Programma di Ricerca dell`Unità di Torino
Transcript
Programma di Ricerca dell`Unità di Torino
MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ E DELLA RICERCA DIPARTIMENTO PER L'UNIVERSITÀ, L'ALTA FORMAZIONE ARTISTICA, MUSICALE E COREUTICA E PER LA RICERCA SCIENTIFICA E TECNOLOGICA PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE RICHIESTA DI COFINANZIAMENTO (DM n. 287 del 23 febbraio 2005) PROGETTO DI UNA UNITÀ DI RICERCA - MODELLO B Anno 2005 - prot. 2005135241_003 PARTE I 1.1 Programma di Ricerca afferente a Area Scientifico Disciplinare 13: Scienze economiche e statistiche 100% 1.2 Durata del Programma di Ricerca 24 Mesi 1.3 Coordinatore Scientifico del Programma di Ricerca ERTO PASQUALE [email protected] SECS-S/02 - Statistica per la ricerca sperimentale e tecnologica Università degli Studi di NAPOLI "Federico II" Facoltà di INGEGNERIA Dipartimento di PROGETTAZIONE AERONAUTICA 1.4 Responsabile Scientifico dell'Unità di Ricerca VICARIO GRAZIA Professore Associato 22/01/1951 VCRGRZ51A62B041N 011-5647599 (Numero fax) [email protected] (Indirizzo posta elettronica) SECS-S/01 - Statistica Politecnico di TORINO Facoltà di INGEGNERIA IV Dipartimento di MATEMATICA 011-5647504 (Prefisso e telefono) 1.5 Curriculum scientifico del Responsabile Scientifico dell'Unità di Ricerca Testo italiano ATTIVITÀ SCIENTIFICA # Affidabilità: in tale settore l'attività è stata orientata verso la teoria dell'affidabilità (confronto tra la teoria classica di Markov e la teoria integrale dell'affidabilità nel caso dei processi stocastici markoviani, studio dell'affidabilità dei componenti a tasso di guasto non costante con particolare riguardo ad alcune grandezze caratteristiche dell'affidabilità di sistemi complessi, definizioni e terminologia di base per l'affidabilità più aderenti al settore meccanico) e verso le applicazioni delle metodologie affidabilistiche ai sistemi elettromeccanici (progetto di architetture di alimentazione di continuità e loro applicazione per lo studio di sistemi complessi in campo industriale ed in campo della trazione elettrica urbana a guida vincolata) MIUR - BANDO 2005 -1- , Ministero dell Istruzione, dell ,Università e della Ricerca # Pianificazione degli Esperimenti: la ricerca condotta in questo settore è stata indirizzata sia all'attività di formazione in ambiente di "qualità totale" sia alla sperimentazione programmata. La ricerca ha quindi riguardato, in modo particolare, i frazionamenti portati al limite della saturazione (diversi aspetti ed implicazioni della tecnica di frazionamento), la non omogeneità di varianza tra i livelli dei fattori e la sensibilità dei piani fattoriali della serie 2n e 3n a marcate disuniformità di varianza tra i livelli dei fattori, il confronto tra metodologie diverse sulla base della comparazione delle curve caratteristiche operative, la generalizzazione dell'algoritmo di Yates per il calcolo sistematico degli effetti a piani fattoriali con un numero qualsiasi livelli, lo studio del comportamento di dati longitudinali, la formulazione di un modello statistico in casi di sperimentazione fattoriale su processi costituiti da una ben definita sequenza temporale di fasi distinte e indipendenti. Sempre in questo settore, l'interesse è stato poi focalizzato sull'attendibilità delle stime ottenute mediante la sperimentazione simulata, proponendo metodologie per individuare un rumore di fondo da attribuire ad un simulatore complesso (ad es. nell'analisi con elementi finiti), in modo da recuperare una sorta di errore sperimentale tipico di ogni esperimento fisico; anche la progettazione robusta di parametri e tolleranze mediante sperimentazione simulata è stata argomento di ricerca in quanto essa offre decisi vantaggi consentendo, a differenza della sperimentazione fisica, di far variare i parametri di disturbo con la stessa facilità e con gli stessi costi con cui si fanno variare quelli di controllo # Controllo della Qualità dei prodotti e processi: il lavoro svolto in questo filone riguarda la stima dell'incertezza nelle misure su Macchine di Misura a Coordinate (stima dell'incertezza del risultato del controllo eseguito con la determinazione di numero e posizione dei punti di misura per un controllo efficiente, stima di un parametro soglia in un threshold model e della relativa incertezza nell'ambito di misura di durezza, come richiesto dalla normativa vigente) ATTIVITÀ DIDATTICA # Docenza in corsi di base di Calcolo delle Probabilità, Metodi Probabilistici, Statistici e Processi Stocastici e Statistica presso il Politecnico di Torino e dell'Università di Torino (Scienze Politiche); # Docenza in corsi di Statistica erogati in modalità teledidattica e in videoconferenza (Consorzio Nettuno, Libera Università di Bolzano e ISVOR-Fiat); # Docente del corso Metodi Statistici per la Sperimentazione per la Scuola di Dottorato del Politecnico di Torino; # Docenza in corsi di formazione permanente erogati dal COREP, presso aziende manifatturiere e nel Quality Management Master (QUALITAL - Consorzio Universitario ingegneria della Qualità - Pisa). ATTIVITÀ DI CONSULENZA IN AZIENDA ATTIVITÀ ORGANIZZATIVA # Scuola S.I.S Organizzazione della scuola Sperimentazione per la Qualità, Torino, 5-9 febbraio 2001 # Master in Sistemi di Gestione nelle Organizzazioni (Qualital - Pisa) Responsabile dell'implementazione del modulo di base Misure, Analisi e Miglioramento secondo un modello di formazione integrata (blended e-Learning), 2003 # Workshop DEINDE (DEsign of INDustrial Experiments) PARTECIPAZIONE A PROGRAMMI DI RICERCA NAZIONALI (MURST/MIUR/COFIN) ED INTERNAZIONALI (TITOSIM - n. GRD1-2000-25724) Testo inglese RESEARCH INTERESTS # Reliability: activity was devoted to the theory of the Reliability (comparison between the classic Markov reliability theory and the integral one dealing with markovian processes, reliability of the not constant failure rate components with regard to some reliability parameters of complex systems, definitions and basic terminology suitable for the mechanic components) and to the applications of the reliability methodologies to electromechanical systems (designing new electrical architectures for industrial systems and for tramway and metro electrical systems) # Design of Experiment: the research in this field is aimed both to the Total Quality training and to Designing and Analyzing Experiments. Particularly, the research is concerned with saturated fractions of experiments (different aspects and implications of fractions techniques), heteroschedasticity among factors level and sensitiveness of 2n and 3n designs to the pronounced differences of factor variances, comparison among different methodologies for approaching the heteroschedasticity according to the Operative Characteristic Curves, generalization of the Yates algorithm for the systematic computation of factorial design effects with any number of levels, designing in presence of longitudinal data, statistical modelling of sequential phase processes. Always regard this field, the research interest is focused on the likeliness of estimates using Computer Experimentation, presenting methodologies for detecting an internal noise of the simulation code (e.g. in the analysis with Finite Elements) in order to achieve a sort of experimental error as in any physical experiment; also the Robust Design of parameters and tolerances is a research subject because of the great advantages related its use, as one can move the noise parameters with the same easiness and costs of the changes in control parameters. # Statistical Quality Control for Processes and Products: the research concerns the uncertainty estimation of measurements with Coordinate Measuring Machines (dependence of the uncertainty of the estimates on the number and position of the measured points in an efficient check, estimation of a threshold parameter and its uncertainty in hardness measurements, as standards demand) MIUR - BANDO 2005 -2- , Ministero dell Istruzione, dell ,Università e della Ricerca TEACHING # Courses of Statistics for basic degrees (Degree and diploma) at Politecnico of Turin and University of Turin (Political Science) # Ph. D. Courses in Statistics for Experimenters # Master courses in Statistical Quality Control for permanent training (Corep, Qualital, Manufacturing Companies) # E-learning and Videoconference Courses in Basic, Applied and Advanced Statistics CONSULTING ACTIVITY ORGANIZATION ACTIVITY # Organization of the school Experimentation for Quality (S.I.S. School), Torino, February 5-9, 2001 # Master of Management System in Organization (Qualital - Pisa): responsable of the implementation of the basic modul Measures, Analysis and Improving according to a blended e-Learning model, 2003 # Workshop DEINDE (DEsign of INDustrial Experiments) Partecipation to National (MURST/MIUR/COFIN) and International (TITOSIM - n. GRD1-2000-25724) Research Programs 1.6 Pubblicazioni scientifiche più significative del Responsabile Scientifico dell'Unità di Ricerca 1. D. ROMANO, M. VARETTO, VICARIO G. (2004). Multiresponse Robust Design: a General Framework Based on Combined Array. JOURNAL OF QUALITY TECHNOLOGY. vol. 36 pp. 27-37 ISSN: 0022-4065 2. VICARIO G., F. FRANCESCHINI, M. GALETTO (2004). Synthesis Maps for Multivariate Ordinal Variables. Metodi e Modelli Sttaistici per la Valutazione della Qualità e della Customer Satisfaction. Aprile 2004 (pp. 49-66). 