Specjalno techniczna 1. Komputerowa integracja wytwarzania Statystyczne sterowanie procesami WM Zarzdzenie i Inynieria Produkcji Studia II stopnia o profilu: A P Przedmiot: Statystyczne sterowanie procesami Kod przedmiotu ZIP S 0 15-1_0 Status przedmiotu: obieralny Jzyk wykładowy: polski Rok: I Semestr: Nazwa specjalnoci: Komputerowa Integracja Wytwarzania Rodzaj zaj i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 15 wiczenia Laboratorium 15 Projekt Liczba punktów ECTS: C1 C 1 Cel przedmiotu zdobycie wiedzy z zakresu metod analizy wyników dowiadcze w kontekcie nadzorowania i doskonalenia jakoci procesów technologicznych wykształcenie umiejtnoci planowania, analizy i opracowywania wyników prac wczych Wymagania wstpne w zakresie wiedzy, umiejtnoci i innych kompetencji wiedzy: student wykazuje znajomo zagadnie i metod obliczeniowych z zakresu algebry liniowej (rachunek macierzy), analizy matematycznej, statystyki opisowej, rachunku prawdopodobie stwa i statystyki matematycznej. umiejtnoci: student potrafi zastosowa podstawowe metody statystyczne do wyników dowiadcze, weryfikacji hipotez statystycznych; potrafi posługiwa si podstawowymi funkcjami arkusza kalkulacyjnego kompetencji: student potrafi pracowa w grupie oraz samodzielnie opracowywa informacje na wskazany temat Efekty kształcenia W zakresie wiedzy: zna metodyk prowadzenia prac ; rozumie podstawowe pojcia zwizane z teori posiada wiedz teoretyczn z metod statystycznych wykorzystywanych do EK ma wiedz w zakresie formułowania i rozwizywania złoonych zagadnie inynierii; zna EK kontekst stosowania planów i metod wykorzystywanych w statystycznym sterowaniu i doskonaleniu jakoci procesu W zakresie umiejtnoci: EK 4 potrafi, opracowa oraz zinterpretowa wyniki technologicznego EK 5 potrafi posługiwa si specjalistycznym m wspomagajcym prace analityczne W zakresie kompetencji społecznych: ma wiadomo roli metod w pozyskiwaniu wiedzy i tworzeniu innowacyjnych rozwiza W1 przedmiotu Forma zaj wykłady Statystyczne sterowanie i doskonalenie jakoci procesów technologicznych wprowadzenie do zagadnienia. Klasyfikacja metod modelowania Liczba godzin
W W W4 W5 W6 W7 L1 L L L4 matematycznego. Model empiryczny i jego rola w doskonaleniu jakoci procesów. Przykłady zastosowa modelowania dowiadczalnego. Metodyka. Podstawowe pojcia i zagadnienia teorii technologicznego: plan i jego trzy fundamentalne załoenia: replikacja, randomizacja i blokowanie. Pojcie: układu dowiadczalnego, czynników nych i wynikowych, efektu głównego. Klasyfikacja planów. Odniesienie metod DOE do cyklu doskonalenia PDSA Shewharta-Deminga. Rola metod w kreowaniu innowacyjnych rozwiza. Modelowanie empiryczne i jego zwizek z planami dowiadczalnymi. Metody statystyczne wykorzystywane w opracowaniu wyników : weryfikacja hipotez statystycznych: test t-studenta dla prób niezalenych, analiza wariancji, przedział ufnoci. Załoenia konstrukcji modelu regresji. Weryfikacja poprawnoci modelu empirycznego. Zagadnienie regresji wielomianowej a plany dowiadczalne. Eksperyment porównawczy jako najprostszy schemat. Cel i zastosowanie porównawczych. Schemat wyników porównawczego. Porównanie wyników w parach. Zagadnienie regresji prostej. Rola replikacji i randomizacji układów Przykłady zastosowa i analizy wyników dowiadcze. Plany wieloczynnikowe dwuwartociowe kompletne jako złoone schematy cel i zastosowanie. Schemat wyników planu wieloczynnikowego: analiza wariancji, analiza adekwatnoci dopasowania, analiza reszt modelu. Plany (tablice) ortogonalne. Zagadnienie interakcji zmiennych nych i ich rola w optymalizacji procesów technologicznych metodyka G.Taguchi. Przykłady zastosowa i analizy dowiadcze