Design of experiment in production process innovation

In his famous book Design and Analysis of Experiments, Montgomery describes Design of Experiment (DOE) as a broad approach to an experiment, starting from the recognition of and statement of the problem, going through the experimental design and to the possible solution, ending to conclusion and recommendations. Specifically, DOE is known to be a powerful instrument based on statistics to design and analyze experiments. Potentiality of DOE is well known and appreciated among scholars. In some fields its potentiality is recognized and appreciated also by practitioners. That’s why there is an extensive use of Design of Experiment in improvement of industrial process quality. According to the definition given by Bisgaard, innovation is the complete process of development and eventual commercialization of new products and services, new methods of production or provision, new methods of transportation or service delivery, new business models, new markets, or new forms of organization. While the use of DOE is well spread in industrial experimentation to improve quality and robustness of processes, the advantage of using DOE for innovation is debated among scholars and among practitioners. The idea of investigating the use of DOE for production process innovation arose from this debate. Different perspectives have been investigated. The effectiveness of DOE to support and enhance the innovation of a production process is highlighted by means of a case study in which a strategy to innovate a thermoforming process for the production of a functional packaging has been developed. DOE enhanced innovation capability allowing reduction of systematic errors and distortions, full exploration of factorial space, and reduction of number of tests. DOE allowed to identify and overcome the mismatch between control factors in laboratory and in production line. Another perspective was the management of the innovation process. The positive impact on innovation process management of adoption of DOE is shown by means of a case study. DOE proved to be helpful providing proper instruments, and impacting on five dimensions typical of managerial field. Namely: decision making, integration, communication, time and cost, and knowledge management. Concerning the data analysis, some nonparametric methods of analysis have been investigated. A simulation study was used to compare some advanced univariate nonparamentric tests in a crossed factorial design. The study revealed that certain methods of analysis perform better than others depending on the data set and on the objective of the analysis. As a consequence, there does not emerge a unique approach in the design phase of the experiment, but various aspects have to be taken into account simultaneously. A thoughtful choice of the most suitable test enhances the positive impact that DOE has on the innovation of a production process. Furthermore, a novel multivariate nonparametric approach based on NonParametric Combination (NPC) applied to Synchronized Permutation (SP) tests for two-way crossed factorial design was developed. It revealed to be a good instrument for inferential statistics when assumptions of MANOVA are violated. A great advantage given by the adoption of these tests is that they well perform with small sample size. This reflects the frequent needs of practitioners in the industrial environment where there are constraints or limited resources for the experimental design. Furthermore, there is an important property of NPC of SP tests that can be exploited to increase their power: the finite sample consistency. Indeed, an increase in rejection rate can be observed under alternative hypothesis when the number of response variables increases with fixed number of observed units. Properties of this multivariate test make of it a useful instrument when using DOE to innovate a production process and some specific conditions are verified.

Nel suo famoso libro Progettazione ed Analisi degli Esperimenti, Montgomery descrive il Design of Experiment (DOE) come un esteso approccio ad un esperimento che parte dall’enunciato del problema, attraversa la progettazione della fase sperimentale e lo studio delle possibili soluzioni, per chiudersi con le conclusioni e le raccomandazioni. In particolare, il DOE è riconosciuto essere un potente strumento che si basa sulla statistica per progettare ed analizzare gli esperimenti. Le potenzialità del DOE sono ben conosciute ed apprezzate tra gli studiosi. In alcuni campi le sue potenzialità sono riconosciute ed apprezzate anche dai professionisti. Per questo motivo c’è un uso esteso del Design of Experiment nel miglioramento della qualità dei processi industriali. Secondo la definizione fornita da Bisgaard, l’innovazione è l’intero processo di sviluppo ed alla fine commercializzazione di nuovi prodotti e servizi, di nuovi metodi di produzione o approvvigionamento, di nuovi metodi di trasporto o servizi di consegna, di nuovi modelli di business, nuovi mercati, o nuove forme di organizzazione. Mentre l’uso del DOE è ben diffuso nella sperimentazione industriale per il miglioramento della qualità, il vantaggio dell’uso del DOE per l’innovazione è fonte di dibattito tra gli studiosi e tra i professionisti. L’idea di studiare l’uso del DOE per l’innovazione dei processi di produzione ha origine da questo dibattito. La ricerca è stata condotta secondo diverse prospettive. La prima prospettiva riguarda l’efficacia del DOE nel supportare e potenziare la fase di innovazione di un processo produttivo. Essa è evidenziata grazie ad un caso studio nel quale è stata sviluppata una strategia per innovare il processo di termoformatura per la produzione di un packaging funzionale. Il DOE ha favorito la capacità di innovazione permettendo una riduzione degli errori sistematici e delle distorsioni, una completa esplorazione dello spazio fattoriale, ed una riduzione del numero dei test. Il DOE ha permesso di identificare e superare la discrepanza tra i fattori di controllo in laboratorio e quelli nella linea di produzione. Una seconda prospettiva è di taglio manageriale ed è stata quella della gestione del processo di innovazione. L’impatto positivo che l’adozione del DOE ha avuto sulla gestione del processo di innovazione viene qui mostrato per mezzo di un caso studio. Il DOE ha dato prova di essere utile fornendo appropriati strumenti ed impattando su cinque dimensioni tipiche dell’ambito manageriale: capacità decisionali, integrazione, comunicazione, tempi e costi, e gestione della conoscenza. Sono stati poi studiati alcuni metodi non parametrici. Attraverso uno studio di simulazione sono stati confrontati alcuni test univariati in un piano fattoriale a due vie. Lo studio ha mostrato come l'efficacia dei metodi di analisi vari a seconda del data set da analizzare. Di conseguenza non è emerso un unico approccio da utilizzare nella fase di progettazione dell’esperimento, ma bensì vari aspetti devono essere tenuti in considerazione simultaneamente. Una accurata scelta del test favorisce l’impatto positivo che il DOE ha sull’innovazione dei processi di produzione. Inoltre, è stato sviluppato un nuovo approccio multivariato non parametrico basato sulla NonParametric Combination applicata ai test Synchronized Permutation. Questo approccio si è rivelato essere un buono strumento quando sono violate le assunzioni della MANOVA. Un grosso vantaggio di questo tipo di test sono le ottime performances nel caso di campioni non numerosi che riflette le necessità dei professionisti in ambito industriale dove ci sono limitazioni o risorse scarse per la sperimentazione. Inoltre può essere osservato un aumento della potenza sotto ipotesi alternativa quando il numero delle variabili risposta aumenta ed il numero dei campioni rimane costante. Le proprietà di questo test multivariato lo rendono un utile strumento per l’innovazione dei processi produttivi.