3. D. ROMANO, VICARIO G. (2003). Assessing Part Conformance by Coordinate Measuring Machines. ESREL 2003 European Safety and Reliability Conference, in Safety and Reliabili. Maggio 2003 (pp. 1329-1336). 4. F. FRANCESCHINI, G. PISTONE, VICARIO G. (2003). Misure di desiderabilità per la progettazione Customer Oriented. In A. ZANELLA Il nuovo controllo statistico della qualità: processo produttivo, customer satisfaction, problemi ambientali (pp. 49-69). 5. G. BRONDINO, VICARIO G. (2003). An Error-In-Variables Model for The Stress-Strain Curve. S.C.O. '03, Modelli Complessi e Metodi Computazionali intensivi per la Stima e l. 4-6 settembre 2003 (pp. 104-109). 6. D. ROMANO, VICARIO G. (2002). Inspecting Geometric Tolerances: Uncertainty In Position Tolerances Control On Coordinate Measuring Machines. STATISTICAL METHODS & APPLICATIONS. vol. 11-2 pp. 83-94 ISSN: 1618-2510 7. D. ROMANO, VICARIO G. (2002). Reliable Estimation in Computer Experiments on Finite Element Codes. QUALITY ENGINEERING. vol. 14(2) pp. 195-204 ISSN: 0898-2112 8. VICARIO G., G. BARBATO, G. BRONDINO (2002). An Application of the asymptotic theory to a threshold model for the estimate of the Martens Hardness. STATISTICS. vol. 4, anno LXII pp. 733-744 9. D. ROMANO, VICARIO G. (2001). Factorial Experiments for sequential process. METRON. vol. LIX pp. 191-204 ISSN: 0026-1424 10. VICARIO G. (2001). Statistica. In P. DE RISI Dizionario della Qualità MILANO: Il Sole 24 11. G. BARBATO, VICARIO G. (2000). Macchine di misura a coordinate: valutazione statistica dei parametri di forma,. In A. ZANELLA Valutazione della Qualità e Customer Satisfaction: il ruolo della Statistica (pp. 127-143). MILANO: Vita e Pensiero (ITALY). 12. R. LEVI, VICARIO G. (2000). Programmazione degli esperimenti: principi logici, mezzi e strumenti, piani fattoriali e superfici di risposta. In F. FRANCESCHINI E L. NEGRI ED. Sperimentare per la Qualità (pp. 55-114). MILANO: Franco Angeli (ITALY). 13. VICARIO G. (2000). Fondamenti metodologici delle tecniche statistiche. In F. FRANCESCHINI E L. NEGRI ED. Sperimentare per la QualitàG. Vicario, Fondamenti metodologici delle tecniche statistiche, Sperimentare per la Qualità, F. Franceschini e L. Negri ed., Franco Angeli, Milano, pp. 29-54, 2000 (pp. 29-54). MILANO: Franco Angeli 14. VICARIO G., D. ROMANO (2000). Controllo di tolleranza di posizione e sua incertezza su macchine di misura a coordinate. XL Riunione Scientifica S.I.S.. aprile 2000 (pp. 241-244). 15. VICARIO G., D. ROMANO (2000). Controllo di tolleranza di posizione. XL Riunione Scientifica S.I.S.. aprile 2000 (pp. 241-244). 16. VICARIO G., D. ROMANO (1999). Sperimentazione fattoriale in processi a più fasi. Modelli Complessi e Metodi Computazionali intensivi per la Stima e la Previsione. settembre 1999 (pp. 44-51). 17. VICARIO G. (1997). Level Dependent Heteroschedasticity in Factorial Experiments: Aliasing Patterns and Implications. QUALITY ENGINEERING. vol. 9(4) pp. 703-710 ISSN: 0898-2112 18. VICARIO G., G. NICOLINI (1997). Sull'impiego di test di permutazione in ambito aziendale. La Statistica per le Imprese Convegno S.I.S.. aprile 1997 (pp. 49-56). 19. VICARIO G. (1996). Metodo di Yates diretto ed inverso per piani fattoriali completi e misti. STATISTICA APPLICATA. vol. 8(4) pp. 741-755 ISSN: 1125-1964 MIUR - BANDO 2005 -3- , Ministero dell Istruzione, dell ,Università e della Ricerca 20. VICARIO G. (1991). Affidabilità a livello progettazione. STATISTICA APPLICATA. vol. 3(4) pp. 461-466 ISSN: 1125-1964 1.7 Risorse umane impegnabili nel Programma dell'Unità di Ricerca 1.7.1 Personale universitario dell'Università sede dell'Unità di Ricerca Personale docente nº Cognome Nome 1. VICARIO Dipartimento Grazia Qualifica Dip. MATEMATICA Settore Disc. Prof. Associato SECS-S/01 Mesi Uomo 1° anno 2° anno 7 6 2. FRANCESCHINI Fiorenzo Dip. SISTEMI DI PRODUZIONE ED ECONOMIA DELL'AZIENDA Prof. Ordinario ING-IND/16 3 3 3. GALETTO Ricercatore Universitario 3 3 13 12 Maurizio Dip. SISTEMI DI PRODUZIONE ED ECONOMIA DELL'AZIENDA ING-IND/16 TOTALE Altro personale Nessuno 1.7.2 Personale universitario di altre Università Personale docente nº Cognome Nome Università Dipartimento Qualifica Settore Disc. 1. ROMANO Daniele CAGLIARI Dip. INGEGNERIA MECCANICA 2. BUONADONNA Pasquale CAGLIARI Dip. INGEGNERIA MECCANICA TOTALE PA RU ING-IND/16 ING-IND/16 Mesi Uomo 1° anno 2° anno 6 6 3 3 9 9 Altro personale nº Cognome Nome Università Dipartimento Qualifica 1. PEDONE Paola Università degli Studi di CAGLIARI TOTALE Ingegneria Meccanica Dottoranda di ricerca Mesi Uomo 1° anno 2° anno 5 5 5 5 1.7.3 Titolari di assegni di ricerca nº Cognome 1. BRONDINO TOTALE Nome Dipartimento Data di inizio del contratto Gabriele Dip. CASA-CITTA' 15/07/2004 Durata (in anni) Mesi Uomo 1° anno 2° anno 4 4 4 4 1.7.4 Titolari di borse Nessuno MIUR - BANDO 2005 -4- , Ministero dell Istruzione, dell ,Università e della Ricerca 1.7.5 Personale a contratto da destinare a questo specifico programma nº Qualifica 1. Borsista TOTALE Costo previsto Mesi Uomo Note 1° anno 2° anno 15.000 6 6 Laureato in discipline tecniche da introdurre all'utilizzo del Computer Experiments 15.000 6 6 1.7.6 Personale extrauniversitario indipendente o dipendente da altri Enti Nessuno MIUR - BANDO 2005 -5- , Ministero dell Istruzione, dell ,Università e della Ricerca PARTE II 2.1 Titolo specifico del programma svolto dall'Unità di Ricerca Testo italiano Protocolli di sperimentazione fisico-numerica per la progettazione robusta di nuovi prodotti Testo inglese Protocol of Physical and Numerical Experimentation for the Robust Design of New Products 2.2 Settori scientifico-disciplinari interessati dal Programma di Ricerca SECS-S/01 - Statistica ING-IND/16 - Tecnologie e sistemi di lavorazione 2.3 Parole chiave Testo italiano SPERIMENTAZIONE INDUSTRIALE ; SPERIMENTAZIONE SIMULATA ; PROGETTAZIONE ROBUSTA Testo inglese INDUSTRIAL EXPERIMENTS ; COMPUTER EXPERIMENTS ; ROBUST DESIGN 2.4 Base di partenza scientifica nazionale o internazionale Testo italiano Nelle attività industriali di progettazione e sviluppo del prodotto, sempre più frequentemente e intensamente vengono utilizzati modelli di simulazione del prodotto e dei processi relativi, non solo come strumenti di supporto, ma come strumenti strategici per accorciare il time to market, ridurre i costi di progettazione e sviluppo e migliorare la qualità del prodotto. Tuttavia, la diffusione della simulazione non è stata accompagnata da una diffusione ugualmente rapida di metodologie per aumentare efficacia ed efficienza del suo utilizzo. In particolare, ci si riferisce all'uso della simulazione come strumento da affiancare stabilmente al progettista per aumentarne la capacità creativa. La prospettiva è di rendere la simulazione uno strumento ordinario di progettazione per l'innovazione continua di prodotto. La possibilità di riprodurre al computer il comportamento di un sistema reale rappresenta di fatto un nuovo paradigma di conoscenza. Da una parte aumenta la capacità di analizzare il sistema e di costruire nuova conoscenza su di esso; per contro cambiano la natura e il costo delle osservazioni, rispetto a quelle effettuate sul sistema reale, e ciò modifica, in parte, anche l'analisi dei dati. Inoltre è necessario considerare il rischio dell'inattendibilità della conoscenza costruita per questa via, legato alla possibile inadeguatezza del programma di calcolo a simulare fedelmente il sistema. Un metodo importante per la costruzione di conoscenza a partire da un modello di simulazione è il campionamento intelligente di un programma per calcolatore (simulatore) che implementa il modello. La sperimentazione programmata, Design of Experiments (Fisher 1958, Montgomery 2000, Myers & Montgomery 1995) applicata ad un simulatore è oggetto di un importante settore di ricerca, noto come Computer Experiments (Sacks et al. 1989), sviluppatosi a partire dalla fine degli anni 80. Si descrivono brevemente punti di forza e di debolezza della sperimentazione su simulatore rispetto a quella sul sistema fisico, mettendo in evidenza lo stato dell'arte della ricerca. Punti di forza. 