Il corso presenta in maniera pratica l’approccio del “Design of Experiment” (o “Experimental design”, disegno sperimentale), cioè della metodologia scientifica e statistica utilizzata per pianificare e condurre esperimenti in modo efficiente e informativo. Il corso sarà improntato ad un metodo didattico estremamente pratico, ricco di esempi reali. Gli aspetti più strettamente matematici e formali saranno trattati col medesimo metodo, al fine di trasmettere il reale potenziale delle tecniche insegnate nel corso.

Analisi matematica, Excel, fondamenti di algebra lineare e basi di MATLAB consigliati

Il corso è costituito da una parte teorica con lezioni frontali, e da una parte pratica fortemente focalizzata sul problem solving. Nella parte pratica, gli studenti potranno mettersi alla prova lavorando su dataset da studiare secondo le metodologie DoE esposte durante il corso. L’utilizzo di casi reali dei partecipanti è fortemente incoraggiato. 1) DoE – Introduction: Cosa è il Design of Experiments? Panoramica dell’argomento e confronto diretto con le esigenze sperimentali dei/delle partecipanti. Introduzione della terminologia (fattori, livelli, dominio sperimentale, interazioni), panoramica dei disegni sperimentali, i diversi livelli di analisi (esplorazione, screening, ottimizzazione), perché in generale il DoE è migliore rispetto a variare un fattore alla volta strumenti per modellare e descrivere le risposte misurate negli esperimenti. 2) Practical Basics of Statistics: revisione degli strumenti della statistica strettamente necessari per capire e lavorare con il DoE; il modulo comprende brevi esercizi pratici per la comprensione dei concetti, oltre che spiegazioni a cui si farà riferimento durante la trattazione degli altri moduli. Questo modulo è inteso come un compendio di statistica e tratterà i concetti di distribuzione statistica, probabilità, varianza, deviazione standard, test statistici (F-test e t-test), regressione lineare e linearità. 3) DoE – Factorial and Composite Designs: questo modulo è il cuore del corso; verranno trattati i design fattoriali (full, fractional designs) e composti (faced, circumscribed composite designs) con particolare attenzione alla modalità di scelta a seconda dello studio da condurre; spiegazione pratica dell’utilizzo di multilinear regression (MLR) per modellare la risposta, dell’interpretazione dei modelli MLR (matrice di dispersione, leverage, VIF, coefficienti, superfici di risposta, intervalli di confidenza) e della predizione di nuovi esperimenti. 4) DoE – D-Optimal Design: approfondimento sul metodo del D-Optimal, utilizzato principalmente per la selezione di sub-set di esperimenti da una lista (solitamente troppo lunga) di possibili esperimenti; breve spiegazione delle basi matematiche del D-Optimal, utilizzo per il numero ottimale di esperimenti sia per domini sperimentali completi che limitati, espansione del dominio sperimentale. Le esercitazioni saranno eseguite principalmente sul software open source Chemometric Agile Tool (CAT, http://www.gruppochemiometria.it/index.php/software/19-download-the-r-based-chemometric-software), con alcune parti di visualizzazione su MATLAB.

In presenza

Presentazione orale - Sviluppo di project work in team

P.D.1-1 - Gennaio