Anteprima
Vedrai una selezione di 20 pagine su 124
Appunti met. statistici per il controllo qualità Pag. 1 Appunti met. statistici per il controllo qualità Pag. 2
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 6
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 11
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 16
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 21
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 26
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 31
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 36
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 41
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 46
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 51
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 56
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 61
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 66
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 71
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 76
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 81
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 86
Anteprima di 20 pagg. su 124.
Scarica il documento per vederlo tutto.
Appunti met. statistici per il controllo qualità Pag. 91
1 su 124
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

CALCOLO DEI LIVELLI OTTIMI DEI FATTORI DI CONTROLLO

Prendo il modello di dispersione C+D+CD con SN stimati per ogni combinazione i. Prendiamo i valori predetti del SN e ne calcoliamo la media condizionatamente ai livelli dei fattori ("mean"). È ottimo il livello del fattore non che minimizza, ma che massimizza il SN e che quindi minizza la variabilità (anche se non dimostra come la scelta del SN max porti alla min della var). Prendo il meanmax. Prendiamo C=+1 con C come fattore di controllo. (come fattore di aggiustamento si era presa il livello basso!) Prendiamo D=-1.

Il problema è che C ha livello ottimale basso come fattore di aggiustamento e ha livello ottimale alto come fattore di controllo. Non mi conviene fare il product erray con due matrici. La soluzione è andare a considerare una maggiore informazione che deriva dal fattore O in un'unica matrice. Non si accorpano le informazioni rispetto al fattore O, ma si vanno a includere le informazioni.

del fattore O in una matrice interna e si va a includere la stima del fattore O. Il poter includere il fattore O nella matrice interna fa sì che io possa fare anche progettazione robusta. Faccio le prove sperimentali e vado a calcolarmi i valori medi e i valori del SN relativamente alle repliche classiche, potrò stimare l'interazione CxO e DxO (regolazione ottimale per la progettazione robusta). O può essere a livelli fissi? Se potessi avere un O controllabile e misurabile il problema della variabilità sui livelli di O non ce l'avrei. Spesso avrò fattori noise solo misurabili e quindi non a livelli fissi. Ad oggi la regolazione ottimale non consiste nella scelta di un livello alto e basso, ma considera l'intero range perché si vuole riuscire a fare inferenza. (5) Conferma e verifica dei risultati. È la validazione dei risultati, non è solo una verifica statistica (indicatori diagnostici della statistica), è

più importante perché valida tutte le fasi eseguite. Implica che la regolazione ottimale (che nel 2022 non riguarda semplicemente i livelli di partenza, ma l’intero range) deve essere validata in azienda. Bisogna avere una conferma empirica dall’azienda stessa. Ad esempio, non posso trovarmi in una situazione di confondimenti non chiariti, sospetti, in quel caso devo ricominciare da capo. Poi ci sono altre due problematiche. La prima è la trascuratezza delle fonti di variabilità. Nell’identificazione dei 75 fattori (fase 1) devo essere in grado di capire tutte le fonti di variabilità che ci sono nel processo/prodotto, non considero solo fattori importanti, ma anche di fonti di variabilità, qualsiasi elemento di variabilità nel processo. Può essere qualcosa che non sono in grado né di misurare né di controllare, ma devo essere consapevole che esista. Devo studiare il processo reale (esempio della polvere che

mi altera la misura nel processo) e condurre una pianificazionesperimentale che riproduca in maniera fedele la condizione reale, in modo tale che la miasoluzione ottimale dei livelli dei fattori nel Doe sia più attendibile possibile.Devo simultaneamente fare procedura a due passi e progettazione robusta. Quanto non faròquest’ultima? Quando non avrò fattori ambientali. Se c’è progettazione robusta bisogna sempre farela procedura a due passi.

Lezione 13 – esercitazione

Caso 1

L’obiettivo è individuare il modello migliore.

Cerchiamo il miglior livello per la media. Abbiamo due variabili di risposta: media e variabilità. Nonabbiamo il SN per le problematiche viste. 3 repliche per ciascuna combinazione sperimentale.76(64/2)x3 osservazioni sperimentali. Nel data set ne abbiamo solo 32 perché ho usato le repliche percalcolare la media e il range.

MODELLO DI LOCAZIONE – calcolo della media

Dobbiamo indagare:- tutte le

interazioni con speed perché speed è altamente significativo. Vale lo stesso per acc e anche con batch (anche se non altamente s.).- nessuna interazione con vol, a parte quelle con i fattori significativi. Stesso vale per time e cover.
Dobbiamo stare attenti a ciò che eliminiamo. Non abbiamo problemi di alias pattern, essendo dirisoluzione VI, quindi gli effetti principali e le interazioni di primo ordine li posso stimare senza problemi. Tolgo le interazioni con p-value>0.4 circa almeno all'inizio. In giallo sono evidenziate le interazioni che rimangono.
Potrei togliere vol perché non è significativo, ma non lo ottimizzo assieme agli altri. Proviamo a togliere vol per vedere cosa succede.
Togliere vol ha portato un leggere miglioramento di alcune significatività. Dobbiamo trovare il modello migliore non in un'ottica di significatività, ma in un'ottica di ottimizzazione (di regolazione dei fattori, come facciamo a

regolare i livelli se non abbiamo i fattori?)

MODELLO DI VARIABILITÀ – dobbiamo ripartire da capo dal range. Cerchiamo il migliormodello per la dispersione.

Regola: almeno uno dei fattori deve essere significato per considerare un’interazione. Se un fattorenon è significativo (acc è rilevante ma non significativo, ci vuole una significatività del 10%),l’interazione tra uno rilevante e uno non rilevante non si va a vedere.Bisogna verificare cover con tutte le altre interazioni.