wykorzystujcych plany wieloczynnikowe. Plany wieloczynnikowe dwuwartociowe ułamkowe jako fundament złoonych programów. Rola blokowania w dowiadczalnictwie. Relacja generujca planu. Podział dowiadczenia na frakcje. Synteza (złoenie) frakcji. Plany ułamkowe a dokładno modelu regresji zamienniki efektów głównych i interakcji. Wybór relacji generujcej planu dwuwartociowego ułamkowego. Przykłady zastosowa i analizy dowiadcze planów ułamkowych. Plan wieloczynnikowy kompozycyjny jako rozszerzenie planu wieloczynnikowego dwuwartociowego. Analiza kanoniczna równania regresji. Metoda Powierzchni Odpowiedzi (RSM: Response Surface Methodology) jako przykład złoonej strategii. Załoenia metodyki RSM. Rola planów dwuwartociowych ułamkowych w realizacji procedury dowiadczalnej RSM. Przykład zastosowa i analizy planu kompozycyjnego. Wykorzystanie wyników RSM w sterowaniu i optymalizacji procesów technologicznych studia przypadków. Przykład złoonej procedury. Statystyczne sterowanie procesem technologicznym. Rola planów i kart kontrolnych. Suma godzin: 15 Forma zaj laboratoria Wprowadzenie do obsługi oprogramowania go wykorzystywanego do planowania, analizy i prezentacji wyników dowiadcze. Przykłady analiz statystycznych. Weryfikacja hipotez statystycznych, test t-studenta, analiza wariancji (ANOVA). Przykłady analiz wyników dowiadcze z wykorzystaniem oprogramowania go. Praktyczne zagadnienie interpretacji wyników dowiadcze w niach porównawczych. Analiza i interpretacja wyników dowiadcze jednoczynnikowych: model wariancji i model regresji porównanie wyników. Zadania i przykłady problemów. Analiza i interpretacja wyników dowiadcze wieloczynnikowych dwuwartociowych, ułamkowych. Wykonywanie w blokach. Liczba godzin
L5 L6 L7 Zadania i przykłady ilustrujce stosowanie planów wieloczynnikowych dwuwartociowych, ułamkowych. Optymalizacja procesów technologicznych z wykorzystaniem Metody Powierzchni Odpowiedzi i tablic ortogonalnych metodyka G.Taguchi. Zadania i przykłady zastosowa. Wykonanie projektu w grupach roboczych. W ramach pracy naley dokona wyboru strategii prowadzenia prac i analitycznych nad wybranym problemem wczym. Na podstawie uzyskanych wyników, grupa robocza ma za zadanie przeprowadzi analiz, dyskusj i opracowanie raportu z. Prezentacja, dyskusja i ocena projektów wczych poszczególnych grup roboczych. Suma godzin: 15 Narzdzia dydaktyczne 1 Wykład z prezentacj multimedialn wiczenia laboratoryjne: planowanie, analiza i interpretacja wyników dowiadcze wiczenia: rozwizywanie projektów/zada problemowych F1 F P1 Sposoby oceny Ocena formujca Ocena projektu weryfikujca umiejtno planowania, analizy i interpretacji Ocena poprawnoci wykonania poszczególnych wicze laboratoryjnych Ocena podsumowujca Ocena sumaryczna uwzgldniajca oceny formujce (F1 i F) oraz wynik kolokwium weryfikujcego wiedz i umiejtnoci. Obcienie prac studenta Forma aktywnoci rednia liczba godzin na zrealizowanie aktywnoci (studia niestacjonarna) Godziny kontaktowe z wykładowc 0 Konsultacje, zaliczenie 0 Przygotowanie si do zaj laboratoryjnych, projektu 0 Suma 50 Sumaryczna liczba punktów ECTS dla przedmiotu Literatura podstawowa R. Zieli ski, "Wybrane zagadnienia optymalizacji statystycznej: analiza powierzchni odpowiedzi", 1 Pa stwowe Wydawnictwo Naukowe, Warszawa 198 J. R. Thompson, J. Koronacki, J.Nieckuła, Techniki zarzdzania jakoci : od Shewharta do metody "Six Sigma", Akademicka Oficyna Wydawnicza Exit, Warszawa 005 D. Montgomery, Design and Analysis of Experiments, 6-th edition, Wiley & Sons 006 4 D. Montgomery, C. Myers, Response Surface methodology, -rd edition, Wiley & Sons 009 5 D. Montgomery Statistical Control Process, 6-th edition, John Wiley & Sons, New York 009 J.R., Taylor, "Wstp do analizy błdu pomiarowego", Wydawnictwo Naukowe PWN, Warszawa 6 1999 Literatura uzupełniajca M. Korzy ski, "Dowiadczalna optymalizacja technologii: planowanie i opracowywanie wyników 7 dowiadcze w technologii maszyn", Wydaw. Polit. Rzesz., Rzeszów 1991. 8 Z. Pola ski, Planowanie dowiadcze, Politechnika Krakowska, Kraków 1981 A. Stanisz, "Przystpny kurs statystyki: z zastosowaniem STATISTICA PL na przykładach z 9 medycyny" Tom 1 i StatSoft, Kraków 006
