikup, Henkel, Hercules, Hershey, Honeywell, Huntsman Advanced Mask Technology, Husky Injection Moldings, Kao Chemicals, .., IBM, IDEC Pharmaceuticals, IGEN, Imperial Oil, Innovex, Intervet International, .., Johnson & Johnson, JR Simplot, Kallestad, Kedrion, Kellogg, .., LFB Ethical Commitment, Lilly, Lord, .., MAP Pharmaceuticals, Markem, Mead, Meccanoplastica, Medtronics, Merck Serono, Mobil, Morton, Motorola, .., Nabisco, NASA, National Starch, National Renewable Energy Labs, Neste Resins, Novellus, Novartis, Novartis Institutes for BioMedical Research, Novamont, .., Osram Sylvania, Owens Corning, Opocrin, .., Pfizer, Phillips Plastics, Pratt & Whitney, Polynt, PPG, Procter & Gamble, ProtAffin, .., Ralston Purina, Reckitt Benckiser, R&D Biostatistics, Roche, Rockbestos, Rosemount, .., Sacmi, Saes Getters, Sara Lee, SciMed Life Systems, Sika Technology, Sheldahl, Sherwin-Williams, Sigma-Aldrich, Sola Optical, Sonus, Sunward, Synthes, .., Taro Pharmaceuticals, Tecan, Tenneco Automotive, Tetra Pak, Texas Instruments, TEVA Pharma, Tredegar, .., UCB Chemical, Unilever, Union Carbide, US Air Force, US Navy, .., Valspar, Versalis, WL Gore, Xerox, Zimmer e .. molti altri ancora ..

Download Design Expert 10

Gli interessati possono effettuare il download della demo di 45 giorni effettuando la registrazione o l'accesso, qualora già registrati.

In alternativa, o in caso di difficoltà, contattare direttamente SixSigmaIn Team


Download CHM Translator for Experimenters