1. Tutti gli input di un codice di calcolo sono potenziali fattori dell'esperimento; allo stesso modo tutti gli output sono potenziali risposte. La portata dello studio si dilata sostanzialmente. La generica prova sperimentale, che equivale ad una esecuzione del codice ad input opportunamente fissati, è generalmente molto meno costosa e, sovente, dura meno rispetto all'equivalente prova sul sistema fisico. In più, cambiare i livelli dei fattori ha, di norma, un costo trascurabile. Questo aspetto è già sufficientemente esplorato in letteratura dove si trovano vari contributi su piani sperimentali che meglio si adattano alla sperimentazione su codice (piani D-ottimi, reticoli, ipercubi latini) (McKay & Conover & Beckman 1979, Sacks & Schiller & Welch 1989, Allen & Bernshteyn & Kabiri-Bamoradian 2003). 2. Se le variabili che non sono controllabili nel sistema reale (variabili di disturbo) fanno parte degli input del codice è possibile includerle nello studio senza alcuna difficoltà aggiuntiva rispetto alle variabili controllabili nel sistema. Ciò fa crescere notevolmente la potenzialità della metodologia della progettazione robusta (Robust Design) (Welch et al. 1990, Myers & Khuri & Vining 1992), che mira a progettare prodotti in grado di funzionare come richiesto al variare delle condizioni di produzione e di uso. La metodologia non è stata finora sfruttata appieno a causa della difficoltà e del costo associati al controllo nella sperimentazione fisica delle variabili di disturbo. Su simulatore, invece, nasce un'ulteriore opzione. Infatti le variabili di disturbo possono essere trattate a livelli fissi (come i metodi attuali prescrivono) oppure a livelli casuali, secondo la loro distribuzione, così come sono nella realtà. La scelta dovrebbe essere mirata a realizzare un compromesso accettabile tra costo e accuratezza dei risultati. La letteratura non tratta a sufficienza (Welch et al. 1990) la naturale evoluzione della progettazione robusta verso la MIUR - BANDO 2005 -6- , Ministero dell Istruzione, dell ,Università e della Ricerca sperimentazione su simulatore. Due componenti di questa unità hanno aderito al Progetto della Comunità Europea "TITOSIM: Time TO market reduction via Statistical Information Management", 5th Programma Quadro Europeo della Ricerca, priorità "Competitive and Sustainable Development", Contratto n. G1RD-CT-2000-00323, nel quale viene trattato specificatamente il tema della progettazione robusta con esperimenti simulati. 3. Il simulatore può essere in realtà una rete di codici di calcolo che analizzano parti diverse del sistema (es. parte elettrica, elettronica, meccanica per un prodotto multitecnologico), o meccanismi fisici diversi (es. analisi strutturale, termica, fluidodinamica, acustica nella progettazione di un motore), o performance diverse (performance tecnica, economica, finanziaria, gestionale per una tecnologia di produzione). In questi casi, che rappresentano forme diverse di complessità di sistema, la sperimentazione su simulatore è, talora, l'unica forma di sperimentazione possibile (Dionoro & Pilloni & Romano, 2004). Per altro, in questo modo si propone una metodologia pratica per lo sviluppo concomitante, e quindi ottimizzato, del prodotto e dei processi relativi (Concurrent Engineering, Nahm & Ishikawa 2004). Anche in questo caso la letteratura è povera sia di studi metodologici sia di applicazioni. Punti di debolezza. 1. Come già sottolineato, se il programma di calcolo non riproduce fedelmente il comportamento del sistema reale i risultati dell'analisi dei dati della sperimentazione numerica sono inaffidabili. Nella letteratura sul Computer Experiments (Sacks et al. 1989, Santner & Williams & Notz 2003, Allen & Bernshteyn & Kabiri-Bamoradian 2003) si tende a considerare il dato numerico valido di per sé, senza necessariamente riferirlo al sistema che esso intende simulare. Tuttavia, questa scelta è riduttiva perché non sfrutta la possibilità di perfezionare il modello di simulazione attraverso sperimentazione fisica mirata da condurre in parallelo a quella numerica. Si può configurare una strategia di costruzione della conoscenza nella quale sperimentazione fisica e simulata si alternano nel tempo, con la seconda che viene usata intensamente per formulare nuove ipotesi e la prima che viene usata, in misura più contenuta, per verificare le ipotesi e allo stesso tempo guidare dinamicamente il processo di revisione del modello di simulazione. A conoscenza dell'unità di ricerca, mancano protocolli evoluti per la gestione concorrente di sperimentazione fisica e numerica. 2. I codici numerici sono di fatto deterministici; una volta fissati gli input, l'output è ripetibile. Vi è dunque difficoltà logica nell'identificare la variabilità casuale nell'esperimento tanto da far venire meno concetti quali la casualizzazione e la replicazione. Tuttavia, è possibile introdurre variabilità casuale nel codice trattando alcuni input del codice come variabili casuali (simulazione stocastica). Tali input possono essere (1) variabili di disturbo presenti nel sistema fisico (Kleijnen 1998, pp. 173-223) ovvero (2) variabili di nuisance proprie degli algoritmi numerici che non hanno alcun legame con il sistema reale (Romano & Vicario & Galetto 2000). Si pensi, per esempio, a parametri tecnici quali intervalli elementari di discretizzazione o soglie di convergenza per tecniche iterative, al variare dei quali il risultato della simulazione rimane comunque compatibile con il sistema reale. Variabili di questo tipo sono spesso presenti, specie nei simulatori per analisi ingegneristiche complesse. Un esempio su tutti sono i simulatori agli elementi finiti, largamente utilizzati per la progettazione di prodotto/processo in praticamente tutti i settori dell'ingegneria. L'introduzione di un errore casuale nella sperimentazione su codice, comunque essa sia realizzata, restituisce validità formale agli strumenti convenzionali di analisi statistica (Romano & Vicario 2001-2002) e protegge le stime dal disturbo dovuto all'incertezza nella scelta dei parametri tecnici del codice (Romano & Varetto & Vicario 2004). Testo inglese Simulation models of the product and of the related processes are being used with increasing frequency and intensity in industry along the product development phase. Not only as a support tool, but sometimes also as a strategic factor to shorten time to market, reduce costs, improve product quality. However, diffusion of simulation in engineering design has not been backed by an evenly fast diffusion of methodologies for managing simulation and increasing its effectiveness. In particular we refer to the ability of the simulation to aid the designer's creativity. The long-term perspective is to make the simulation a standard design tool for continuous product innovation. This project aims at contributing to realise this objective with reference to those statistical methods that manage the observation of a system by planned experimentation, Design of Experiments (Fisher 1958, Montgomery 2000, Myers & Montgomery 1995). Simulating the system behaviour on the computer is a new approach to knowledge building. On one hand, the system, via the simulation model, becomes much more observable because simulated observations, i.e. computer runs, are generally cheaper than physical observations. Therefore it is easier to build new knowledge on the system. On the other hand, the nature of the observations is modified, as the output of a computer run is, by rule, deterministic; this in turn affects the rationale of statistical analysis of empirical data. Moreover it is important to consider the risk of building unreliable knowledge due to the possible unfitness of the computer code to carefully reproduce the system's functioning. Although Computer Experiments is recognised as an autonomous discipline since the end of the eighties (Sacks et al. 1989), implications of such peculiar