Minitab Design of Experiments (DoE)

Planung als Basis des Erfolges mit "Design of Experiments"

In einer guten Planung steckt der Erfolg neuer Verfahren und Produkte. Minitab enthält ein spezielles Modul für die Planung neuer Prozesse - das "Design of Experiments" (DoE) Modul. Die Designfunktionen ermöglichen die Definition aller Prozessparameter und darauf aufbauend die Simulation der Versuchspläne. Minitabs eigene Kontrollparameter geben dabei Auskunft über die Güte des Versuchsplans, so daß die Versuchspläne interaktiv bis zum Optimum geführt werden können.

Lassen Sie sich von Minitab unter die Arme greifen. Stellen Sie Prozess- oder Produktvariablen, die den größten Einfluß auf die Qualität Ihres Produktes haben fest. Führen Sie Ihre Versuchspläne mit einem Minimum an Versuchen durch und sparen Sie wertvolle Ressourcen, indem Sie mit Minitabs DOE die effizientesten Verbesserungsmethoden ermitteln und Ihre Operationen optimieren.

Minitabs Werkzeuge für DOE

  • Faktorielle Versuchspläne
  • Screening-Versuchspläne
  • Wirkungsflächen-Versuchspläne
  • D-Optimale und distanzabhängige Versuchspläne
  • Mischungsversuchspläne
  • Taguchi-Versuchspläne
  • Response Optimizers
  • Analyze Variability

Einfache Bedienung durch die intuitive Benutzerführung

Minitabs innovatives DOE-Interface führt durch alle Schritte der statistischen Versuchsplanung. Es bietet schnelle und einfache Erstellung von Entwürfen, sowie verschiedene Möglichkeiten der Prozesscharakterisierung, -optimierung und -überwachung. Die interaktiven Dialogboxen zeigen beim Entwurf nur die möglichen Optionen, so dass die Wahl ungültiger Parameter von Beginn an ausgeschlossen ist.

Erweiterte Darstellungseigenschaften

Die Darstellungsfunktionen zeigen die Variablen mit Einfluss auf Produkt- oder Prozessqualitäten. Der Anwender kann die Faktoren identifizieren, die in der Produktion optimalen Gewinn ermöglichen.

Erweiterte Optimierungsfunktionen

Diese Funktionen ermitteln die besten Kennzahlen für den Herstellungsprozess oder das Produkt. Prozesserträge können maximiert, Produktvariablitäten minimiert werden. Minitab bietet dabei ein breites Spektrum an Optimierungsfunktionen:

  • Allgemeine vollfaktorielle Versuchspläne erleichtern das Verständnis der Wechselwirkung zwischen Variablen und Produktqualität.
  • Analyze Variability - eine neues Werkzeug für faktorielle Versuchspläne zur Minimierung der Streuung der Antwortvariablen.
  • Finden der optimalen Belegung der Variablen durch Wirkungsflächen-Versuchspläne und Konturplots.
  • Ermittlung der besten Einstellungen zum simultanen Optimieren mehrerer Antwortvariablen mit Hilfe des Response Optimizers, anhand numerischer Funktionen, interaktiver Graphen oder eines projizierten Konturplots.
  • Nicht-orthogonale Block-Versuchspläne mit verschiedener Faktorstufenzahl ermitteln das beste Verhältnis von Produktvariablen.
  • Prozessentwürfe unter Einsatz von inneren und äußeren Strukturentwürfen erzeugen konsistentere Ergebnisse oder Produkte mit einheitlicher Performance, unabhängig von Umwelteinflüssen während der Produktion oder des Gebrauchs.

Versuchsplan-Design mit größter Flexibilität

Anpassung und Korrektur von Entwürfen sowie Hinzufügen von Faktoren zu schon vorhandenen Versuchsplänen mit der benutzer-definierten Entwurfsfunktion. Automatisches Anpassen der Analyse beim Hinzufügen oder Löschen von Versuchsdurchläufen. Analyse fehlgeschlagener Versuchsdurchläufe durch Veränderung der Faktorstufen mit Minitabs Funktion zur Entwurfsanpassung.

