Finalità del corso:
Scopo dell'insegnamento è fornire le conoscenze statistiche fondamentali per l'analisi dei dati sperimentali, la progettazione degli esperimenti, e per il miglioramento della qualità, principalmente in campo meccanico.

Aims of course:
Aims of this course is to provide statistical basic knowledge about the analysis of experimental data, the design of experiments and the quality improvement, mainly in the mechanical field.

Programma del corso:

Richiami e integrazioni di statistica:
Probabilità, parametri dei campioni e delle popolazioni. Distribuzioni: normale, lognormale, uniforme, Weibull, binomiale, di Poisson. Algebra normale. Inferenza statistica, inferenza di distribuzioni normali e della distribuzione di Bernoulli. Outlier
Design of experiments
Teoria delle decisioni, confronti fra due set di dati.
Analisi della varianza a un fattore. Analisi della varianza a due fattori con e senza ripetizioni.
Piani sperimentali classici e fattoriali, modello matematico calcolo degli effetti,
Piani sperimentali fattoriali, tavole di Yates, modelli non lineari, ortogonalità.
Piani fattoriali ridotti, confounding. Piani fattoriali a blocchi.
Cenno sulla metodologia delle superfici di risposta
Qualità dei prodotti
Definizione di qualità, Indice di Capacità di processo, Quality Loss Function, Tolleranze, fattore di sicurezza economico
Strategie per il miglioramento della qualità, Diagramma P, Concept, parameter e tollerance design,
Robust design. ANOM, analisi di sensibilità. Critica al metodo, l'esperimento di controllo.
Cenni alla metodologia six sigma.

Course contents:

Background and integration of basic statistic: probability. Population and sample parameters. Distribution: normal, lognormal, uniform, Weibull, Bernoulli, Poisson. Normal algebra. Statistical Inference for normal and Bernoulli distribution; confidence bounds. Outliers
Design of experiments
Hypothesis test; Comparison between two sample
1 way ANOVA, 2 way ANOVA without and with replication.
Classic an factorial experimental plans. Mathematic model and evaluation of effects.
Factorial experimental plans; Yates tables, non linear models. Orthogonality.
Fractional plans. Confounding; Block experimental design.
Basic ideas on Response surfaces methodology
Quality:
Definition. Process Capability Index, Quality Loss Function, Tolerances, economical safety factor
Quality improvement strategies: P Diagram, Concept, parameter and tollerance design, Robust design. ANOM, sensitivity analysis. Discussion on the method, control experiment. Basic ideas on six sigma methodology