Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione geografica
Bibliografia
Allen, T.T., Bernshteyn, M.A., Kabiri-Bamoradian, K. 2003, ‘Constructing Meta-Models for Computer Experiments’, J. of Quality Tech., 35(3) pp 264-274
Barone, S., D’Ambrosio, P., Erto, P. 2003, ‘Malfunction detection of an on-board diagnostic car system in presence of highly correlated data’. Proc. ENBIS Conf., Barcelona, Spain
Barone, S., Erto, P., Lanzotti, A. 2002, ‘Beyond robust design: an example of synergy between statistics and advanced engineering’, The Asian Journal of Quality, 3(2) pp 13-28, ISSN 1598-2688
Barone, S., Fittipaldi, F., Lanzotti, A. 2001. ‘Improving comfort of a new city vehicle by means of parameter design in virtual environment’. Proc. First Annual Conf. of the European Network for Business and Industrial Statistics, Oslo (Norway), Sept. 17-18
Barone, S., Lombardo, A. 2004a, ‘Balanced Asymmetrical Nearly Orthogonal Designs for first and second order effect estimation. A collection for two- and three-level factors’. Proceedings of the 4th ENBIS Conference. Copenhagen, 20-22 September (to appear on J. of Applied Stat.)
Barone, S., Lombardo, A. 2004b, ‘Service Quality design through a smart use of Conjoint Analysis’. The Asian J. on Quality, 5(1) pp 34-42
Barone, S., Lanzotti, A. 2002, ‘Quality Engineering approach to improve comfort of a new vehicle in virtual environment’, Proc. of the American Statistical Association, Statistical Computing Section [CD-ROM], Alexandria, VA: American Statistical Association
Berger M.P.F. (ed.), Wong W.-K. (ed.) 2005, Applied Optimal Designs, John Wiley & Sons.
Box, G.E.P. 1992, ‘Teaching Engineers Experimental Design with a Paper Helicopter’, Quality Engineering, 4(3) pp 453-459
Carbone, F., Lanzotti, A., Savarese, M., Staiano, M. 2003, ‘Design candidate identification using expert opinion in virtual environment’, Proc. of XIII ADM - XV INGEGRAF Intern. Conference, ‘Tools and Methods Evolution in Engineering Design’ [CD-ROM], Naples, June 4-6
D’Errico, J. R., Zaino, N. A. Jr. 1988, ‘Statistical Tolerancing Using a Modification of Taguchi’s Method’, Technometrics, 30(4) pp 397-405
Ebrahimi, N. 1996. ‘How to model reliability-growth when times of design modifications are known’, IEEE Transactions on Reliability, 45 pp 54-58
Erto P., Vanacore A. 2002, A probabilistic approach to measure hotel service quality. Total Quality Management, 13(2), pp. 165-174
Erto, P. and Lanzotti, A. 1994, ‘Statistical model “Life Cycle Cost-Reliability” for a new mass transit vehicle’, in Railway Design and Management, eds Murthy et al., Computer in Railways, vol. I, Computational Mechanics Pub., Southampton
Erto, P., Lombardo, A., Vanacore, A. 2002, ‘Design of experiments for quality diagnosis in two service industries’, DEINDE (DEsign of INDustrial Experiments) Sixth Annual Workshop, Torino, pp 1-16
Erto, P., Vanacore, A. 2002, ‘A probabilistic approach to measure hotel service quality’, Total Quality Management, 13 , pp 165-174, ISSN: 0954-4127
Faraway, J. 1997, ‘Regression Analysis for a Functional Response’, Technometrics 39(3)
Fisher, R. A. 1958, Statistical Method for Research Workers, Oliver and Boyd, Edinburgh (UK)
Giovagnoli, A., Romano, D., 2004, ‘Optimal experiments in the presence of a learning effect: a problem suggested by software production’, Statistical Methods & Applications, 13(2) pp 227-240
Green, P. and Rao, V. 1971, ‘Conjoint measurement for quantyfing judgmental data’, Journal of Marketing Research, 1 pp 61-68
Guida, M. and Pulcini, G. 2002. ‘Bayesian reliability-growth modeling of repairable mechanical systems’, in Proceedings of Third International Conference on Mathematical Methods in Reliability - MMR2002, Trondheim (Norway) 2002, pp 263-266
Guida, M., Lanzotti, A., Staiano, M., Fontana, V., Vinello, M. 2004, ‘Reliability Assessment from Life Test and Expert Testimony during the Development of a New Car Model’, in Advances in Experimental Mechanics, eds Pappalettere C., McGraw-Hill, Milano, ISMB 88 386 6273-8
Gustaffson, A., Ekdahl, F., Bergman, B. 1999, ‘Conjoint analysis: a useful tool in the design process’, Total Quality Management, 10(3) pp 327-343