aspects on experimental design methods have not been fully investigated yet. The objective of the project is the formulation of protocols of experimentation, only numerical or integrated (numerical and physical), capable of exploiting the opportunities offered by the simulation while keeping under control the risk of unreliable results. These protocols will be applied to the design of innovative engineering prototypes. Experiments on simulation models of products and processes have been already successfully adopted by the research Unit; in some cases results have also been patented. Pros and cons of computer experiments as compared with physical experiments are now outlined in the light of current state of art. Pros 1. Every input of the computer code is a candidate experimental factor; likewise every output is a candidate response. The scope of the study is substantially extended. A generic experimental trial is a run of the code for fixed values of the inputs. It generally takes a shorter time than the equivalent physical run. Furthermore, as opposed to physical experiments, factor levels can be changed with no additional difficulty or cost. Therefore the factor space can be sampled with abundance and variety. Several experimental designs that exploit these characteristics have been proposed (D-Optimal, Space Filling, Latin Hypercubes) (McKay & Conover & Beckman 1979, Sacks & Schiller & Welch 1989, Allen & Bernshtey & Kabiri-Bamoradian 2003). 2. If variables that are not controllable in the real system belong to the set of the code inputs they are not more difficult to be studied than controllable variables. This has crucial implications on Robust Design (Welch et al. 1990, Myers & Khuri & Vining 1992), a key statistical methodology for quality improvement that aims at designing products that work as required regardless of production and use conditions. Up to now Robust Design has not deployed its full potential because of the difficulty and cost of controlling noise MIUR - BANDO 2005 -7- , Ministero dell Istruzione, dell ,Università e della Ricerca variables in a physical set-up. In a computer experiment, noise variables can be not only controlled, namely assigning to them a desired value at each code execution, but even treated as random variables, just as they are in the real system. Then the option can be taken in order to realise an acceptable compromise between accuracy and cost. The evolution of Robust design towards the use of computer experiments is not sufficiently investigated in the current literature (Welch et al. 1990). Two members of the research unit have recently participated to a European research project specifically dealing with robust design using computer experiments ("TITOSIM: Time TO market reduction via Statistical Information Management", 5th European Framework Programme, priority "Competitive and Sustainable Development". Contract n. G1RD-CT-2000-00323). 3. The system simulator may actually be a set of smaller simulators, each one addressing a number of pieces of information regarding the system. A single piece of information may refer to a physical part of the system (subsystems and components) or to a performance of the system (or a performance of a subsystem/component). Examples may be: (1) design of a car engine, where different simulation models provide the analysis of different physical engineering characteristics: stress distribution, heat propagation, fluid mechanics, acoustics; (2) assessment of a new manufacturing technology, where different software modules evaluate different performance of the technology: technical, economic, financial, organisational. These cases represent different forms of system complexity. Since subparts are linked to each other (and performance too) optimality of the design result is ensured only if experimentation is conducted on the various simulators in a coordinate way. Coordinate experimentation on such macro-systems is hardly feasible in a physical set-up; computer experiments are the only tool available in several instances. An important application of this approach is the simultaneous development of the product and the related processes, as dictated by Concurrent Engineering (Nahm & Ishikawa 2004), the modern concept of product design management. This field of Computer Experiments is also rather poorly developed. Cons 1. As it was mentioned before the computer code may not be reliable enough in reproducing the system behaviour. In the literature on Computer Experiments (Sacks et al. 1989, Santer & Williams & Notz 2003, Allen & Bernshteyn & Kabirio-Bamoradian 2003) the outcome of the simulation is considered valid in itself, without any reference to the real system it was made for. This choice is quite restrictive. In fact, it is possible to figure out a strategy of knowledge building where physical and numerical experiments are alternated, with the latter being massively used to formulate new hypotheses and the former used moderately to verify the hypotheses as well as to drive a dynamic review process of the simulation model. In our knowledge advanced protocols for concurrent management of physical and numerical experimentation have not been produced yet. 2. Computer codes are, by rule, deterministic; once the input values are given, the outcome is repeatable. Therefore there is no random error in the experiment; as a consequence concepts like randomisation, replication and blocking become meaningless and the rationale of least squares estimation is also rather questionable. However, random variation may be legitimately introduced in the code by treating some of its inputs as random variables (stochastic simulation). Such inputs may be (1) noise variables, which are active also in the real system (Kleijnen 1998, pp. 173-223), or (2) nuisance variables that pertain to the numerical algorithms involved but have no relation to the physical system (Romano & Vicario & Galetto 2000). Sometimes the selection of these variables may be arbitrary in nature, since a whole range of values provides an acceptable numerical solution. Some examples include size of discretisation intervals, convergence thresholds and initialization values in iterative algorithms. Such variables can be found easily in simulation codes of complex systems. Important examples are the Finite Element codes, routinely used for product/process design in practically every engineering sector. Introduction of noise in simulation restores the formal validity of usual statistical tools for design and analysis of experiments (Romano & Vicario 2001-2002) and also makes estimates robust with respect to uncertainty in the selection of technical parameters of the code (Romano & Varetto & Vicario 2004). 2.4.a Riferimenti bibliografici Allen, T.T.; Bernshteyn, M.A. and Kabiri-Bamoradian, K. 2003, "Constructing Meta-Models for Computer Experiments", Journal of Quality Technology, 35(3), pp. 264-274. Baldi, A. and Leban B. (2003). "An Interferometric Displacement Sensor", International Journal of Mechanics and Control, 4(1), pp. 41-46. Barbato, G.; Desogus, S.; Levi, R. and Zompì, A. 1981, "Load Cell Design Development by Numerical and Experimental Methods", Experimental Mechanics, 21(9), pp.341-348. Barbato, G.; Romano, D.; Zompì, A. and Levi, R. 1997, "Sperimentazione Numerica per la Progettazione di Elementi Dinamometrici a Colonna", Proc. of the 26th AIAS (Italian Assoc. for Stress Analysis) Conf., Catania, Italy, pp. 327-334. Brondino, G.; Franceschini, F.; Galetto, M. and Vicario, G. 2004, "Synthesis Maps for Multivariate Ordinal Variables", in Atti (edizione provvisoria) di Metodi e modelli statistici per la valutazione della Qualità e della Customer Satisfaction: aspetti oggettivi e soggettivi nell'ottimizzazione della Qualità di beni e servizi, Milano, 23 Aprile 2004, pp. 49-66. Buonadonna, P.; Dionoro, G.; Pireddu, E. and Romano, D. 2003, "A Statistical Model for Technology Assessment of Robotic Filament Winding", Proc. of the 6th AITEM (Italian Assoc. for Manufacturing Technologies) Conf., Enhancing the Science of Manufacturing, Gaeta (IT), D'Arco Ed., pp. 389-400. Dionoro, G. and Romano, D. 2001, "Potential of Computer Experiments in Product Development", Proc. of the 5th AITEM (Italian Assoc. for Manufacturing Technologies) Conf., Bari (IT), Arti Grafiche Liantonio Ed., Matera (IT), pp. 217-230. Fisher, R. A. 1958, Statistical Method for Research Workers, Oliver and Boyd, Edinburgh (UK). Franceschini, F.; Pistone, G. and Vicario, G. 2002, "Misure di desiderabilità per la progettazioene Customer Oriented", in Zanella, A. Il nuovo controllo statistico della qualità: processo produttivo, Customer Satisfaction, problemi ambientali, Cleup Ed., Padova (IT), pp. 49-69. MIUR - BANDO 2005 -8- , Ministero dell Istruzione, dell ,Università e della Ricerca 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. Li, W. and Wu, C.F.J. 1999, "An Integrated Method of Parameter Design and Tolerance Design", Quality Engineering, 11(3), pp. 417-425. Manuello Bertetto, A. and Ruggiu, M. 2002, "Low Cost Pipe-Crawling Pneumatic Robot", Journal of Robotics and Mechatronics, Vol. 14 No. 4 pp. 1-8. Manuello Bertetto, A.; Picasso, B. and Ruggiu, M. 2001, "Fish and ships: can fish inspired propulsion outperform traditional propeller based systems?", Marine Technology IV, eds. Brebbia C.A., Graczyk T., Jastrzebski T., WIT press, pp. 279-287. McKay, M.D.; Conover, W.J. Beckman, R.J. 1979, "A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code", Technometrics, 21, pp. 239-245. Montgomery, D.C. 2000, Design and Analysis of Experiments, 5th Edition, John Wiley & Sons, New York, NY. Myers, R.H. and Montgomery, D.C. 1995, Response Surface Methodology: Process and Product Optimization Using Designed Experiments, John Wiley and Sons, New York, NY. Myers, R.H.; Khuri, A.I. and Vining, G.G. 1992, "Response Surface Alternatives to the Taguchi Robust Parameter Design Approach", The American Statistician, 46(2), pp. 131-139. Nair, V.N., Ed. 1992, "Taguchi's Parameter Design: A Panel Discussion", Technometrics, 34(2), pp. 127-161. Nahm, Y.E. and Ishikawa, H 2004, "Integrated Product and Process Modeling for Collaborative Design Environment", Concurrent Engineering, 12(1), pp. 5-24. Pavlicek, P. and Soubusta, J. 2003, "Theoretical measurement uncertainty of white-light interferometry on rough surfaces", Applied Optics, 42(10), pp. 1809-1813. Robinson, T.J.; Borror, C.M. and Myers, R.H. 2004, "Robust Parameter Design: A Review", Quality and Reliability Engineering International, 20, pp. 81-101. Romano, D.; Alosi, F.; Barbato, G. and Levi, R. 1999, "Simultaneous Parameter and Tolerance Design by Sequential Numerical Experiments", Proc. of the Int. Conf. on Quality Manufacturing, Z. Katz and N. du Preez eds., Stellenbosch (SA), pp. 16-22. Romano, D. and Vicario, G. 2001-2002, "Reliable Estimation in Computer Experiments on Finite Element Codes", Quality Engineering, 14(2), pp. 195-204. Romano, D.; Varetto, M. and 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. and 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 Publishing Ltd, Bury St Edmunds and London, UK, pp 171-174. Roy, M.; Svahn, P.; Cherel, L. and Sheppard, C.J.R. 2002, "Geometric phase-shifting for low-coherence interference microscopy", Optics and Laser in Engineering, 37, pp. 631-641. Santner, T.J., Williams, B.J. and Notz, W.I. 2003, The Design and Analysis of Computer Experiments, Series: Springer Series in Statistics, XII, Sacks, J.; Schiller, S.B. and Welch, W.J. 1989, "Designs for Computer Experiments", Technometrics, 31, pp. 41-47. Sacks, J.; Welch, W.J.; Mitchell, T.J. and Wynn, H.P. 1989, "Design and Analysis of Computer Experiments", Statistical Science, 4(4), pp. 409-435. Taguchi, G. and Wu, Y. 1980, "Introduction to Off-Line Quality Control", Central Japan Quality Control Association, Nagoya; American Supplier Institute, Romulus. Vining, G.G. and Myers, R.H. 1990, "Combining Taguchi and Response Surface Philosophies: A Dual Response Approach", Journal of Quality Technology, 22, pp. 38-45. Welch, W.J.; Yu, T.K.; Kang, S.M. and Sacks, J. 1990, "Computer Experiments for Quality Control by Parameter Design", Journal of Quality Technology, 22, pp. 15-22. MIUR - BANDO 2005 -9- , Ministero dell Istruzione, dell ,Università e della Ricerca 2.5 Descrizione del programma e dei compiti dell'Unità di Ricerca Testo italiano L'unità di ricerca intende lavorare su due temi, già descritti in 2.4, inerenti il problema della costruzione di conoscenza tramite sperimentazione su simulatori: 1. Sperimentazione integrata fisico-numerica per la progettazione ingegneristica 2. Progettazione robusta di prodotto Nello schema generale del progetto i temi si riferiscono alle fasi 3 e 4. Per entrambi i temi la ricerca sarà mirata allo sviluppo di strumenti metodologici da applicare e validare su casi di studio reali. I casi di studio riguardano lo sviluppo di prototipi innovativi di dispositivi ingegneristici complessi, alcuni dei quali già in corso di sviluppo. Nel seguito, per i due temi, si riportano i dettagli sui contributi metodologici e sui casi di studio. 1. Sperimentazione integrata fisico-numerica per la progettazione ingegneristica 1.1 Contributo metodologico Lo studio mira a formalizzare protocolli di sperimentazione sequenziale, nei quali sperimentazione sul simulatore e sperimentazione sul sistema reale vengono alternate secondo un procedimento iterativo fino al raggiungimento di un risultato di progettazione ritenuto tecnicamente soddisfacente. Nell'evoluzione dello studio è centrale la stima di una distanza stocastica tra sistema osservato su simulatore e sistema osservato fisicamente. I criteri di guida per la sperimentazione sequenziale sono, nel caso specifico, di varia natura e dovranno interagire. Si possono così classificare. Criteri informativi, cioè basati sulla massimizzazione dell'informazione. Ai criteri classici di ottimalità (D-optimality, G-optimality, V-optimality) basati sulla scelta a-priori del modello statistico della risposta, si aggiungono criteri di ottimalità rispetto all'informazione sulla distanza stocastica tra sistema reale e simulatore via via stimata. Criteri di performance tecnica, cioè basati sulla ottimalità del risultato della progettazione ingegneristica. Criteri di economia, cioè basati sulla minimizzazione di una funzione di costo. E' necessario, infatti, tener conto della differenza del costo delle prove su simulatore rispetto a quello delle prove fisiche. Ciò rende rilevante il problema dell'allocazione ottima delle risorse sui due tipi di sperimentazione. E' evidente che non è solo importante caratterizzare la distanza stocastica tra sistema reale e simulatore, ma anche tentare di ridurla. A questo scopo è possibile utilizzare la conoscenza di tale distanza. Infatti, dalla sua valutazione da parte dell'ingegnere possono derivare modifiche da apportare al modello di simulazione, in modo da renderlo via via più rispondente al sistema fisico che esso intende simulare. Si tratta, in sostanza, di un meccanismo di reverse engineering che agisce dal sistema fisico verso il modello di simulazione. Questo intreccio di conoscenza ingegneristica e statistica rende lo studio, non solo interessante, ma praticamente inedito. Esiste un pacchetto software commerciale denominato STORM (STochastic Optimisation and Robustness Management), che cerca di riunire la simulazione e la sperimentazione in un'unica disciplina battezzata dagli autori con il nome di computestional mechanics. STORM ha avuto successo nei settori auto e aerospaziale ed è venduto in America, Giappone ed Europa. Esso, tuttavia, non fa uso della sperimentazione programmata ma si basa esclusivamente su tecniche di simulazione Monte Carlo. I metodi che si intende sviluppare in questa ricerca lo superano sostanzialmente. 