DoE – Design of Experiments Training / Kurse / Vorstellung

Die Informationen auf der Seite helfen Ihnen die Methode kennen zu lernen sowie sich eine persönliche Bild der Hebelwirkung für Ihre Aufgaben abzuleiten.

Anwendungsbereiche der Versuchsplanung

Machbarkeit

 

 Am Anfang von Optimierung- und Analysevorhaben gilt es zügig zu klären welcher Weg in einer Vielzahl von Möglichkeiten zielführend ist. Hierbei unterstütz DoE durch effiziente Versuchspläne die grundlegenden Mechanismen und Grenzen von Verfahren und Prozessen einzuschätzen.

Vertrautmachen

Stark reduzierte Versuchsplanungen fokussieren zu Anfangs der Planung darauf, aus vielen Einflussfaktoren die Wesentlichen zu bestimmen. Bedeutend ist ebenfalls ob diese Faktoren den geschätzten Einfluss aufweisen. Die ist ein wesentlicher Punkt zur Absicherung damit im Folgeschritten die entscheidenden Faktoren im richtigen Bereich weiter betrachtet werden.

Widersprüche

Oftmals glaubt man, man ist nur wenige Versuche von dem Ziel entfernt. Nicht selten werden jeweils die meisten Zielkriterien erreicht, während andere knapp verfehlt werden. Die Versuchsplanung hilft diese Widersprüche aufzudecken und visuell aufzubereiten. In Präsentationen können Sie diese Darstellungen als Grundlage zur Konsensfindung nutzen.

Optimierung

Gerade für komplexe Untersuchungen gilt es die die Erfüllung aller Ziele mit zugehöriger Zuverlässigkeit abzubilden. Haben Faktoren zudem Effekte höherer Ordnung und Wechselwirkungen untereinander, so ist die Interpretation von Prozesslandkarten mit Angeben zur Zuverlässigkeit essentiell.

Absicherung

Ist ein sicheres Prozessfenster gefunden gilt zu klären wie weit die einzelnen Faktoren im och variiert werden dürfen unter garantierter Einhaltung der Spezifikation. „Da mache Faktoren leichter als andere zu kontrollieren sind, gilt meist nicht allgemein Toleranzen so breit wie nötig und so eng wie nötig“. Die Versuchsplanung unterstützt eine ganzheitliche und dennoch individuelle Toleranzauslegung.


Robustheit

In vielen Prozessen schreiben jedoch die Behörden oder Regelwerke vor, den sicheren „Robust-Set-Point“ auszuweisen und das zugehörige Toleranzfenster „PAR, Design-Space“ zu definieren. Mittels fortschrittlicher Algorithmen wie „Monte Carlo Analyse“ oder „Manhattan Distance“ können diese Angaben berechnet und visualisiert werden.

 


Die Folgende Doe Roadmap, dient zur Orientierung um Möglichkeiten des Einstiegs in Ihre Problematik zu besprechen.

Noch nicht überzeugt? 

Eventuell hilft die folgende Zusamenstellung der Vorteile weiter.

Effizienz

Sind die Einflussgrößen, erst mal definiert und priorisiert, so können mehrstufige Versuchspläne helfen, mit möglichst wenig Aufwand die entscheidenden Erkenntnisse für weitere zielgerichtete Untersuchungen zu erarbeiten.

Umgekehrt kann es auch unter anderen Rahmenbedingungen erforderlich sein innerhalb eines begrenzten Zeitfenster einmalig möglichst viel Erkenntnisse zu ermittelten.

Struktur

Die Versuchsplanung erfordert ein systematisches Vorgehen in Ihrem Ablauf. Angefangen von Aktivitäten zur Problemformulierung über Abarbeitung von Versuchen und Auswertung können so als Projekte oder Aufgaben geplant abgearbeitet dokumentiert werden. Dies unterstützten den Wissensaufbau, die Archivierung und Weiterentwicklung.

Zeitersparnis

Menschen können sehr komplizierte Sachverhalte erfassen und studieren. Jedoch, in schwieriges komplexes und mehrdimensionales Umfeld sind mathematische Konzepte und Algorithmen deutlich besser geeignet, um Licht in die Sachverhalte zu bringen. 500+ Versuchsplanungen haben mir bewiesen, dass die Versuchsplanung sehr viel schneller Erfolge beschert als intuitive Ansätze.

Bessere Analysen

Es werden viele nützliche Informationen systematisch erarbeitet, die über die Modellierung aller Faktoreneffekte zusammen darstellt werden können, einschließlich der Analyse von Interaktion und nichtlinearem Verhalten und sofern dokumentiert sogar der Ternd-Einfluss von Störgrößen.

