introduzione al design of experiments (parte...
TRANSCRIPT
1
151
INTRODUZIONE AL INTRODUZIONE AL DESIGN OF DESIGN OF EXPERIMENTSEXPERIMENTS (Parte 1)(Parte 1)
Progettazione e Sviluppo Prodotto 152
Introduzione
� Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell’ingegneria. Tra le varie applicazioni;� Progettazione e sviluppo del prodotto;� Caratterizzazione e ottimizzazione dei processi;� Valutazione delle proprietà dei materiali.
� Tutti gli esperimenti richiedono una pianificazione. Alcuni sonoprogettati, alcuni in modo preciso, altri invece sono pianificati poco e male. � Esiste un modo per “ottimizzare” gli esperimenti ?
2
Progettazione e Sviluppo Prodotto 153
Gli esperimenti nell’ingegneria
� Gli esperimenti sono utilizzati per per studiare le prestazioni di processi e di sistemi (es.: prodotti).
Processo / sistemaInput Output
Fattori non controllabili
z1 z2 z3 zn
Fattori controllabili
x1 x2 x3 xn
y
Progettazione e Sviluppo Prodotto 154
Quali sono gli obiettivi degli esperimenti ?
� Gli obiettivi degli esperimenti possono essere, tra i vari possibili, i seguenti:
� Determinare le variabili che hanno maggiore influenza sulla risposta y;
� Determinare quali valori assegnare alle variabili controllabili x in modo che la risposta y sia sempre prossima al valore desiderato;
� Determinare quali valori assegnare alle variabili controllabili x in modo che la variabilità della risposta ysia minima;
3
Progettazione e Sviluppo Prodotto 155
Principi base del Design of Experiments
� Casualizzazione (o randomizzazione):� Eseguire le prove di un esperimento in maniera tale da distribuire aleatoriamente i fattori di disturbo (es.: eseguire le prove di un esperimento in ordine casuale)
� Replicazione:� Consiste nel ripetere le misure, idealmente in condizioni
diverse
� Controllo locale:� Insieme delle operazioni intraprese dallo sperimentatore
per ridurre l’errore sperimentale (es.: utilizzo di unità sperimentali omogenee, utilizzo dei blocchi)
Progettazione e Sviluppo Prodotto 156
Alcune definizioni
� Variabile di risposta: la risposta del sistema oggetto dell’esperimento
� Fattore: variabile controllabile (variabile indipendente). Può essere:� quantitativo (espresso da un reale o un intero);� qualitativo (espresso attraverso un attributo categorico);
� Livello di un fattore: valore assunto dal rispettivo fattore;� Esperimento monofattoriale: esperimento in cui c’è solo
un fattore in gioco;� Esperimento multifattoriale: esperimento in cui c’è più di
un fattore in gioco;� Trattamento: insieme dei livelli imposti ad un’unità
sperimentale
4
Progettazione e Sviluppo Prodotto 157
Strategie di sperimentazione
� Esempio: che esperimenti posso svolgere per trovare la combinazione delle variabili che massimizza le prestazioni del prodotto ?
� Approccio a tentativi (best guess)� Molto utilizzato� Ha più successo di quanto si pensi, ma anche svantaggi
(es.: scarsa comprensione del sistema)� Variazione di un fattore alla volta (OFAT One Factor At-a Time)� Abbastanza usato in campo ingegneristico� Poco efficiente
� Utilizzo di piani fattoriali� Analisi sistematica della superficie di risposta del sistema
Progettazione e Sviluppo Prodotto 158
Piani fattoriali
� In un esperimento fattoriale vengono testate tutte (piano fattoriale completo) o parte (piano fattoriale frazionario) delle combinazioni derivanti dai possibili livelli dei fattori.