Hedayat, A. S., Sloane, N. J. A., Stufken, J., 1999, Orthogonal Arrays, Springer
Jones, RH, Boadi-Boateng, F. 1991, ‘Unequally spaced longitudinal data with AR(1) serial correlation’, Biometrics, 47(1) pp 161-175
Kan HY., Su CJ, Duffy V.G., ‘A virtual reality based collaborative environment for effective collaborative product design’, Computers in Industry, 195, 2001, 197-213
Kano, N., Seraku, N., Takahashi, F., Tsuji, S. 1984, ‘Attractive Quality and Must-Be Quality’, Hinshitsu, 14(2) pp 39-48
Kleijnen, J.P.C. 1998, ‘Experimental Design for Sensitivity Analysis, Optimization, and Validation of Simulation Models’, in Handbook of Simulation; Banks, J., Ed.; John Wiley & Sons: New York, pp 173-223
Koehler, J.R. and Owen, A.B. 1996, ‘Computer Experiments’, in Ghosh, S. & Rao, C.R. eds, Handbook of Statistics, 13, Elsevier Science
Matzler, K., Hinterhuber, H. H. 1998, ‘How to make product development projects more successful by integrating Kano’s model of customer satisfaction into quality function deployment’, Technovation, 18(1) 25-38
McDonagh, D., Bruseberg, A., Haslam, C. 2002, ‘Visual product evaluation:exploring users emotional relationships with products’, Applied Ergonomics, 33 pp 231–240
Montgomery, D.C. 2001, Design and Analysis of Experiments, 5th ed., John Wiley & Sons, New York
Montgomery, D.C., Mastrangelo, C.M. 2000, ‘Process Monitoring with Autocorrelated Data’, in Statistical process monitoring and optimization, eds Park, S.H. and Vining, G.G., Marcel Dekker, pp 139-160
Myers, R.H., Montgomery, D.C. 1995, Response Surface Methodology: Process and Product Optimization Using Designed Experiments, John Wiley and Sons, New York, NY
Nagamachi, M. 1995, ‘Kansei Engineering: A new ergonomic consumer-oriented approach for product development’, International Journal of Industrial Ergonomics, 15 pp 3-11
Pulcini, G. 2001. ‘An exponential reliability-growth model in multi-copy testing program’, IEEE Transactions on Reliability, 50 pp 365-373
Pulcini, G. 2002. ‘Correction to ‘How to model reliability-growth when times of design modifications are known’, IEEE Transactions on Reliability, 51 pp 252-253
Romano, D., Varetto, M., Vicario, G. 2004, ‘A General Framework for Multiresponse Robust Design based on Combined Array’, Journal of Quality Technology, 36(1) pp 27-37.
Romano, D., Vicario, G. 2001-2002, ‘Reliable Estimation in Computer Experiments on Finite Element Codes’, Quality Engineering, 14(2) pp 195-204
Romano, D., Vicario, G., Galetto, M. 2000, ‘Robust FEM Experiments’, Proceedings of the 3rd International Conference on Quality Reliability & Maintenance, QRM 2000, Oxford, March 2000, G.J. McNulty ed., Professional Engineering Publish. Ltd, Bury St Edmunds and London, UK, pp 171-174
Sacks, J., Schiller, S.B., Welch, W.J. 1989, ‘Designs for Computer Experiments’, Technometrics, 31 pp 41-47
Sacks, J., Welch, W.J., Mitchell, T.J., Wynn, H.P. 1989, ‘Design and Analysis of Computer Experiments’, Statistical Science, 4(4) pp 409-435
Santner, T.J., Williams, B.J., Notz, W.I. 2003, The Design and Analysis of Computer Experiments, Series: Springer Series in Statistics, XII
Sen, A., Bhattacharyya, G.K. 1993, ‘A piecewise exponential model for reliability growth and associated inferences’, in Advances in Reliability, Basu ed., pp 331-355, Elsevier
Suh, N.P. 1990, The Principle of Design, Oxford University Press, New York
Suhr, R. and Batson, R.G. 2001, ‘Constrained multivariate loss function minimization’, Quality Engineering, 13(3)
Taguchi, G. 1987, System of Experimental Design, Kraus Internationl Pub., New York.
Welch, W.J., Yu, T.K., Kang, S.M., Sacks, J. 1990, ‘Computer Experiments for Quality Control by Parameter Design’, Journal of Quality Tech., 22 pp 15-22
Wu, C. F. J., Hamada, M. 2000, Experiments, Wiley
Yang, K., El-Haik, B. 2003, Design for Six Sigma, McGraw-Hill, New York
Parole Chiave
PROGETTAZIONE STATISTICA DELL'INNOVAZIONE; PROGETTAZIONE ROBUSTA; PROGETTAZIONE DEGLI ESPERIMENTI; SPERIMENTAZIONE NUMERICA E SIMULAZIONE; QUALITÀ ED AFFIDABILITÀ; MODELLI LINEARI GENERALIZZATI; ERGONOMIA; CRESCITA DELL'AFFIDABILITA'; PROGETTAZIONE EMOZIONALE

Progettazione statistica dell'innovazione "continua" di prodotto.

