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 -