TABTRAINER® FACHWISSEN · STATISTISCHE VERSUCHSPLANUNG
Die statistische Versuchsplanung – häufig als Design of Experiments
oder kurz DOE bezeichnet – untersucht mehrere Einflussgrößen
systematisch und gleichzeitig. Dadurch lassen sich Haupteffekte,
Wechselwirkungen und geeignete Parametereinstellungen mit deutlich
weniger Aufwand erkennen als durch ungeplantes Ausprobieren.
Bei einer statistischen Versuchsplanung werden Einflussgrößen gezielt
innerhalb festgelegter Faktorstufen verändert. Anschließend wird
untersucht, wie sich diese Veränderungen auf eine oder mehrere
Antwortvariablen auswirken. Anders als bei der Veränderung jeweils nur
eines einzelnen Faktors können dabei auch Wechselwirkungen zwischen
mehreren Faktoren erkannt werden.
Ein DOE ist deshalb besonders geeignet, wenn komplexe Prozesse
verstanden, optimiert oder robust eingestellt werden sollen. Eine
sorgfältige Planung ist jedoch entscheidend: Versuchsraum,
Faktorstufen, Anzahl der Wiederholungen, Randomisierung und mögliche
Störgrößen müssen bereits vor der experimentellen Durchführung
festgelegt werden.
GRUNDLAGEN
Eine belastbare statistische Versuchsplanung verbindet fachliches
Prozesswissen mit einem strukturierten Versuchsplan und einer
nachvollziehbaren statistischen Auswertung.
Einflussfaktoren sind veränderbare Prozess- oder Produktparameter,
deren Wirkung auf das Ergebnis untersucht werden soll. Beispiele
sind Temperatur, Druck, Materialdicke oder Bearbeitungszeit.
Potenzielle Ursachen
Faktorstufen beschreiben die konkreten Einstellungen eines Faktors.
In einem zweistufigen Versuchsplan werden beispielsweise eine
niedrige und eine hohe Einstellung untersucht.
Definierte Einstellungen
Die Antwortvariable ist das messbare Versuchsergebnis. Je nach
Aufgabenstellung soll sie minimiert, maximiert oder auf einen
vorgegebenen Zielwert eingestellt werden.
Messbares Ergebnis
Ein Haupteffekt beschreibt, wie stark sich die Antwortvariable
verändert, wenn die Einstellung eines einzelnen Faktors innerhalb
des untersuchten Bereichs verändert wird.
Einzelwirkung beurteilen
Eine Wechselwirkung liegt vor, wenn die Wirkung eines Faktors davon
abhängt, auf welcher Stufe sich ein anderer Faktor befindet.
Einzelbetrachtungen können solche Zusammenhänge übersehen.
Gemeinsame Wirkung erkennen
Der Versuchsraum umfasst alle untersuchten Kombinationen der
Faktorstufen. Aussagen des späteren Modells gelten grundsätzlich
für diesen experimentell untersuchten Bereich.
Gültigkeitsbereich festlegen
SYSTEMATISCHES VORGEHEN
Werden Faktoren nacheinander und unabhängig voneinander verändert,
bleiben Wechselwirkungen häufig unentdeckt. Die statistische
Versuchsplanung verändert mehrere Faktoren nach einem mathematisch
strukturierten Plan. Dadurch können Ursache-Wirkungs-Zusammenhänge
effizienter untersucht und geeignete Parametereinstellungen gezielter
bestimmt werden.
VERSUCHSPLANTYPEN
Die Auswahl richtet sich unter anderem nach der Anzahl der Faktoren,
dem verfügbaren Versuchsaufwand, den erwarteten Wechselwirkungen
und der Frage, ob lineare oder gekrümmte Zusammenhänge untersucht
werden sollen.
Ein vollfaktorieller Versuchsplan enthält alle möglichen
Kombinationen der festgelegten Faktorstufen. Dadurch können die
vorgesehenen Haupt- und Wechselwirkungseffekte getrennt untersucht
werden.