1.2 Casi di studio (1) Progettazione di robot pneumatici rampicanti su pali (2) Progettazione di una pinna pneumatica per propulsione in acqua (3) Progettazione di ago semovente per rilascio di medicinale in situ Si tratta di applicazioni (Manuello-Bertetto & Ruggiu 2002, Manuello-Bertetto & Picasso & Ruggiu 2001) nel settore più innovativo della robotica, cioè quello dedicato allo sviluppo di dispositivi semoventi in grado di operare in ambienti difficili da raggiungere od ostili con conseguente abbattimento del rischio per l'uomo. I dispositivi devono essere dotati di particolare destrezza e manovrabilità per poter reagire ai cambiamenti dell'ambiente circostante. Di conseguenza la progettazione risulta particolarmente complessa. Bisogna infatti ricorrere a materiali, meccanismi fisici, sistemi di attuazione e di controllo non convenzionali. Il robot rampicante è in grado di raggiungere sommità di strutture verticali (pali, alberi, funi di ponti) portando con sé apparecchiature fare diagnosi ed eventualmente operare sulle strutture stesse. Il dispositivo fa uso, per la presa sul palo, di un meccanismo passivo di impuntamento di particolari anelli di afferraggio. In tal modo si evita l'uso di una attuazione dedicata per l'afferraggio rendendo il robot più semplice e leggero, ma si mettono in gioco numerosi fattori che regolano il meccanismo complesso con cui gli anelli e il palo si scambiano le mutue forze. L'obiettivo della progettazione è rendere il robot capace di sia di salire che di scendere massimizzando la rapidità e la uniformità del moto. Nel secondo caso di studio si intende progettare una pinna acquatica per il trasporto di apparecchiature tecniche che devono operare in ambiente sottomarino. La pinna imita struttura e dinamica della pinna di un tonno e dovrebbe consentire una propulsione decisamente più efficace rispetto a quella tradizionale ad elica. I fattori che regolano le prestazioni della pinna sono numerosi: geometria e cedevolezza della pinna, frequenza e ampiezza del pinneggiamento, e altri ancora. Il terzo dispositivo appartiene al settore della micro-robotica per applicazioni chirurugiche. E' un settore altamente innovativo nel quale i maggiori paesi industriali oggi convogliano massicci investimenti in ricerca, sia pubblici che privati. Il caso di studio riguarda la progettazione robusta di un microago in grado di rilasciare medicinale in organi e tessuti interni del paziente, a scopo diagnostico o terapeutico. Oltre al vantaggio del trattamento in situ, che è più efficace ed evita effetti collaterali indesiderati su organi e tessuti sani, vi è quello della limitata invasività. Grazie al diametro microscopico dell'ago l'intervento è indolore e può essere effettuato senza anestesia, anche locale. Ciò praticamente elimina il trauma del paziente e la necessità della sua riabilitazione e riduce sostanzialmente i costi del trattamento. Date le dimensioni, la struttura dell'ago è soggetta a fenomeni di buckling durante la penetrazione. Ciò rende necessario progettare un sistema di micro-attuazione sfruttando meccanismi innovativi (vibrazioni ad alta frequenza dell'ago, avanzamento a vite della testa, rottura localizzata del tessuto tramite energia ultrasonica). Un tale dispositivo è totalmente inedito e lo studio verrà condotto in collaborazione con un ospedale locale e con esperti del settore della robotica (Prof. A. Manuello e Ing. M. Ruggiu dell'Università di Cagliari). MIUR - BANDO 2005 - 10 - , Ministero dell Istruzione, dell ,Università e della Ricerca Per tutti i dispositivi descritti saranno sviluppati sia il prototipo fisico che modelli di simulazione basati sulla meccanica computazionale. Nei primi due casi lo studio è già stato avviato. 2. Progettazione robusta di prodotto 2.1 Contributo metodologico L'obiettivo è di formalizzare protocolli sperimentali adatti ad essere applicati su simulatore, per risolvere in maniera simultanea, quindi ottimale, i problemi di parameter design e di tolerance design (Li & Wu 1999, Romano et al. 1999, Romano & Varetto & Vicario 2004). Stante la difficoltà e il costo di controllare (assegnando valori desiderati) i fattori di rumore in un esperimento fisico, la metodologia classica prevede di attribuire a questi pochi livelli fissi. Ora, la possibilità di sperimentare su simulatore aumenta le possibili modalità di osservazione delle variabili di rumore. Infatti, il minor costo delle prove su simulatore rende possibile, in linea di principio, trattare i fattori di rumore nell'esperimento così come essi sono nel sistema, cioè casuali secondo la loro distribuzione. Questo consente di definire procedure di analisi flessibili, che generalizzano quelle classiche del crossed-array (Taguchi & Wu 1980) e del combined array (Vining & Myers 1990). Questo tema è oggetto di studio comune con l'Unità di Ricerca 2 (Bologna). Un'altra proposta di modifica della metodologia esistente riguarda il trattamento della variabilità dei fattori di rumore interno. Questa variabilità è di fatto controllabile dal progettista il quale può generalmente assegnare il valore delle tolleranze sui componenti. Naturalmente, tolleranze più strette corrisponderanno a processi di produzione più precisi e più costosi. Si propone, pertanto, di introdurre nell'esperimento, come fattori di controllo aggiuntivi, le variabilità dei fattori di rumore interno. Questi cambiamenti hanno alcuni vantaggi contemporanei. (a) Maggiore accuratezza dell'analisi, e quindi, del risultato della progettazione. Non vi è bisogno di utilizzare modelli di risposta particolarmente semplici per poter esplicitare la dipendenza della varianza della risposta dalla varianza dei fattori di rumore interni tramite il calcolo analitico della varianza applicato al modello stimato della risposta. (b) Maggiore rispondenza del metodo al problema reale. Talvolta il valor medio del fattore di rumore interno non è soggetto a progettazione, nel senso che il suo valore non è modificabile dal progettista. E' molto più naturale, in questi casi, introdurre come fattore sperimentale la deviazione standard del fattore di rumore interno, piuttosto che il fattore di rumore stesso. Questa prassi, infatti, traeva origine dalla necessità, dettata dal fatto di sperimentare sul sistema fisico, di ridurre il numero di livelli dei fattori di rumore. (c) Lasciando agire i fattori di rumore in modo casuale, così come accade nel sistema reale, viene introdotto nella sperimentazione su simulatore un errore casuale, così come avviene nell'esperimento fisico. Questo rende applicabili i metodi statistici classici di analisi anche alla sperimentazione su simulatore. (d) Avendo a disposizione delle ripetizioni per ogni stato di prova è possibile stimare il modello del valor medio della risposta dei valori medi campionari negli stati di prova. Questo garantisce ragionevolmente l'assunzione di normalità della risposta. 2.2 Casi di studio (1) Progettazione di misuratori di profili di superfici. Sono dispositivi sulla frontiera tecnologica, perché misurano senza toccare la superficie, sfruttando meccanismi di interferometria ottica, e hanno precisione molto elevata (incertezza dell'ordine di una decina di nanometri) (Pavlicek & Soubusta 2003). La ricerca è svolta in collaborazione con l'Unità di Ricerca 2 (Bologna) e si avvale della collaborazione esterna dell'Ing. A. Baldi dell'Università di Cagliari, esperto di progettazione di strumenti di misura ottici (Baldi & Leban 2003). (2) Progettazione di sistemi per il rilievo e l'identificazione di guasti in processi industriali. Si tratta di sistemi di supervisione di macchine ed impianti industriali che, basandosi sui dati del monitoraggio continuo del processo, sono in grado di segnalare tempestivamente la presenza di lenti degradi di performance, malfunzionamenti e guasti gravi. Questi ultimi possono avere, per operazioni industriali a rischio, conseguenze anche catastrofiche sull'uomo e sull'ambiente. Il requisito della robustezza del supervisore, rispetto alle numerose sorgenti di variabilità nel processo, è particolarmente critico e deve realizzare un trade-off delicato tra probabilità di mancato rilievo del guasto e probabilità di falso allarme. Lo studio si inserisce in una consolidata collaborazione di ricerca con il prof. M. Kinnaert della Università Libre de Bruxelles, esperto di sistemi di controllo. Si tratta di due prodotti complessi. In entrambi, infatti, è presente sia una parte hardware, di trattamento analogico del segnale, che una parte software, di elaborazione numerica del segnale analogico digitalizzato. La presenza di un intenso processamento numerico dell'informazione è tipica dell'evoluzione odierna dei sistemi di misura e di diagnosi. E' interessante notare che se, da una parte, essi diventano più complessi, dall'altra, aumenta la loro progettabilità (l'elaborazione numerica aumenta notevolmente il numero di parametri di progetto) e simulabilità (l'elaborazione numerica è, essa stessa, un codice di calcolo). La progettazione di sistemi di misura è, per sua natura, un problema di progettazione robusta. Infatti, le due prestazioni fondamentali della misura, assenza di errore sistematico e la ripetibilità, sono legate rispettivamente a valor medio e varianza del risultato della misura. Per tutto quanto detto si può ipotizzare che la progettazione di sistemi di misura diventerà un campo di applicazione primario della progettazione robusta. Nel primo caso di studio sono disponibili un prototipo fisico e modelli di simulazione. Nel secondo solo modelli di simulazione. I risultati della ricerca