Elaborazione segnali

N.

6. Un sistema di acquisizione veloce utilizza: Un S&H e un ADC per ciascun ingresso.

7. Il Direct Memory Access (DMA) prevede che: I dati vengano trasferiti direttamente dal DAQ alla

memoria del computer, scavalcando il processore.

8. Un’apparecchiatura che comunica in GPIB: Può assumere i ruoli di talker, listener, controller.

9. Il software LabVIEW è: Un ambiente di sviluppo integrato per il linguaggio di programmazione

visuale di National Instruments, chiamato Linguaggio G.

10. Uno strumento virtuale è: Un software che consente di simulare in tutto e per tutto l'utilizzo di uno

strumento reale. Lezione 23

1. La gestione a minima energia consiste: Nel sostituire alla filosofia della ricerca dei rimedi quella

della rimozione delle cause che provocano gli inconvenienti.

2. L'indice di Process Capability è definito come: Il rapporto tra l'intervallo tra i due limiti di specifica

(inferiore e superiore) e sei volte lo scarto quadratico medio dei risultati osservati in un campione

della produzione.

3. Affinché sia possibile utilizzare l'indice di process capability: La variabile caratteristica che descrive

il processo deve essere normale.

4. In una distribuzione normale la percentuale di misure che ricadono al di fuori di un campo di

variabilità pari a 6σ è pari: Allo 0.27%.

5. Affinché un processo abbia migliore capacità, si richiede, in genere, che l'indice di process

capability sia: Maggiore di 1.33.

6. Il tasso di capacità, rispetto all'indice di process capability: Fornisce un'informazione più completa,

in quanto misura sia la dispersione che la centratura del processo rispetto al punto medio della

specifica.

7. Un tasso di capacità minore di zero indica un processo in cui: Circa la metà della quantità prodotta

è non conforme e ad di fuori dei limiti di tolleranza.

8. La formula del calcolo del tasso di capacità è uguale: Al minimo tra la differenza tra limite

superiore e media diviso tre volte lo scarto quadratico medio e la differenza tra media e limite

inferiore diviso tre volte lo scarto quadratico medio.

9. I sei strumenti per la qualità sono: Raccolta dati, costruzione di istogrammi, analisi di Pareto,

stratificazione, costruzione di diagrammi causa-effetto, individuazione delle funzioni di

correlazione.

10. I dati raccolti durante un processo produttivo o al termine dello stesso: Possono assumere

qualsiasi forma, non necessariamente numerica.

Lezione 24

1. L'indice di Process Capability è dato da: Il rapporto tra l'intervallo tra i due limiti di specifica

(inferiore e superiore) e sei volte lo scarto quadratico medio dei risultati osservati in un campione

della produzione.

2. L'indice di process capability è definibile se: La distribuzione che descrive il processo è gaussiana.

3. La percentuale di misure che ricadono al di fuori di un campo di variabilità pari a 6σ in una

distribuzione normale è pari: Allo 0.27%.

4. L'indice di process capability richiesto affinché un processo sia considerato capace, in genere, è:

Maggiore o uguale di 1.33.

5. Affinché l'intervallo di specifica sia maggiore di 8 volte lo scarto quadratico medio: Il tasso di

capacità deve essere maggiore di 1.33.

6. In un processo con tasso di capacità minore di zero: Circa la metà della quantità prodotta è non

conforme e ad di fuori dei limiti di tolleranza.

7. Il tasso di capacità è pari: Al minimo tra la differenza tra limite superiore e media diviso tre volte lo

scarto quadratico medio e la differenza tra media e limite inferiore diviso tre volte lo scarto

quadratico medio.

8. Rispetto all'indice di process capability, il tasso di capacità: Tiene conto sia dell'accuratezza e

anche della precisione.

9. Nell'esercizio A, sel'intervallo di specifica fosse più ampio: Si avrebbe maggiore probabilità di

avere il processo in controllo statistico.

10. Nell'esercizio B, il primo processo ha migliore process capability rispetto al secondo perché:

L'intervallo di specifica è più ampio. Lezione 25

1. L'indice di Process Capability viene calcolato come: Il rapporto tra l'intervallo tra i due limiti di

specifica (inferiore e superiore) e sei volte lo scarto quadratico medio dei risultati osservati in un

campione della produzione.

2. Affinché abbia senso utilizzare l'indice di process capability per qualificare il processo è

necessario che: La distribuzione dei risultati del processo sia normale.

3. La percentuale di misure che ricadono al di fuori di un campo di variabilità pari a 6σ, in una

distribuzione normale, è pari a: 0,27%.

4. L'indice di process capability denota un processo con buona capacità se il suo valore è: Maggiore

di 1.33.

5. Il tasso di capacità, rispetto all'indice di process capability: Fornisce un'informazione più completa,

in quanto misura sia la dispersione che la centratura del processo.

6. Un tasso di capacità minore di zero indica un processo in cui: Circa la metà della quantità prodotta

è non conforme e al di fuori dei limiti di tolleranza.

7. Il tasso di capacità, si calcola come: Il minimo tra la differenza tra limite superiore e media diviso

tre volte lo scarto quadratico medio e la differenza tra media e limite inferiore diviso tre volte lo

scarto quadratico medio.