Vollständige Kombinationen
Bei einem teilfaktoriellen Versuchsplan wird nur ein ausgewählter
Teil aller möglichen Kombinationen durchgeführt. Der Aufwand sinkt,
dafür können bestimmte Effekte miteinander vermengt sein.
Versuchsaufwand reduzieren
Zentralpunkte liegen zwischen den niedrigen und hohen Faktorstufen.
Sie unterstützen die Beurteilung, ob innerhalb des Versuchsraums
eine relevante Krümmung vorliegt.
Krümmung untersuchen
Blöcke werden eingesetzt, wenn nicht alle Versuche unter identischen
Rahmenbedingungen durchgeführt werden können. Typische
Blockvariablen sind unterschiedliche Anlagen, Tage oder Personen.
Störgrößen berücksichtigen
Wirkungsflächenversuchspläne erweitern das Modell um quadratische
Terme. Sie eignen sich zur Beschreibung gekrümmter Zusammenhänge
und zur genaueren Optimierung von Prozessparametern.
Quadratische Modelle
Screening-Versuchspläne werden eingesetzt, wenn zunächst aus einer
größeren Anzahl möglicher Einflussgrößen die wichtigsten Faktoren
identifiziert werden sollen.
Wichtige Faktoren finden
Haupteffekte allein reichen für eine sichere Prozessbeurteilung häufig
nicht aus. Ein Faktor kann bei einer niedrigen Einstellung eines zweiten
Faktors eine völlig andere Wirkung besitzen als bei dessen hoher
Einstellung. Werden nur einzelne Faktoren nacheinander verändert,
können solche Wechselwirkungen verborgen bleiben.
Wechselwirkungsdiagramme unterstützen die Interpretation. Parallel
verlaufende Wirkungslinien sprechen gegen eine ausgeprägte
Wechselwirkung. Deutlich unterschiedliche Steigungen oder sich
kreuzende Linien weisen dagegen darauf hin, dass die Faktoren gemeinsam
beurteilt werden müssen.
VERSUCHSQUALITÄT
Nicht allein der ausgewählte Versuchsplantyp entscheidet über die
Aussagekraft. Auch Durchführung, Modellbildung und abschließende
Validierung müssen systematisch erfolgen.
Eine zufällige Durchlaufreihenfolge verringert das Risiko, dass
zeitliche Veränderungen oder schleichende Prozesseffekte mit den
untersuchten Faktoren verwechselt werden.
Reihenfolge zufällig festlegen
Wiederholte Versuchskombinationen ermöglichen eine bessere
Schätzung der experimentellen Streuung und können die Trennschärfe
erhöhen. Aliasstrukturen werden dadurch jedoch nicht aufgehoben.
Präzision verbessern
Die Trennschärfe beschreibt die Wahrscheinlichkeit, einen tatsächlich
vorhandenen Effekt bestimmter Größe statistisch zu erkennen. Sie
hängt unter anderem von Streuung und Versuchsumfang ab.
Effekte zuverlässig erkennen
Enthält ein Modell einen Wechselwirkungsterm, sollten die zugehörigen
Haupteffekte grundsätzlich ebenfalls berücksichtigt werden. Dadurch
bleibt das Modell fachlich und mathematisch nachvollziehbar.
Hierarchie erhalten
Residuendiagramme zeigen, ob ungewöhnliche Muster,
Streuungsänderungen oder zeitliche Abhängigkeiten vorliegen. Solche
Auffälligkeiten können auf ein ungeeignetes Modell hinweisen.
Modellannahmen prüfen
Optimale Einstellungen sollten vor ihrer endgültigen Einführung
experimentell bestätigt werden. Erst danach können belastbare
Prozessstandards oder Arbeitsanweisungen festgelegt werden.
Ergebnis praktisch verifizieren
MODELLGRENZEN
Ein statistisches Modell beschreibt die untersuchten Zusammenhänge
innerhalb der gewählten Faktorbereiche. Prognosen außerhalb dieses
Versuchsraums sind Extrapolationen und können deutlich unsicherer sein.