Versuchsplanarten

In Minitab integriert sind Methoden zur Planung von "Mixture Designs", die hauptsächlich in der chemischen und pharmazeutischen Industrie sowie der Nahrungsmittelindustrie eingesetzt werden. Speziell für die Automobilzulieferindustrie wurden die Methoden zu "Optimal Designs" und "Taguchi-Designs" (auch orthogonaler Versuchsplan genannt) integriert.

Mischungsversuchspläne (Mixture Designs)

Minitab enthält leistungsfähige Verfahren zur Erstellung von Versuchsplänen für Mischungsprozesse und zu deren Analyse. Die Methoden ermöglichen die Definition von Nebenbedingungen und Prozessvariablen sowie von Grafiken zur Visualisierung der Versuchspläne. Die Modelle lassen sich rekursiv an die Daten anpassen, damit das optimale Mischungsverhältnis möglichst effizient gefunden wird.

  • Vier Methoden:
    Gemischte Regression
    schrittweise Regression
    Vorwärts-Auswahl und Rückwärts-Elimination.
  • Sechs Modelltypen:
    Linear, quadratisch, speziell quadratisch, voll quadratisch, speziell kubisch, voll kubisch
    Die Modellberechnung läßt sich schrittweise rückwärts rechnen, wobei einzelne Parameter verstellt werden können, um dann sofort eine neue Berechnung erfolgen zu lassen.

Wo werden Mischungsversuchspläne eingesetzt ?

  • Reine Mischungsversuchspläne
    Wenn das Ergebnis nur von dem Verhältnis der Komponenten abhängig ist. Z.B. welche Kombination von Orangensirup, Zucker und Wasser ergibt die am besten schmeckende Limonade.
  • Mischungs-Mengen Versuchspläne
    Wenn das Ergebnis abhängig ist von dem Verhältnis der Komponenten und der absoluten Menge der eingesetzten Mischung. Z.B. welcher Anteil an insektizid wirkenden Substanzen und welche Menge an Insektizid je Hektar muß eingesetzt werden, um die beste Ernte zu erzielen.
  • Mischungs-Prozessvariablen Versuchspläne
    Wenn das Ergebnis abhängig ist von dem Verhältnis der Komponenten und von Prozessvariablen wie Temperatur und Druck. Z.B. welcher Anteil von Substanzen, in Abhängigkeit von Kochzeit und Ofentemperatur ergibt den besten Kuchen.
  • Effektivitätstest verschiedener Gemische
    Test über die Effektivität der Mischung in Bezug auf die einzelnen Komponenten. Es wird die Frage geklärt, wie sich die Komponenten zueinander verhalten:
    • additiv
    • komplementär
    • antagonistisch

Optimal Designs

Wenn es nicht möglich ist alle geforderten Eckpunkte von Wirkungsflächen oder Mischungsversuchplänen durchzutesten, hilft das Verfahren "Optimal Designs", relevante Untergruppen mit Eckpunkten zu bestimmen. "Optimal Designs" werden eingesetzt wenn:

  • es notwendig ist, Untergruppen mit kritischen Prozesspunkten zu bilden.
  • zusätzliche Prozesspunkte eingebaut werden müssen.
  • ein existierender Versuchsplan verbessert werden muß in Bezug auf ein Optimierungskriterium.
  • Versuchpläne analysiert und verglichen werden.

Zwei unterschiedliche Optimierungskriterien werden angeboten.

  • D-Optimum
    Dieses Verfahren minimiert die Varianz im Regressionskoeffizienten des Modells.
  • Distanzabhängiges Optimum
    Dieses Verfahren verteilt die Prozesspunkte gleichförmig über die Wirkungsfläche.

Taguchi Designs

Taguchi Designs werden eingesetzt, wenn umgebungsbedingte Faktoren den Prozess beeinflussen und versucht werden soll, den Prozess unempfindlich für diese Faktoren zu machen. Minitab erlaubt es, Versuchspläne der Kategorien L4 bis L54 zu erstellen, das Signal-Rauschverhältnis zu berechnen und sowohl statische als auch dynamische Analysen durchzuführen.

Tutorials zu Design of Experiments
ID=3007