Efekt kształcenia EK EK EK 4 EK 5 Odniesienie danego efektu kształcenia do efektów zdefiniowanych dla całego programu (PEK) ZIPA_W04(++) ZIPA_U01(+) ZIPA_W17(++) ZIPA_U01(+) ZIPA_W15(+) ZIPA_W16(++) ZIPA_W17(+++) ZIPA_U0(+) ZIPA_U0(++) ZIPA_U07(++) ZIPA_U09(++) ZIPA_U01(++) ZIPA_U08(++) ZIPA_U18(++) ZIPA_U0(+) ZIPA_W08(+) ZIPA_W17(+++) ZIPA_K06(++) ZIPA_K07(++) Macierz efektów kształcenia Cele przedmiotu Narzdzia dydaktyczne Sposób oceny C1 W1,W6,W7 1 P1 C1, C W,L L4 1,, P1 C1, C W4,W6,W7,L5 L7 1,,4 P1, F1, F C1 W1,W5,L,L,L4 L 7 1, P1, F1, F C1, C L1, L4 L7 P1, F1, F C1 W1,W7,L4 L7 1,, P1 EK EK Formy oceny szczegóły Na ocen (ndst) Na ocen (dst) Na ocen 4 (db) Na ocen 5 (bdb) Student nie rozumie Student zna niektóre Student poprawnie Student biegle podstawowych poj z podstawowych posługuje si posługuje si wykorzystywanych w poj pojciami teorii pojciami teorii opisie prac wykorzystywanych w i ; opisie prac potrafi uzasadni projektujc złoone student nie potrafi ; wybór planu plany dobra planu wie jak zastosowany dowiadczenia eksperymentalne do plan dowiadczenia rozwizujcy prosty rozwizujce problem kontekstu prostej rozwizuje prosty problem wczy wczy sytuacji wczej problem wczy Student nie posiadał wiedzy z zakresu metod statystycznych uytecznych w opracowaniu wyników dowiadcze. Student nie ma wiadomoci z zakresu prowadzenia nie potrafi wymieni Student zna tylko niektóre z podstawowych metod statystycznych wykorzystywanych w opracowaniu wyników dowiadcze : statystyki opisowe, zagadnie estymacji, opis błdu pomiaru zna tylko niektóre ze Student zna podstawowe metody statystyczne stosowane do opisu zna standardowe Student zna podstawowe i niektóre z zaawansowanych metod statystycznych wykorzystywanych do dowiadcze. zna standardowe
EK 4 EK 5 standardowych planów Student nie potrafi prostego technologicznego i nie Nie potrafi go oprogramowania wykorzystywanego do wyników Student nie rozumie jak metodyka jest wykorzystywana do pozyskiwania wiedzy i tworzenia innowacyjnych rozwiza standardowych planów prosty eksperyment technologiczny oraz lecz ma problemy z ich interpretacj lecz nie ma problemy z odniesieniem treci prezentowanych wyników do kontekstu prac rozpoznaje metodyk jako narzdzie pozyskiwania wiedzy lecz nie potrafi go wykorzysta do wzbogacenia informacji o obiekcie plany dowiadczalne eksperyment technologiczny oraz ; poprawnie interpretuje ich wynik i potrafi odnie treci prezentowanych wyników kontekstu prac rozpoznaje metodyk jako narzdzie pozyskiwania wiedzy i w wystarczajcym stopniu potrafi je wykorzysta do pozyskania informacji o obiekcie plany dowiadczalne i wybra stosowny schemat do kontekstu złoonej sytuacji wczej seri eksperymentów technologicznych; ; poprawnie interpretuje ich wynik i optymalizujc schemat rozpoznaje metodyk jako narzdzie pozyskiwania wiedzy i w oparciu o wyniki jest w stanie zaproponowa innowacyjne rozwizanie Autor programu: Adres e-mail: Jednostka organizacyjna: Osoba, osoby prowadzce: dr Marcin Bogucki m.bogucki@pollub.pl Katedra Automatyzacji Politechniki Lubelskiej dr Marcin Bogucki, prof. dr hab. in. Stanisław Płaska, dr in. Piotr Wolszczak