A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Kísérlettervezés 2
Design of Experiments 2
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVEKFM209 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 3 | ||||||||||||
| Subject coordinator |
Lakné Dr. Komka Kinga
position: adjunktus
contact:
komka.kinga@vbk.bme.hu
|
||||||||||||
| Responsible department |
Kémiai és Környezeti Folyamatmérnöki Tanszék
|
||||||||||||
| Faculty | Vegyészmérnöki és Biomérnöki Kar | ||||||||||||
| Subject website | http://moodle.ch.bme.hu/ | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
Topics:
Analysis of variance: One-way classification, multiple comparisons, checking application conditions, Cross-classification, Box-Cox transformation; Complex cases: random factors, nested design, mixed model, random block design, latin square deign
Design of factorial experiments: Two-level full and fractional factorial designs; Quadratic designs: 3k, Box-Behnken- and central composite designs; Experimental optimization using gradient and simplex methods; Designs for mixtures; Critical mix; Case of multiple dependent variables
To learn one of the most important and widely used statistical method, the analysis of variance.
To deepen the knowledge attained in the introductory (BSc) course about factorial designs.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
Ismeri a több csoport összehasonlítására szolgáló statisztikai módszer, a varianciaanalízis (ANOVA) alapelvét és főbb típusait, valamint tisztában van a módszer alkalmazhatósági feltételeivel is. Felismeri a varianciaanalízissel megoldható kémiai és vegyipari problémáknál a figyelembeveendő faktorokat, meg tudja állapítani a típusaikat (rögzített, véletlen) és meg tudja különböztetni az egyes tervtípusokat (kereszt-, hierarchikus vagy vegyes osztályozás). Ismeri az ipari kísérlettervezés haladó eszközeit: a részfaktorterveket, a másodfokú terveket (3p típusú és kompozíciós terveket) és az elegy-terveket. Tisztában van a kísérleti tervek optimumkeresési módszereivel (Box-Wilson és szimplex), és tudja, hogy melyik módszert milyen probléma megoldása során érdemes alkalmazni.
Skills
Képes a bonyolultabb ipari problémák felderítésére szolgáló kísérleti tervek megalkotására és kiértékelésére. Képes egy vegyipari vagy kémiai technológiai probléma megoldására alkalmas egy- vagy többfaktoros varianciaanalízis modell felismerésére, felépítésére és kiértékelésére, valamint az eredmények alapján a gyakorlatra vonatkozó következtetések levonására. Képes a p-érték és szignifikanciaszint ismeretében döntést hozni a statisztikai próba szignifikanciájáról és ennek megfelelően a szakmai következtetés levonására.
Attitudes
A kémiai vagy vegyipari problémák statisztikai szemléletű megoldása (is) során együttműködésre törekszik más szakterület kutatóival, mérnökeivel és ipari szakembereivel. Figyelmet fordít arra, hogy (statisztikai) számításait más szakember számára is átláthatóan és követhetően dokumentálja.
Autonomy and responsibility
A csoportos projektfeladatok és a kísérletek megtervezése során nyitott más szakterüketek képviselőinek véleményére, ugyanakkor döntéseit képes érvekkel alátámasztva érvényre juttatni.
Oktatási módszertan
lectures with calculation examples and case studies
Tanulástámogató anyagok
Online források
Lorenzen, T. J., Anderson, V. L.: Design of Experiment. A No-name Approach. Marcel Dekker. 1993; Box, G.E.P.; Hunter, W.G.; Hunter, J.S.: Statistics for Experimenters., J. Wiley and Sons, 1978.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Fundamentals of statistics: continuous distributions, hypothesis testing (one and two sample t-test, F-test) and design and analysis of full factorial designs
As the MSc level training (tuition) is of advanced level, it assumes a solid basis of previous statistical studies. Therefore the applicants will be split based on assessment of the BSc core subject. Those who do not have the required knowledge to be gained from the BSc subject will participate in the BSc course (BMEVEVMA606), while those proved to be on the advanced level will participate in the MSc course.
General rules
Requirements:
In the semester:
- 2 midterm tests, each min. 40% achievement
- 8 short online (Moodle) tests, all tests are mandatory completed, min. 20% achievement on each test
Re-takes:
According to the Code of Studies.
Consultations:
as required
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Sándor Dr. Kemény Department of Chemical and Environmental Process Engineering
Recommended courses
contact hours
28
study before tests
62
preparing homeworks
0
study of additional printouts
0
study for exam
0
sum
90
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
| Faculty | Program | Curriculum | Curriculum type | Primary |
|---|---|---|---|---|
| Default Faculty | vegyészmérnöki | Vegyészmérnöki mesterképzési szak tanterve | kötelező | nem |
| Default Faculty | műanyag- és száltechnológiai mérnöki | Műanyag- és száltechnológiai mérnöki mesterképzési szak tanterve | kötelező | nem |
| Default Faculty | Default Program | Default Curriculum | — | nem |