Faktorstufen sollten deshalb technisch realistisch gewählt und nicht
nachträglich ohne weitere Versuche überschritten werden.
PRAXISBEISPIELE
DOE lässt sich in sehr unterschiedlichen Entwicklungs- und
Optimierungsaufgaben einsetzen. Entscheidend ist eine klar definierte
Antwortvariable und ein technisch sinnvoll abgegrenzter Versuchsraum.
Oberflächenrauigkeit, Nahtbreite und Materialdicke eines Rennanzugs
werden gleichzeitig variiert, um den Luftwiderstand systematisch zu
untersuchen und zu minimieren.
Vollfaktorielles DOE
Mehrere Material- und Prüfparameter werden mit einem
teilfaktoriellen Versuchsplan untersucht, um den experimentellen
Aufwand zu reduzieren und wichtige Effekte zu identifizieren.
Teilfaktorielles DOE
Grundierungsdicke, Düsenabstand und Trocknungstemperatur werden mit
einem Wirkungsflächenversuchsplan optimiert, nachdem relevante
Krümmungen festgestellt wurden.
Wirkungsflächen-DOE
VORGEHENSWEISE
Zunächst wird eindeutig definiert, welches messbare Ergebnis
verbessert, minimiert, maximiert oder auf einen Zielwert eingestellt
werden soll.
Optimierungsziel definieren
Potenzielle Einflussgrößen werden mithilfe von Prozesswissen und
Voranalysen ausgewählt. Für jeden Faktor werden technisch
realisierbare Stufen festgelegt.
Versuchsraum aufspannen
Abhängig von Zielsetzung und Ressourcen wird ein vollfaktorieller,
teilfaktorieller, geblockter oder auf Wirkungsflächen ausgerichteter
Versuchsplan gewählt.
Struktur festlegen
Die Versuchskombinationen werden in der vorgegebenen zufälligen
Reihenfolge umgesetzt. Messwerte und besondere Randbedingungen
werden vollständig dokumentiert.
Daten kontrolliert erzeugen
Haupteffekte, Wechselwirkungen, Modellgüte und Residuen werden
gemeinsam beurteilt. Nicht signifikante Terme werden nur unter
Beachtung der Modellhierarchie entfernt.
Modell belastbar entwickeln
Das geprüfte Modell liefert geeignete Parametereinstellungen.
Abschließende Bestätigungsversuche zeigen, ob die prognostizierte
Verbesserung unter Praxisbedingungen erreicht wird.
Ergebnis verifizieren
Häufig werden zu viele Faktoren ohne ausreichendes Prozesswissen
aufgenommen, unrealistische Faktorstufen gewählt oder
Wechselwirkungen bei der Interpretation übergangen. Auch eine nicht
randomisierte Durchlaufreihenfolge kann dazu führen, dass zeitliche
Einflüsse fälschlich einem untersuchten Faktor zugeschrieben werden.
Ein weiterer Fehler besteht darin, allein auf einzelne p-Werte oder einen
hohen R-Quadrat-Wert zu vertrauen. Ein technisch sinnvolles Modell muss
zusätzlich durch Residuenanalyse, Modellhierarchie, Prognosegüte und
abschließende Bestätigungsversuche abgesichert werden.
Im TABTRAINER®-Training werden vollfaktorielle, teilfaktorielle und
Wirkungsflächenversuchspläne anhand durchgängiger technischer
Praxisbeispiele erstellt, analysiert und optimiert. Behandelt werden
unter anderem Trennschärfe, Replikationen, Zentralpunkte,
Blockvariablen, Aliasstrukturen, Haupteffekte, Wechselwirkungen,
Residuenanalyse und Zielgrößenoptimierung.
Qualitätsregelkarten: Prozessstabilität richtig beurteilen
Cp und Cpk: Prozessfähigkeit richtig interpretieren