Università degli Studi di Napoli "Federico II"
Abstract
Nel moderno assetto di mercato l'innovazione di prodotto è divenuta un'attività "continua" e indispensabile per la sopravvivenza di ogni azienda. Pertanto, essa deve essere programmata e progettata, ossia gestita come ogni altro fattore produttivo, senza poter più fidare esclusivamente sull'intuizione brillante o sull'idea estrosa, come nel caso delle scoperte estemporanee o delle invenzioni.
A questo fine, un contributo determinante può venire dallo sviluppo di un nuovo approccio fondato sull'utilizzo di metodologie statistiche sperimentali, già impiegate con successo per ottimizzare una specifica e predeterminata prestazione di un prodotto. Allargare l'efficacia di queste metodologie all'individuazione della specifica prestazione da migliorare e conferire alle stesse l'ulteriore caratteristica della iterabilità in passi successivi, integrando conoscenze numerico-sperimentali per realizzare un processo continuo e sostenibile d'innovazione, costituiscono le due principali finalità di questa ricerca.
L'innovazione di prodotto è realizzata allorché viene conferito ad esso "una qualità" tesa a soddisfare una nuova esigenza del cliente. Per rendere la Qualità prodotto meno sensibile all'effetto delle cause di variabilità possono essere utilmente impiegate nuove metodologie di progettazione robusta e crescita dell'affidabilità. Pertanto, la ricerca proposta tende innanzitutto a definire un processo strutturato d'innovazione scomposto in due fasi principali:
>>>

Coordinatore Scientifico del Programma di Ricerca
Pasquale ERTO Università degli Studi di NAPOLI "Federico II"
Obiettivo del Programma di Ricerca
L'obiettivo della ricerca è sviluppare una metodologia statistica che integri sperimentazione fisica e numerica, e che consenta di programmare e progettare l'innovazione tecnologica, al pari di ogni altro fattore produttivo. Detta metodologia deve essere implementata mediante una procedura strutturata che contribuisca a ridurre l'alto tasso d'insuccesso di mercato attualmente registrato dai processi d'innovazione. Infatti è ben noto che:
i) il tasso di insuccesso delle nuove idee di innovazione è molto alto (mediamente 90immagine94 proposte di innovazione su 100 presentano un sostanziale insuccesso sia nella UE che negli USA);
ii) la scarsa qualità nel tempo (inaffidabilità), e la sensibilità delle prestazioni alla variabilità delle condizioni d'uso, contribuiscono in modo determinante all'insuccesso dell'innovazione.
L'obiettivo di tradurre in attività progettuale ripetibile il complesso processo dell'innovazione può essere perseguito mediante la sua scomposizione gerarchica in "piccoli" passi di ricerca statistica sperimentale. L'approccio inferenziale proposto per studiare le esigenze del cliente e le metodologie di ottimizzazione di prodotto/processo per ridurre l'effetto di variabilità indesiderata o scoprire le cause di variabilità inaspettata, costituiscono il corpo metodologico della Progettazione Statistica dell'Innovazione "continua" di Prodotto.
Partendo dall'osservazione che l'innovazione di prodotto consiste nel conferire ad esso >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
L'uso della statistica e dei metodi statistici in ambito industriale fornisce un ottimo supporto per il miglioramento della qualità in quanto permette di migliorare sia la qualità di un processo di produzione sia l'intrinseca qualità di un prodotto o di un servizio.
Gli sforzi per il miglioramento della qualità non necessariamente determinano innovazione, come pure gli sforzi per innovare non necessariamente producono migliore qualità. Purtroppo però la sfida a livelli sempre più globali imposta alle aziende e alla società tutta è quella di produrre innovazione e qualità. Innovare significa produrre con continuità un valore aggiunto tale da poter concorrere e sopravvivere su un mercato fortemente competitivo; qualità significa mettersi in sintonia con le esigenze del cliente.
Il modello attuale vede, dal lato del produttore, una qualità progettata ed una qualità erogata il cui gap si tende a ridurre mediante l'ingegneria della qualità; dal lato del cliente, una qualità attesa ed una qualità percepita il cui gap è una sommatoria dei gap tra la qualità attesa e quella progettata, tra quella progettata e quella erogata e tra quella erogata e quella percepita (Erto & Vanacore 2002). Questo modello non promuove necessariamente un processo di innovazione continuo ed efficace, bensì potrebbe rallentare il processo innovativo sfruttando estemporanee azioni non durature di riduzione dei gap.
La chiave per la soluzione del problema risiede nell'armonizzazione tra >>>