DOE – komputerowe wspomaganie planowania i analizy statystycznej badań innowacyjnych

Uczestnicy szkolenia poznają w praktyce szeroki zestaw metod DOE (Design of Experiment – planowania eksperymentu), które umożliwiają efektywne pozyskiwanie informacji z wyników badań w naukach technicznych i przemyśle. Program szkolenia obejmuje ogólne zagadnienia (identyfi­kacja, optymalizacja lub stabilizacja oraz dobór odpowiedniego planu do zadania) oraz szcze­góło­we metody, m.in.: plany kompletne i frakcyjne, modele powierzchni odpowiedzi, plany dla miesza­nin i D-optymalne. Sposób prowadzenia kursu jest przystępny i bazuje na licznych przykładach ilustrujących poszczególne zagadnienia problemowe, które są rozwiązywane przez uczestników.

Dla kogo?

• Dla wszystkich, którzy wykorzystują lub planują korzystanie z metod planowania doświadczeń – DOE (Design of Experiment), m.in. w badaniach innowacyjnych.
• Dla pracowników uczelni technicz­nych oraz działów R&D w przemyśle.

Co zyskasz?

• Poznasz od strony praktycznej wiele metod planowania doświadczeń (DOE) oraz analizy wyników tak przeprowadzonych badań
• Optymalnie wykorzystasz przeznaczony na badania budżet – uzyskasz maksimum informacji przy minimalnych kosztach i nakładach czasu
• Poznasz narzędzia pakietu Statistica usprawniające wykorzystanie metod DOE
• Nauczysz się dobierać plan eksperymentu i metody analizy do konkretnego celu badawczego
• Nauczysz się samodzielnie przechodzić przez kolejne etapy planowania eksperymentów

Program szkolenia

1. Wprowadzenie – cel wdrażania planowania doświadczeń, korzyści i ograniczenia
2. Postawienie zagadnienia – rodzaj rozwiązywanego problemu: identyfikacja, optymalizacja, stabilizacja
3. Badania wstępne – ograniczanie liczby badanych wielkości przy pomocy planów eliminacyjnych Placketta-Burmana
4. Proste badania podstawowe z wykorzystaniem modeli liniowych – plany dwuwartościowe frakcyjne
5. Zaawansowane badania z wykorzystaniem modeli nieliniowych – zastosowanie planów wielowartościowych m.in. kompozycyjnych, modelowanie powierzchni odpowiedzi, poszukiwanie odpowiedzi ekstremalnych, identyfikacji funkcyjnej postaci modelu regresyjnego
6. Identyfikacja wpływu czynnika silnie maskowanego wpływem znanych czynników zakłócających – zastosowanie kwadratów łacińskich i grecko-łacińskich
7. Zaawansowane badania modeli dla mieszanin – wykorzystanie planów spełniających warunek sumowalności, plany z ograniczeniami i bez ograniczeń, analiza i wizualizacja wyników
8. Zastosowanie planów optymalnych – plany D- i A-optymalne. Optymalne uzupełnianie uprzednio uzyskanych wyników badań. Racjonalne ograniczanie zbyt dużych planów badań w warunkach limitów budżetowych.
9. Metoda Taguchi – omówienie koncepcji i stosowanych kryteriów S/N. Przygotowanie badań i analiza uzyskanych wyników. Poszukiwanie nastaw dla odpowiedzi optymalnych. Stabilizacja procesu. Zapoznanie z zaletami i ograniczeniami metody.