8. Una buona process capability si riflette, dal punto di vista grafico, in una distribuzione: Centrata

rispetto ai limiti di specifica e stretta rispetto alla larghezza dell'intervallo di specifica.

9. Nell'esempio dei veicoli, che viaggiano col centro a una distanza di 50 cm dalla linea di mezzeria,

il tasso di capacità garantisce il controllo a 6 sigma ma non a 8 sigma per: Soltanto la city car.

10. Quando il processo è perfettamente centrato e la distribuzione è normale: Gli indici Cp e Cpk sono

uguali tra loro. Lezione 26

1. L'istogramma è: Una rappresentazione grafica di un insieme di dati nella quale l'ascissa indica i

valori misurati e l'ordinata la frequenza con cui essi si presentano entro un predefinito intervallo di

misura.

2. In un istogramma normalizzato l’area A di una barra: Corrisponde alla frequenza relativa di

accadimento degli eventi nella classe considerata.

3. L'area sottesa dall'istogramma normalizzato: Corrisponde alla sommatoria delle frequenze relative

di accadimento degli eventi nelle classi considerate, dunque è uguale a 1.

4. Le classi di un istogramma: Sono intervalli sull'asse delle ascisse aventi tutti la medesima ampiezza.

5. Un istogramma bimodale: Induce a desumere il fatto che i dati non sono omogenei per modalità di

raccolta, per origine o per altre cause.

6. Un istogramma con skew positivo: Indica che un evento è intervenuto nel processo, ad esempio è

variato il valore medio di un parametro di influenza.

7. Un istogramma con una distribuzione "stretta": Denota un processo con bassa deviazione

standard.

8. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della mediana è: 7.

9. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della moda è: 90.

10. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della media è: 41.

Lezione 27

1. L'istogramma è definito come: Una rappresentazione grafica di un insieme di dati nella quale

l'ascissa indica i valori misurati e l'ordinata la frequenza con cui essi si presentano entro un

predefinito intervallo di misura.

2. L'area A di una barra di un istogramma normalizzato: Corrisponde alla frequenza relativa di

accadimento degli eventi nella classe considerata.

3. L'area sottesa dall'istogramma normalizzato: Corrisponde alla sommatoria delle frequenze relative

di accadimento degli eventi nelle classi considerate, dunque è uguale a 1.

4. Le classi di un istogramma: Sono intervalli sull'asse delle ascisse aventi tutti la medesima ampiezza.

5. Il numero più opportuno di classi per un istogramma è: Dipendente dal numero di dati da

rappresentare.

6. L'ogiva relativa ad una distribuzione di frequenza cumulata si ottiene: Riportando le frequenze

cumulative in corrispondenza dei valori centrali di ogni classe.

7. Il valore della frequenza riportato nell'ultima classe dell'ogiva è pari: Alla somma dei valori delle

frequenze di tutte le classi dell'istogramma.

8. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della media è: 41.

9. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della moda è: 90.

10. Dato l'insieme di valori {3,3,4,7,90,90,90}, il valore della mediana è: 7.

Lezione 28

1. Il numero di classi per la realizzazione di un'istogramma si sceglie: In funzione del numero di

misure registrate.

2. L'analisi di tendenza centrale consente di stabilire se: Una distribuzione è unimodale o

multimodale.

3. Un istogramma bimodale: Induce a desumere il fatto che i dati non sono omogenei per modalità di

raccolta, per origine o per altre cause.

4. L'analisi visuale della variabilità si basa sul confronto tra: Le frequenze delle barre centrali e le

frequenze delle barre laterali.

5. La variabilità di un istogramma è tanto maggiore: Quanto maggiore è lo scarto quadratico medio

6. Un istogramma con skew positivo: Indica che un evento è intervenuto nel processo, ad esempio è

variato il valore medio di un parametro di influenza.

7. Una piccola variabilità è indice di un processo: Con elevata process capability, se il processo è

centrato.

8. In caso di tendenza multimodale, gli indici Cp e Cpk: Non sono descrittivi del processo come lo

sono in caso di tendenza unimodale.

9. Se, nell'esercitazione proposta, lo scarto quadratico medio fosse stato pari alla metà di 0.2326,

ossia 0,1163, l'indice Cpk sarebbe risultato: Pari al doppio di quello dell'esercitazione: sono

inversamente proporzionali.

10. Se tutti i campioni ricadono entro i limiti di specifica: Il processo produttivo è capace se il tasso di

capacità è definito e maggiore di 1,33. Lezione 29

1. Quando si vogliono desumere da un campione informazioni relative all'intera popolazione: Il

metodo di selezione del campione deve dare ad ogni elemento della popolazione una uguale

probabilità di essere estratto.

2. Un tipico effetto della stratificazione è: Lo scostamento del valor medio rilevato sul campione

rispetto a quello atteso per l'intera popolazione.

3. Le Tavole di Fisher - Yates: Consentono di estrarre un campione casuale da un determinata

popolazione, associando i membri della popolazione con numeri casuali.

4. Una distr