dovranno essere misurati, con riferimento ai metodi proposti, secondo i seguenti criteri: a. novità b. valore scientifico c. applicabilità (versatilità, facilità d'uso) d. utilità nel contesto delle applicazioni Indicatori utilizzabili per la verificare i risultati, già nell'arco temporale del progetto, sono: 1. numero e livello delle pubblicazioni inerenti i risultati della ricerca ( criteri a. e b.); 2. quota di casi di studio portati a termine con successo ( criterio c.); 3. software messo a punto per implementare i metodi ( criterio c.); 4. quota delle soluzioni progettuali determinate nei casi di studio che risultano migliori rispetto a quelle ottenibili per altre vie già esistenti ( criterio d.); 5. progetti paralleli scaturiti dai risultati di questa ricerca (per tutti i criteri); 6. eventuali brevetti derivati dalla ricerca ( criteri a. e d.). MIUR - BANDO 2005 - 11 - , Ministero dell Istruzione, dell ,Università e della Ricerca Testo inglese The research Unit will focus on two subjects concerning the problem of building knowledge via computer experiments: 1. Integration of physical and numerical experimentation in engineering design 2. Robust product design For each subject the research aims at building methodological tools and developing relevant engineering applications where the tools are to be validated. Engineering applications concern innovative prototypes of complex devices and systems, some of which are already being developed. In the following the two subjects are detailed in terms of both methodological contributions and engineering applications to be developed. 1. Integration of physical and numerical experimentation in engineering design 1.1 Methodological contribution The objective of the study is to deliver protocols for sequential experimentation, where computer experiments and physical experiments are alternated according to an iterative process until a satisfactory design solution is obtained. The novel concept is the estimation of a stochastic distance between the system as observed on the simulation model and the system as observed in a physical set-up. In the case at hand, criteria for driving sequential experiments are of different nature and can interact. A rough classification is given. Informative criteria, based on the maximisation of information. Classical criteria based on the a-priori selection of the statistical response model (D-optimality, G-optimality, V-optimality) are complemented by criteria that maximise information on the stochastic distance, between the system and its simulator, being iteratively estimated. Technical performance criteria, based on optimisation of the result of the engineering design. Economic criteria, based on the minimisation of a cost function. They stem from the need to take into account the difference in cost between computer and physical trials. In fact, the problem of optimally allocating resources on the two kinds of experimentation is relevant. Estimation of the stochastic distance is not only informative per se but it can be also used to suggest to the engineer modification to the simulation model in order to reduce the distance, thus making the model more and more able to reproduce the behaviour of the real system. We could define it a reverse engineering process from the real system to the simulation. This mix of engineering and statistical information makes the study not only interesting but also new. There is a commercial software package called STORM (STochastic Optimisation and Robustness Management), which attempts to pool simulation and lab practice into a unique discipline that the authors name computestional mechanics. STORM is sold today in America, Japan and Europe and has experienced a good success in the automotive and aerospace sectors. However, it relies solely on Monte Carlo simulation techniques and does not consider planned experimentation. The tools that this project should deliver substantially outperform STORM. 1.2 Engineering applications (1) Design of pneumatic robots climbing on vertical structures (2) Design of a pneumatic flipper for underwater propulsion (3) Design of a active micro-needle for in situ drug delivery These are applications (Manuello-Bertetto & Ruggiu 2002, Manuello-Bertetto & Picasso & Ruggiu 2001) in one of the most innovative field of robotics, the one dedicated to the development of self-propelling devices capable of operating in almost inaccessible or hostile environments. Such devices must be endowed with dexterity and ability to manoeuvre in order to react to changes in the environment. Designing these robots is an extremely challenging activity for engineers. They have to resort to non-conventional materials, physic mechanisms, actuation and control systems. The climbing robot is capable of reaching the top of vertical structures (posts, trees, bridge cables) carrying equipment to make diagnosis and possibly operate on the structures. In order to cling onto the post, the robot exploits a stop dead mechanism of ad-hoc grasping rings. This eliminates the need of a dedicated actuator for clinging making the robot lighter. On the other hand an entangled interplay of several factors rules the clinging mechanism. The design objective is to allow the robot to climb and go down with a fast and stable motion regardless of the condition of the post surface. The second case study is the design of a flipper used to transport technical equipment for underwater operations. The flipper mimics the structure and the dynamics of the tail of a tuna fish. It should provide propulsion substantially more effective than conventional propellers do. Factors affecting robot performance are manifold: shape and deformability of the flipper, flipping frequency, sweeping angle and others. The third device belongs to the new and fast growing sector of robotics for micro-surgery applications. Minimally invasive surgery and visually assisted micro-robotics aim, through miniaturized devices, to treat, without major injury, almost every organ and tissue in the human body. Microsurgery procedures offer the possibility for the physician to perform diagnosis and treatment even without a local anaesthetic. Therefore, patient trauma and rehabilitation are drastically minimized, and healthcare costs are significantly reduced. This case study will consider the robust design of a micro-robotic needle able to accurately deliver a drug to inner organs and tissues without producing trauma because of its dimension. The needle structure may be subject to local and global buckling phenomena throughout its penetration. In order to overcome this a micro-actuation device is to be designed by exploiting one or more of these mechanisms: high frequency motions of the needle structure, screw movements of the needle head, ultrasonic energy to break the tissues and thus make penetration easier. Furthermore, particular care will be dedicated to the fluid-dynamics of drug delivery through the micro-needle and into the tissue. This study will be performed in collaboration with a local hospital and experts in robotics (Prof. A. Manuello and Dr. M. Ruggiu at the University of Cagliari). For the three devices both the prototype and the simulation model, based on computational mechanics, will be developed. For the first two robots the study has already started. 