Методы планирования экспериментов (DOE), ч.1

Главная / Расписание открытых тренингов / Методы планирования экспериментов (DOE), ч.1

Открытый тренинг

Выберите дату проведения:

О курсе: Эксперт

Основное назначение методов планирование экспериментов – поиск оптимальных параметров процесса. Методы DOE - это способ определения оптимальных настроек процесса, который сопровождается минимальными затратами на исследования и максимальной скоростью получения результата.

Отлаживая процесс, технолог может действовать методом проб и ошибок. Это значит пробовать корректировать какие-то входные параметры и оценивать, как это скажется на выходных параметрах. Это долгий, неэффективный и иногда очень затратный путь. DOE – синтез научно-практических знаний, позволяющий перейти на качественно новый уровень разработки новых решений.

В данном курсе мы сосредотачиваемся на вопросах правильного планирования промышленного эксперимента, вопросы обработки результатов эксперимента и определения оптимальных настроек процесса.

Данный курс - это Экспертный уровень. Тренинг для специалистов инженерного состава, связанных с разработкой новых технологий, решений. Уникальные навыки практического использования производственной информации.

Возможность использования своих данных в процессе обучения

После прохождения тренинга вы можете усилить практические навыки, дополнив данный курс обучением на тренинге-практикуме «Планирование и выполнение активного эксперимента на практике». Практикум проводится на следующий день по окончанию данного тренинга и является отдельным обучающим продуктом.

Программа тренинга:

ДЕНЬ 1. Основы планирования эксперимента

ДЕНЬ 2. Методы обработки результатов пассивного эксперимента

ДЕНЬ 3. Планирование и анализ результатов полнофакторного эксперимента для параметров процесса. Оптимизация

ДЕНЬ 4. Планирование и анализ результатов дробного факторного эксперимента, фолдирование планов. Планы для построения нелинейных моделей

1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

Продолжительность:

Off-line: 4 дня (32 академических часа)

On-line: 8 сессий по 4 академических часа / 4 сессии по 8 академических часов

Требования к слушателям:

•

Высшее образование

•

Необходимое ПО – Minitab или аналогичное (эксперт в ходе тренинга предложит вариант бесплатного ПО)

Вы получите:

•

Комплект методических материалов по изученным вопросам

•

Сертификат на 4-месячную бесплатную консультационную поддержку

Стоимость участия

От компании

один человек (от компании)

64 000 руб.

два и более человека (от компании)

60 000 руб.

Физическое лицо

60 000 руб.

* Все скидки действуют только при предоплате.

** Стоимость участия может изменяться в зависимости от даты и места проведения.

Программа

ДЕНЬ 1. Основы планирования эксперимента

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Задачи, для решения которых необходимо планирования экспериментов (DOE) Преимущества активного эксперимента перед пассивным Этапы планирования активного эксперимента и их особенности Требования к данным при активном эксперименте Терминология планирования экспериментов: типы активных экспериментов, факторы и отклики, требования к ним при активном эксперименте, шкалы факторов и откликов, влияние шкал на выбор плана и результаты моделирования репликации и повторные измерения Основные статистические показатели и графики, используемые в DOE: среднее, стандартное отклонение, дисперсия, доверительный и предсказательный интервал, распределение; гистограмма, диаграмма рассеяния, ящичная диаграмма, графики доверительных интервалов, контурные графики	Практический пример. Обрабатываем результаты контроля параметров процесса. Вычисляем статистические показатели и строим графики, интерпретируем.

ДЕНЬ 2. Методы обработки результатов пассивного эксперимента

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Основы анализа влияния факторов на основе дисперсионного анализа ANOVA: требования к факторам и откликам в дисперсионном анализе, анализ влияния одного фактора на отклик, анализ влияния двух факторов на отклик при наличии/отсутствии повторных опытов, измерение силы влияния факторов, главные эффекты факторов эффекты взаимодействия факторов, условия возможности их оценки, интерпретация и визуализация результатов, многофакторный дисперсионный анализ, взаимодействия трех и более факторов, Пассивный эксперимент и методы его обработки: требования к данным при пассивном эксперименте, алгоритм обработки результатов пассивного эксперимента моделирование результатов процесса на основе пассивного эксперимента особенности кодирования неколичественных факторов, критерии качества модели, их использование и практическая полезность анализ остатков, линеаризация факторов преобразование отклика прогнозирование по результатам пассивного эксперимента	Практический пример. Обрабатываем результаты однофакторного пассивного эксперимента. Делаем вывод о влиянии фактора на отклик. Практический пример. Обрабатываем результаты двухфакторного пассивного эксперимента с повторными опытами и без них. Делаем вывод о взаимодействии факторов. Практический пример. Учимся работать в условиях большого числа факторов. Обрабатываем результаты пассивного эксперимента. Отрабатываем пошаговый алгоритм построения модели процесса. Определяем адекватность построенной модели. Определяем силу влияния различных факторов на контролируемый параметр. Практический пример. Обрабатываем фрагмент базы данных промышленного предприятия. Изучаем влияние факторов на качество продукции. Разрабатываем на основе анализа рекомендации по технологии.