� Esempio: esperimento del golf. Possibili fattori:� Tipo di mazza� Tipo di pallina� Tipo di bibita� Camminare / vetturetta� Condizioni atm.� Mattina / pomeriggio� …
Esempio di piano completo a 2 fattori
5
Progettazione e Sviluppo Prodotto 159
Esempio: piano fattoriale con 2 fattori
Effetto del tipo di mazza
Effetto del tipo di palla
Interazione mazza/palla
� Nell’esperimento del golf consideriamo solo gli effetti del tipodi mazza e del tipo di palla. L’esperimento può essere rappresentato in uno spazio bidimensionale:
Progettazione e Sviluppo Prodotto 160
Esempio: piano fattoriale con 3 fattori
� Decidiamo di studiare, oltre agli effetti del tipo di mazza e del tipo di palla, l’effetto della bibita utilizzata dal golfista. L’esperimento può essere rappresentato in uno spazio tridimensionale:
6
Progettazione e Sviluppo Prodotto 161
Esempio: piano fattoriale con 4 fattori
� Oltre ai fattori già visti aggiungiamo lo studio dell’effetto del mezzo di spostamento utilizzato. L’esperimento può essere rappresentato in uno spazio a quattro dimensioni:
Progettazione e Sviluppo Prodotto 162
Piani completi e piani frazionari
� In un esperimento fattoriale completo si considerano tutte le possibili combinazioni combinazioni fattori / livelli.
� In un esperimento fattoriale frazionario si considera una parte di tutte le possibili combinazioni fattori / livelli.
Esempio di piano fattoriale frazionario
7
Progettazione e Sviluppo Prodotto 163
Procedura generale per la pianificazione degli esperimenti
1. Identificazione e formulazione del problema;2. Scelta dei fattori, del numero dei livelli e dell’ampiezza degli
intervalli;3. Scelta della variabile di risposta;4. Individuazione del corretto piano sperimentale;5. Esecuzione dell’esperimento;6. Analisi statistica dei risultati;7. Conclusioni
Progettazione e Sviluppo Prodotto 164
Esperimenti con un solo fattore.
� Consideriamo il seguente esempio: una ditta produttrice di calcestruzzo vuole verificare se l’aggiunta di un componente al calcestruzzo (emulsione di polimero) ne modifica la resistenza. Osserviamo che:
� Vi è un solo fattore in gioco (composizione del calcestruzzo);
� Il fattore è di tipo qualitativo;� Il fattore ha due livelli (polimero assente / polimero
presente)
8
Progettazione e Sviluppo Prodotto 165
Raccolta dei dati.
� Supponiamo che lo sperimentatore abbia avuto a disposizione 10 provini di calcestruzzo normale e 10 di calcestruzzo modificato;
� Le prove sperimentali hanno fornito i seguenti risultati:
Progettazione e Sviluppo Prodotto 166
Visualizzazione dei dati: diagramma a punti
� Visualizziamo i dati dell’esperimento in un diagramma a punti.
� Ciascun punto rappresenta un dato sperimentale. Il trattino rosso orizzontale rappresenta la media campionaria.
9
Progettazione e Sviluppo Prodotto 167
Visualizzazione dei dati: box plot
� Il digramma a scatola riporta il minimo, il massimo ed i percentili 25 %, 50 % (mediana) e 75 %.
Progettazione e Sviluppo Prodotto 168
Interpretazione dei dati
� A questo punto ci poniamo la seguente domanda: l’aggiunta del polimero modifica la resistenza del calcestruzzo ? Ovvero: la presenza del polimero è un fattore significativo ?
� Intuitivamente possiamo dire che l’affidabilità dell’esperimentoe delle conclusioni dipenderanno dai seguenti fattori:� Numerosità del campione;� Distribuzione dei dati sperimentali
� I risultati dell’esperimento sembrano indicare che l’aggiunta del polimero influisce sulla resistenza del calcestruzzo.
� Tuttavia siamo sicuri che le conclusioni dell’esperimento non siano dovute a fattori casuali ?
10
Progettazione e Sviluppo Prodotto 169
Verifica di ipotesi statistiche
� Formuliamo il problema in maniera matematica. L’interpretazione dei dati sperimentali dà origine a due ipotesistatistiche (o meglio ad una ipotesi ed alla negazione della stessa):� Ipotesi nulla (H0): la resistenza media del calcestruzzo
modificato è uguale a quella del calcestruzzo non modificato: µ1 = µ2.