Visualisierung

Die Versuchsplanung, bietet eine Vielzahl von Visualisierungen und Diagramen, die eine Ableitung von Entscheidungen oder Konsensfindung deutlich erleichtern. Werden anstelle von Zahlen, Prozess-Landkarten präsentiert, die die Ergebnisse zu Erreichbarkeit oder Widersprüchlichkeit darstellen, fallen Diskussionen hierzu professioneller, kürzer und zielgerichteter aus.

Evidenz

Wenn also basierend auf Ihren Modellen valide Aussagen getroffen werden sollen ist es von großer Bedeutung die Qualität Ihres Models und der damit verbundenen Aussagekraft zu kennen und dazustellen. Die Versuchsplanung liefert Ihnen die nötigen Kennzahlen, um Ihre Aussagen zu untermauern. Zudem bewahrt Sie validierter Software davor nach jeder Optimierungsschleife die Datenintegrität Ihrer Software bestimmen zu müssen.  

Ressourcen

Natürlich, kann und wird der DoE Ansatz häufig dafür genutzt Geld einzusparen. Jedoch sind die Perspektiven hier sehr vielschichtig. Es gilt zu hinterfragen womit den die Ressourcen verschwendet werden wie z.B.: Rohstoffe, Ausschuss, Nacharbeit, Diskussionen, Endlosmeetings, Versuchen, Verschlimmbesserungen, Wertvolle Arbeitszeit … Vieles kann auf Prozesse zurückgeführt werden dies es gilt zu verbessern. DoE ist ein möglicher Weg! 

Geld / Budget

Mit jeder Prozessanalyse lernt Ihr Unternehmen dazu. Wissen wird dokumentiert und weitergegeben. Zudem werden Ansätze wir die kontinuierliche Verbesserung bewusst gelebt. Dinge werden ausprobiert und hinterfragt und möglicherweise hilft Ihnen auch die eingeschlagenen Wege, im entscheidenden Moment, Ihre Ziele schneller zu erreichen. Wissen bedeutet nicht nur Vorsprung und Macht, es hilft auch alle Ressourcen zielgerichtet einzusetzen.

Design of Experiments (DoE, Statistische Versuchsplanung) ist eine effiziente Methode, um aus einer Vielzahl von Parametern die relevanten Einflussfaktoren für einen Prozess oder ein Produkt zu ermitteln. Mit Hilfe eines Versuchsplans werden diese Faktoren weitgehend unabhängig voneinander variiert, um deren Effekte auf die Zielgrößen und damit ein Ursache-Wirkungs-Modell abzuleiten. Bei der Auswertung wird abgeschätzt, ob sich alle angestrebten Ziele erreichen lassen oder ob z.B. bestimmte Zielvorgaben widersprüchlich sind. Die zielgerichtete visuelle Aufbereitung der Daten dient als Grundlage für weitere Entscheidungen.

Einsatzmöglichkeiten

 

  • Entwicklung von Produkten und Prozessen
  • Optimierung von Zielgrößen im Hinblick auf Ausbeute und Performance
  • Identifizierung der optimalen Produktions-Einstellung, um Ausschuss zu reduzieren, Prozesse und Produkte sicherer zu machen, Kosten zu senken und die Qualität zu steigern
  • Untersuchung und ggf. Behebung von Fehlern, deren Ursache nicht eindeutig bekannt ist („Trouble Shooting“)
  • Analyse der Robustheit eines Systems gegen äußere Störgrößen
  • Validierung von Prozessen durch ihre methodische Untersuchung

DoE ist eine fachlich sehr anspruchsvolle Methode, da die implementierte Statistik hinter den Berechnungen verstanden werden sollte. Ziel einer DoE-Investigation ist es, mit geringstem Aufwand ein Maximum an Information über die untersuchten Faktoren und deren Variation zu erhalten. Oftmals sind es jedoch nicht die Berechnungen und die Analyse, sondern die Definition der Faktoren, die Planung und Durchführung von Versuchen sowie deren Bewertung, die viel Zeit in Anspruch nehmen. Auch wird häufig unterschätzt, dass die Versuche unter realen Bedingungen durchgeführt werden müssen und somit oftmals die Produktion steht, soweit keine Testanlagen vorhanden sind.

Der Aufwand hängt von der Komplexität des zu analysierenden Systems ab. DoE zielt zwar darauf ab, die Analyse und Modellierung eines Systems so einfach wie möglich zu halten, kann aber dennoch einen erheblichen Aufwand an Zeit und Ressourcen erfordern und den Charakter eines kleinen Projekts annehmen. Deshalb ist die Erstellung eines Business Cases für die Durchführung von DoE empfehlenswert (siehe Abschnitt „Benötigte Informationen“).

 

Weiter zur Schritt für Schritt Anleitung 

Erfahrungen & Bewertungen zu Stefan Moser Process Optimization