79Tolgo solo vol*cover.Proviamo a togliere anche vol e batch*cover. 80La situazione non è migliorata, proviamo a togliere batch.Time*cover lo togliamo.Togliamo time.Dal punto di vista statistico il modello finale vorrebbe solo acc, cover e acc*cover. Se andiamo a fareuna considerazione più tecnica forse questo è il modello migliore, dipende dal ruolo dei fattori e dallaloro influenza a livello tecnologico sulla variabilità di

processo.81

Questo modello di dispersione mi ottimizza fattori di controllo acc e cover, però siamo nella procedura a due passi in cui non abbiamo il SN. Il modello finale della media ci dice che speed, acc, batch sono fattori di aggiustamento. In teoria time e cover ce li teniamo perché sono importanti o significative le interazioni. Acc è sia di aggiustamento che di controllo. Vol non lo abbiamo in nessun modello, va bene? Statisticamente sì, ma dovremmo vederlo a livello tecnico.

Lezione 14 – Tecniche e aspetti introduttivi sui metodi di valutazione multiattributo

Differenze tra customer satisfaction e metodi di valutazione multiattributo

Customer satisfaction: un utente/consumatore che ha provato un certo prodotto/servizio è chiamato a valutarlo rispetto alla propria soddisfazione.

Valutazione multi-attributo: metodi che permettono di progettare nuovi servizi/prodotti rispetto al comportamento e le preferenze dei consumatori.

Come si coniuga la prima

parte del corso rispetto alla prima? Con i metodi (fattoriale frazionale,l'analisi della varianza, il modello lineare). Andremo a evidenziare il profilo migliore dal lato del consumatore. Settiamo il profilo da un lato qualità e da un lato consumatore. Es: studio l'affidabilità e la qualità del cellulare in modo tecnologico, analizzo la lega di finitura del telefono, ma è chiaro che a un utente non possa chiedere quale lega di finitura preferisce. Da un lato ho la qualità tecnologica che va a ottimizzare rispetto componenti, dall'altro ho un aspetto di valutazione, cioè di preferenze. Allora avere una determinata scheda di finitura può vuol dire avere maggiore velocità. Il consumatore vede il prodotto da lato esterno.

Il questionario

I metodi di valutazione multiattributo riguardano aspetti del marketing quantitativo (con applicazione statistica) per la progettazione o riprogettazione di un nuovo prodotto o servizio. Sono

molto utilizzatie trovano la loro applicazione nel disegno fattoriale frazionale e nell'analisi della varianza. Questi metodi si affiancano all'utilizzo del questionario. Quando andiamo a indagare sull'aspetto legato al consumatore/utente si innescano aspetti conoscitivi dell'utente/consumatore rispetto al prodotto/servizio che vogliamo progettare/riprogettare. Si parla di utente in riferimento a un servizio, consumatore per un prodotto. Il questionario in questi metodi di solito è molto ridotto, ha poche domande, poiché si affianca alla parte del doe. Già 15-16 domande potrebbero essere anche troppe. Il questionario dei metodi di valutazione multiattributo si diversifica rispetto a quello della customer satisfaction perché i metodi che andiamo a studiare non servono a studiare la soddisfazione dell'utente/consumatore. Quando vado a progettare un nuovo prodotto/servizio il consumatore/utente non avrà mai visto quel prodotto/servizio.mentre nel caso della riprogettazione può darsi che il consumatore abbia già utilizzato quel prodotto. Nella riprogettazione si mescolano gli aspetti del nuovo con gli aspetti del vecchio e quindi comprende anche la customer satisfaction. Tuttavia, con la customer satisfaction in senso stretto si richiede di valutare al cliente la propria soddisfazione rispetto a un prodotto/servizio. Vediamo un caso studio su un questionario. Nel 2005 è stato redatto un questionario con un campione di 500 persone per un'indagine pilota, la prima indagine effettuata nell'ambito delle mense a diretta gestione dell'ARSU. L'indagine pilota di solito coinvolge un piccolo campione e consiste nel redigere e progettare un questionario, prima di somministrare il questionario si verificano che il questionario sia progettato in modo corretto. Con il questionario vedremo:
  1. Progettazione del questionario
  2. Problematiche che possono sorgere nella

progettazione3) Aspetti di customer satisfaction che vanno a confondersi con gli aspetti di metodi valutazione multi-attributo. Infatti, lo studente ha già usufruito del servizio mensa. L'obiettivo è verificare se, viste le problematiche della mensa come l'affollamento, gli studenti sarebbero stati disponibili a effettuare pasti veloci anche al di fuori della mensa e ad avere una variazione sui menù.

Sul concetto di campione ci sono diverse problematiche. In generale, il primo step da perseguire è la definizione precisa del fenomeno quantitativo da analizzare. Bisogna definire la popolazione. Bisogna definire e circoscrivere il fenomeno da indagare. Chi? Dove? Come? Quando? Perché?

Si doveva fare un'indagine pilota su chi usufruiva della mensa. Il problema che ci si poneva era quello di avere un'indagine che non riguardasse soltanto coloro che usufruivano anche dell'alloggio. Fa differenza avere persone che mangiano tutti.

ti verranno forniti in dettaglio:
  • i giorni a mensa da 5 anni
  • ci va 3 volte a settimana
Dettagli
A.A. 2022-2023
124 pagine
1 download
SSD Scienze economiche e statistiche SECS-S/01 Statistica

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher ElenaSofia2000 di informazioni apprese con la frequenza delle lezioni di Metodi statistici per il controllo della qualità e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Firenze o del prof Berni Rossella.