� Ipotesi alternativa (H1): la resistenza media del calcestruzzo modificato è diversa da quella del calcestruzzo non modificato: µ1 ≠ µ2.
� Nota: nelle ipotesi di cui sopra si fa riferimento alla media della popolazione (non alla media del campione).
� Problema: verificare o rigettare l’ipotesi nulla a partire dai dati campionari
Progettazione e Sviluppo Prodotto 170
� Dove: rappresentano le medie campionarie dei due gruppi;
� Le varianze campionarie dei due gruppi;� le numerosità dei due gruppi;� i gradi di libertà dei due gruppi
Il test t di Student
� Esistono numerosi test per la verifica di ipotesi statistiche (test di significatività). Uno dei più utilizzati è il test t di Student. Vale sotto l’ipotesi di � popolazioni distribuite normalmente;� uguali varianze dei due gruppi, ancorchè ignote
21
212
21
nnnn
t+
−=σ
µµ
21 ,µµ
21 ,σσ21 ,nn
21
2
22
2
11
gggg
++= σσσ
21 ,gg
11
Progettazione e Sviluppo Prodotto 171
Significato del parametro t
� È un parametro di significatività:� Valori di t che sono prossimi allo zero sono conformi
all’ipotesi nulla;� Valori di t lontani dallo zero sono conformi all’ipotesi alternativa;
� È una misura di quanto sono lontane le medie in unità di deviazione standard;
� Può essere interpretato come rapporto segnale/rumore.� Osserviamo che:
� La significatività aumenta all’aumentare della numerosità del campione;
� La significatività aumenta all’aumentare della differenza tra le medie campionarie;
� La significatività diminuisce all’aumentare della varianza campionaria (maggiore dispersione dei dati)
Progettazione e Sviluppo Prodotto 172
Scelta del parametro t (1/2)
� Come fissare un valore di t che serva da criterio di accettazione / rifiuto dell’ipotesi nulla ?
� Consideriamo la funzione densità di probabilità t di Student (a 18 g.d.l.):
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
p(t)
t
Distribuzione t di Student a 18 gradi di libertà
12
Progettazione e Sviluppo Prodotto 173
Scelta del parametro t (2/2)
� L’uguaglianza delle medie della popolazione è tanto più improbabile quanto t si allontana dallo zero. Si, ma quanto ?
� Fissiamo, per esempio, due valori di t che intercettano due zone del grafico: la zona interna costituita dal 95 % di probabilità complessiva, e le due code (a dx e sx) di probabilità complessiva 5 %.
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
p(t)
t
Distribuzione t di Student a 18 gradi di libertà
Progettazione e Sviluppo Prodotto 174
Test di significatività
� Questi punti corrispondono a valori di t = -1.734 e 1.734.� Se dunque il nostro valore di t è esterno a quest’intervallo
accettiamo l’ipotesi alternativa (è anche possibile che le medie siano uguali, ma la probabilità è inferiore al 5 %)
� Si dice anche che l’ipotesi alternativa è accettata con un livello di significatività del 95 %.
� Il livello del 95 % è molto usato in pratica. Tuttavia potremmo voler essere ancora più restrittivi. Imponendo un valore del 99 % otteniamo per t i valori –2.552 e 2.552.
� Se il valore di t è interno all’intervallo concludiamo che non vi è evidenza statistica di differenza tra le medie delle due popolazioni. Come interpretiamo questo risultato ?1) non vi è, in effetti, differenza tra le medie2) la numerosità del campione non è sufficiente
13
Progettazione e Sviluppo Prodotto 175
Riferimenti bibliografici
1. D.C. Montgomery; Progettazione ed analisi degli esperimenti, McGraw-Hill, 2005;
2. W. G. Cochran, G. M. Cox; Experimental Designs, John Wiley & Sons, 1957;
3. G. Landenna, D. Marasini, A. Ferrari; La verifica di ipotesi statistiche, Il Mulino, 1998