ДЕНЬ 3. Планирование и анализ результатов полнофакторного эксперимента для параметров процесса. Оптимизация

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Факторные эксперименты: основные принципы построения плана активного эксперимента полный план эксперимента (ПФЭ) дробный план эксперимента (ДФЭ) правила выбора плана эксперимента с учетом фактических ограничений Обработка результатов факторного эксперимента: выявление значимых и незначимых факторов критерии выбора наилучшей модели чистая ошибка эксперимента причины, по которым качество построенной модели может быть неудовлетворительным Критерии целесообразности добавления центральных точек и репликаций. Влияние на алгоритм обработки эксперимента наличия центральных точек и репликаций Поиск оптимальных входных параметров процесса по результатам построенной модели: критерии оптимизации и настройка функции желательности автоматический поиск оптимальных входных параметров оптимизация при наличии нескольких критериев оптимальности Подтверждение результатов оптимизации: определение размеров выборки, разработка критериев верификации. Разработка рекомендаций на основе моделирования и оптимизации Двухуровневые, трехуровневые, смешанные планы экспериментов. Влияние типа плана на возможности моделирования	Практический пример. Разрабатываем факторные полные планы эксперимента для 3-х, 4-х и более факторов. Практический пример. Разрабатываем 6-и факторный дробный план эксперимента. Практический пример. Проводим статистическую обработку результатов 6-факторного промышленного эксперимента без репликаций. Ранжируем факторы по важности. Оцениваем эффекты факторов. Учимся интерпретировать результаты. Ищем оптимальные значения факторов для набора откликов. Оцениваем результаты оптимизации. Практический пример. Проводим статистическую обработку эксперимента с репликациями и центральными точками. Подбираем наиболее адекватную модель, описывающую результаты эксперимента. Практический пример. Учимся разрабатывать рекомендации на основе графического анализа результатов моделирования. Анализируем контурные графики и 3-х мерные графики поверхности отклика. Практический пример. Ищем оптимальные уровни входных параметров процесса на основе результатов промышленного эксперимента. Учимся настраивать функцию желательности. Разрабатываем рекомендации по улучшению технологии.

ДЕНЬ 4. Планирование и анализ результатов дробного факторного эксперимента, фолдирование планов. Планы для построения нелинейных моделей

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Свойства полных факторных 2-х уровневых планов Построение дробных факторных планов с учетом ограничений Преимущества и недостатки дробных факторных планов Условия выбора вариантов дробного плана Фолдирование планов и его использование на практике Использование дробных планов для отсеивающих экспериментов Построение и применение 3-х уровневых планов, обработка результатов эксперимента	Практический пример. Разрабатываем 5-и факторный дробный план с репликациями. Практический пример. Разрабатываем 7-и факторный дробный план. Практический пример. Проводим статистическую обработку результатов дробного эксперимента с 5-ю и более факторами. Ищем оптимальные уровни входных параметров процесса на основе результатов, оцениваем результаты оптимизации. Практический пример. Разрабатываем ЦКП для 2-х, 3-х и 5-ти факторов. Практический пример. Строим ПФЭ для построения квадратичной модели. По результатам эксперимента подбираем наиболее адекватную модель. Ищем оптимальные параметры процесса, оцениваем результаты оптимизации.

После окончания обучения вы сможете

Правильно разрабатывать план эксперимента для широкого класса практических задач

Проводить статистическую обработку результатов любого эксперимента

Строить многофакторные модели на основе результатов эксперимента

Находить оптимальные уровни входных параметров, обеспечивающие достижение желаемых результатов выходных параметров

Разрабатывать практические рекомендации на основе результатов эксперимента

Проводить валидацию результатов эксперимента