DOE – komputerowe wspomaganie planowania i analizy statystycznej badań innowacyjnych

online 2 dni

Use Case: Industry, Quality, Technology

Software: Statistica | Level: Intermediate | Language: Polish

Uczestnicy szkolenia poznają w praktyce szeroki zestaw metod DOE (Design of Experiment – planowania eksperymentu), które umożliwiają efektywne pozyskiwanie informacji z wyników badań w naukach technicznych i przemyśle. Program szkolenia obejmuje ogólne zagadnienia (identyfikacja, optymalizacja lub stabilizacja oraz dobór odpowiedniego planu do zadania) oraz szczegółowe metody, m.in.: plany kompletne i frakcyjne, modele powierzchni odpowiedzi, plany dla mieszanin i D-optymalne. Sposób prowadzenia kursu jest przystępny i bazuje na licznych przykładach ilustrujących poszczególne zagadnienia problemowe, które są rozwiązywane przez uczestników.

Dla kogo?

Dla wszystkich, którzy wykorzystują lub planują korzystanie z metod planowania doświadczeń – DOE (Design of Experiment), m.in. w badaniach innowacyjnych.
Dla pracowników uczelni technicznych oraz działów R&D w przemyśle. Alternatywą dla pracowników przemysłu farmaceutycznego może być też kurs Statystyka w farmacji: QbD: planowanie doświadczeń jako narzędzie zapewnienia jakości produkowanych leków.

Co zyskasz?

Poznasz od strony praktycznej wiele metod planowania doświadczeń (DOE) oraz analizy wyników tak przeprowadzonych badań
Optymalnie wykorzystasz przeznaczony na badania budżet – uzyskasz maksimum informacji przy minimalnych kosztach i nakładach czasu
Poznasz narzędzia pakietu Statistica usprawniające wykorzystanie metod DOE
Nauczysz się dobierać plan eksperymentu i metody analizy do konkretnego celu badawczego
Nauczysz się samodzielnie przechodzić przez kolejne etapy planowania eksperymentów

Sign up

Book / Enquire

Program
Speaker
Organizational information
Prices

Program szkolenia >>

Wprowadzenie – cel wdrażania planowania doświadczeń, korzyści i ograniczenia
Postawienie zagadnienia – rodzaj rozwiązywanego problemu: identyfikacja, optymalizacja, stabilizacja
Badania wstępne – ograniczanie liczby badanych wielkości przy pomocy planów eliminacyjnych Placketta-Burmana
Proste badania podstawowe z wykorzystaniem modeli liniowych – plany dwuwartościowe frakcyjne
Zaawansowane badania z wykorzystaniem modeli nieliniowych – zastosowanie planów wielowartościowych m.in. kompozycyjnych, modelowanie powierzchni odpowiedzi, poszukiwanie odpowiedzi ekstremalnych, identyfikacji funkcyjnej postaci modelu regresyjnego
Identyfikacja wpływu czynnika silnie maskowanego wpływem znanych czynników zakłócających – zastosowanie kwadratów łacińskich i grecko-łacińskich
Zaawansowane badania modeli dla mieszanin – wykorzystanie planów spełniających warunek sumowalności, plany z ograniczeniami i bez ograniczeń, analiza i wizualizacja wyników
Zastosowanie planów optymalnych – plany D- i A-optymalne. Optymalne uzupełnianie uprzednio uzyskanych wyników badań. Racjonalne ograniczanie zbyt dużych planów badań w warunkach limitów budżetowych.
Metoda Taguchi – omówienie koncepcji i stosowanych kryteriów S/N. Przygotowanie badań i analiza uzyskanych wyników. Poszukiwanie nastaw dla odpowiedzi optymalnych. Stabilizacja procesu. Zapoznanie z zaletami i ograniczeniami metody.

Polecamy inne szkolenia:

Planowanie badań i analiza wariancji
SPC – karty kontrolne
SPC – analiza zdolności procesu
Statystyka w walidacji metod pomiarowych

[PL] Prof. PK dr hab. inż. Jacek Pietraszek w okularach, białej koszuli, ciemnej marynarce na beżowym tle. [EN] Professor Jacek Pietraszek in glasses, wearing a white shirt and a dark blazer against a beige background.

Prof. Jacek Pietraszek

Head of the Department of Applied Computer Science, Faculty of Mechanical Engineering, Cracow University of Technology.
Graduate of the Cracow University of Technology in Technical Problems of Engineering, specializing in Applied Mechanics.
Professionally focused on data analysis, particularly experimental design (DOE), with applications in mechanical and materials engineering.
Trainer and consultant in DOE for both academia and industry.
Author of over 200 scientific publications, dozens indexed in Web of Science and SCOPUS.
Member of the Polish Association for Computational Mechanics, Polish Stereological Society, Polish Association of Mechanical Engineers and Technicians.
Member of the Polish Committee for Standardization (KT 10) on Statistical Methods.
Editor-in-Chief of Czasopismo Techniczne, statistical editor of Production Engineering Archives, member of the Scientific Board of Optimized Energy Potential in Construction.
Chair of the Editorial Board of Scientific Publications, Cracow University of Technology.

Kurs odbywa się online.

Wymagania:

Umiejętność obsługi komputera w środowisku Windows
Podstawowa znajomość pakietu Statistica

Zalecamy wcześniejszy udział w kursie Statystyka w przemyśle – kurs podstawowy lub Statistica kurs podstawowy lub Statystyka dla niestatystyków.

Cena regularna: 2 795 zł

Cena dla akademickich użytkowników Statistica (-20%)*: 2 236 zł

*-20% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Podane ceny są cenami netto i należy do nich doliczyć podatek VAT. Ceny mogą ulec zmianie.

Similar courses

Analiza danych i sztuczna inteligencja w Przemyśle 4.0

Celem szkolenia jest pokonanie barier dotyczących wdrożenia zaawansowanej analizy danych w przedsiębiorstwie produkcyjnym, które dotyczą ograniczonej wiedzy o prowadzeniu projektów […]

Learn more

Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning)

Wykrywanie anomalii znajduje zastosowanie w wielu obszarach: może sygnalizować awarię urządzeń, zmianę stanu procesu, problemy z systemem pomiarowym, cyberatak lub […]

Learn more

Sztuczna inteligencja – podstawy i zastosowania

Szkolenie polecamy wszystkim, którzy chcą poznać podstawy sztucznej inteligencji (AI), nauczyć się efektywnego korzystania z jej narzędzi oraz zrozumieć jej […]

Learn more