2. Robust design of product/process 2.1 Methodological contribution The objective is to formalise experimental protocols for integrated parameter and tolerance design (Li & Wu 1999, Romano et al. 1999, Romano & Varetto & Vicario 2004)[13,27,29] suitable for computer experiments. In classical robust design noise factors are controlled in the experiment and very few levels are assigned to them. This is a consequence of the fact that controlling noise factors in a physical set-up is difficult and costly. On a computer code a noise variable can be observed as easily as any other variable, as MIUR - BANDO 2005 - 12 - , Ministero dell Istruzione, dell ,Università e della Ricerca far as it one of the code's inputs. In principle one can treat noise factors in simulation as they are in the real system, namely random variables. This allows to define flexible procedures that generalise the classical crossed-array (Taguchi & Wu 1980) and combined array (Vining & Myers 1990). This subject will be conjointly developed with the Research Unit 2 (Bologna). Another modification of existing practice in robust design concerns the treatment of the variance of internal noise factors. Designers have control on this variance by assigning tolerance specifications. Of course tighter tolerances are realised by using more precise and costly manufacturing processes. We propose to introduce variances of internal noise factors as additional control factors in the experiment. These changes have a number of advantages. (a) Statistical analysis is more accurate, and so the design outcome will be. There is no need to adopt parsimonious model for the response in order to calculate analytically the link between variance of internal factors and response variance. (b) The method is closer to the real problem. Sometimes the mean of an internal noise factor is not subject to design, but the variance is. Then it is more natural that the latter be considered as a factor instead of the internal noise. (c) If noise factors are randomly selected in the simulation runs a random error is created in computer experiments likewise in the physical ones. (d) Since repetitions are available at each experimental point it is possible to estimate a model for the response mean. This provides a reasonable assurance of the normality of the response. 2.2 Engineering applications (1) Design of optical profilometers. They are high-tech devices detecting the micro-geometry of surfaces. Basing on optical interferometry they provide a non-contact measurement with very high accuracy (up to some nanometers) (Pavlicek & Soubusta 2003). The research is carried out with the Research Unit 2 (Bologna) and in collaboration with Dr. A. Baldi at the University of Cagliari, expert in design of optical measurement instruments (Baldi & Leban 2003). (2) Design of fault detection and isolation systems in industrial processes. These are supervision systems that, basing on data from continuous process monitoring, are able to signal promptly the presence of malfunctions or serious failures. The latter may also have very harmful consequences on the people and the environment. The requirement of robustness of the supervisor, as affected by several noise sources, is critical, as it must realise an optimal trade-off between missed detection and false alarm. This research comes from a collaboration with prof. M. Kinnaert of Université Libre de Bruxelles, expert in the field of fault diagnosis. The two case studies concern complex systems. Both have a hardware part, where analog signals are processed, and a software part, where the digitised analog signals are numerically manipulated. Intensive digital processing of information is typical of current trend of systems for measurement and diagnosis. They becomes more complex, but also more prone to be designed (numerical processing involves a huge amount of design parameters) and to be simulated on the computer (numerical processing itself is a computer code). Interestingly, the design of such system is naturally a robust design problem. In fact, the two main quality characteristics of a measurement, lack of bias and repeatability, are closely related to the mean and variance of the measurement result respectively. From the above it is easy to forecast that measurement and diagnosis systems will become a major application field for robust design. In the first case-study both the physical prototypes and the simulation models are available. Only simulation models are available in the second case-study. Research results shall be measured according the following criteria, as applied to the proposed methods: a. novelty b. scientific value c. applicability (versatility, ease of use) d. usefulness in the context of applications Consistent indicators for assessing the results, even within the duration of the project, are: 1. Number and ranking of scientific publications disseminating the research results (criteria a. and b.) 2. Quota of case-studies successfully completed (criterion c.) 3. Size of the software developed to implement the methods (criterion c.) 4. Quota of design solutions of the case-studies that improve those obtained by the existing methods (criterion d.) 5. Number and size of parallel projects derived from the research (all criteria) 6. Patents derived from the research (criterion a. and d.). 2.6 Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta con valore patrimoniale superiore a 25.000 Euro Testo italiano Nessuna Testo inglese Nessuna MIUR - BANDO 2005 - 13 - , Ministero dell Istruzione, dell ,Università e della Ricerca 2.7 Descrizione delle Grandi attrezzature da acquisire (GA) Testo italiano Nessuna Testo inglese Nessuna 2.8 Mesi uomo complessivi dedicati al programma Testo italiano Numero Mesi uomo Mesi uomo Totale mesi 1° anno 2° anno uomo 3 13 12 25 3 14 14 28 1 4 4 8 0 0 0 0 1 6 6 12 0 0 0 8 37 36 73 Numero Mesi uomo Mesi uomo Totale mesi 1° anno 2° anno uomo 3 13 12 25 3 14 14 28 1 4 4 8 0 0 0 0 Personale universitario dell'Università sede dell'Unità di Ricerca Personale universitario di altre Università Titolari di assegni di ricerca Titolari di borse Dottorato Post-dottorato Scuola di Specializzazione Personale a contratto Assegnisti Borsisti Dottorandi Altre tipologie Personale extrauniversitario TOTALE Testo inglese University Personnel Other University Personnel Work contract (research grants, free lance contracts) PHD Fellows & PHD Students PHD Students Post-Doctoral Fellows Specialization School Personnel to be hired Work contract (research grants, free lance contracts) PHD Fellows & PHD Students PHD Students Other tipologies No cost Non University Personnel TOTALE MIUR - BANDO 2005 1 0 0 0 8 6 6 12 37 36 73 - 14 - , Ministero dell Istruzione, dell ,Università e della Ricerca PARTE III 3.1 Costo complessivo del Programma dell'Unità di Ricerca Testo italiano Voce di spesa Materiale inventariabile Grandi Attrezzature Materiale di consumo e funzionamento Spese per calcolo ed elaborazione dati Personale a contratto Servizi esterni Missioni Spesa in Euro 6.200 Libri e Personal Computer Descrizione 4.200 Cancelleria e materiale consumo Computer; oneri per la gestione amministrativa del fondo 500 Canone sistema di calcolo dell'Ateneo 15.000 12 mesi per una borsa da destinarsi ad un laureato presso l'Unità di ricerca 0 Nessuno 12.000 Spese per la partecipazione a convegni nazionali ed internazionali, parteciapzioane a scuole di specializzazione, incontri di lavoro tra i componenti della stessa unità di ricerca e delle altre unità 400 Pubblicazioni degli atti dei convegni ed estratti 4.000 Spese di iscrizione per partecipazione; spese organizzative per convegni di ricerca 5.000 Spese generali del Dipartimento di Matematica relative alla gestione della ricerca 47.300 Pubblicazioni Partecipazione / Organizzazione convegni Altro TOTALE Testo inglese Voce di spesa Materiale inventariabile Grandi Attrezzature Materiale di consumo e funzionamento Spese per calcolo ed elaborazione dati Personale a contratto Servizi esterni Missioni Spesa in Euro Descrizione 6.200 Books and Personal Computers Pubblicazioni Partecipazione / Organizzazione convegni Altro TOTALE 4.200 Stationery and consumables; expenses for administration 500 Fixed contribution to campus computing services 15.000 12 men months for technical collaboration at the Research Unit 0 None 12.000 Partecipation to national and international research conferences, workshop and working parties with the other partners both of the same research unit and the other ones 400 Publication expenses 4.000 Partecipation to and organization of conferences and research meetings 5.000 general expenses and overheads for DIMAT at politecnico di Torino 47.300 3.2 Costo complessivo del Programma di Ricerca Descrizione Costo complessivo del Programma dell'Unità di Ricerca Fondi disponibili (RD + RA) comprensivi dell'8% max per spese di gestione 47.300 14.200 Fondi di ricerca del Dipartimento e Cofinanziamento erogato dall'Ateneo Cofinanziamento di altre amministrazioni MIUR - BANDO 2005 - 15 - , Ministero dell Istruzione, dell ,Università e della Ricerca Cofinanziamento richiesto al MIUR 33.100 3.3.1 Certifico la dichiarata disponibilità e l'utilizzabilità dei fondi di Ateneo (RD e RA) SI (per la copia da depositare presso l'Ateneo e per l'assenso alla diffusione via Internet delle informazioni riguardanti i programmi finanziati e la loro elaborazione necessaria alle valutazioni; D. Lgs, 196 del 30.6.2003 sulla "Tutela dei dati personali") Firma _____________________________________ MIUR - BANDO 2005 Data 14/04/2005 ore 16:05 - 16 -