Minitab® Tutorial - TABTRAINER® STATISTISCHE VERSUCHSPLANUNG MIT MINITAB® €129,99

In dieser vierteiligen 31. Minitab Schulung befinden wir uns in der Abteilung für Materialentwicklung der Smartboard AG. Wir werden das Entwicklungsteam dabei begleiten, wie es mithilfe der sogenannten statistischen Versuchsplanung die Sprödigkeit in den Skateboardachsen auf ein Minimum reduziert. Hierbei gilt für die Belastbarkeit der Skateboardachsen grundsätzlich, dass je höher die Sprödigkeit der Skateboardachsen, umso größer die Gefahr, dass es schon bei geringsten stoßartigen Belastungen zum Achsenbruch kommen kann. Die möglichen Einflussfaktoren, die einen potentiellen Einfluss auf die Sprödigkeit der Achsen haben können, wurden vom Entwicklungsteam im Rahmen einer Ishikawa- Analyse ermittelt. Hierbei haben sich die Parameter Chromgehalt in den Achsen, Glühtemperatur während der Wärmebehandlung und der Typ des Wärmebehandlungsofens als potentielle Einflussfaktoren herauskristallisiert. Vor dem Hintergrund, dass das Entwicklungsteam unter Zeitdruck steht und auch den Umfang experimenteller Testversuche an der Produktionslinie minimal halten muss, soll die sogenannte statistische Versuchsplanung eingesetzt werden, um mit wenig experimentellem Aufwand die optimalen Einstellungen für die genannten drei Einflussgrößen zu ermitteln, mit dem Ziel, die Achsenversprödung auf ein Minimum  zu reduzieren. Diese statistische Versuchsplanung, häufig auch nur mit dem englischen Akronym DOE für Design of Experiments abgekürzt, ist hierbei ein sehr wichtiges und nützliches Werkzeug in der Six Sigma Methodik, das sich mit der statistischen Planung, Durchführung, Analyse und Interpretation von Ursachen- Wirkungs- Zusammenhängen beschäftigt. Um dieses komplexe Themengebiet in der nötigen Tiefgründigkeit bearbeiten zu können, ist diese Trainingseinheit in vier Teile segmentiert. Im ersten Teil dieser Trainingseinheit werden zunächst einmal die Grundlagen und Grundgedanken der statistischen Versuchsplanung erläutert, um über diesen Weg auch ein gutes Verständnis über die gängigsten Versuchsplantypen zu vermitteln. Wir werden hierbei insbesondere die wichtigen Begrifflichkeiten wie Zentralpunkte, Replikationen und Blockvariablen kennenlernen und nachvollziehen, warum für die Bestimmung der Anzahl der erforderlichen experimentellen Replikationen immer eine Trennschärfeanalyse zu empfehlen ist. Gut gerüstet mit diesem Grundlagenwissen werden wir dann in den zweiten Teil unserer Trainingseinheit einsteigen und den für uns passenden Versuchsplan, in unserem Fall den sogenannten faktoriellen Versuchsplan, kennenlernen, aufstellen und analysieren. Wir werden hierbei sehen, dass es sehr wichtig ist, auch den Test auf Normalverteilung nach Anderson Darling durchzuführen, und werden auch nachvollziehen können, warum die sogenannte Tabelle der Kodierten Koeffizienten im Rahmen der DOE eine sehr nützliche Rolle spielt. Ein weiteres zentrales Thema in diesem Teil werden die sogenannten Haupteffekt- und Wechselwirkungseffekt- Diagramme sein, die wir aus didaktischen Gründen manuell Schritt für Schritt konstruieren werden, um die im Ausgabefenster dargestellten Faktordiagramme ausführlich interpretieren zu können, und bei der Gelegenheit auch die nützliche Funktion Layout Tool, kennenlernen. Mit dem erlernten Wissen aus dem ersten und zweiten Teil unserer Trainingseinheit werden wir dann gut gerüstet im dritten Teil auf die Qualität unseres DOE Modells fokussieren, um zum Beispiel anhand der entsprechenden Bestimmtheitsmaße wie R- Quadrat, R- Quadrat korrigiert und R- Quadrat prognostiziert die Güte unseres Varianzmodell bewerten zu können. In diesem Zusammenhang werden wir auch die zugehörige Regressionsgleichung in nicht kodierten Einheiten anschauen, die im Rahmen der Varianzanalyse für unser DOE Modell erzeugt wurde, und im Grunde das Fundament für die noch anstehende Zielgrößenoptimierung darstellt. In diesem Kontext wird die sogenannte Aliasstruktur eine wichtige Rolle spielen, die wir genau untersuchen und interpretieren werden. Auch das nützliche sogenannte Pareto- Diagramm der standardisierten Effekte werden wir kennenlernen und ausführlich diskutieren, um effizient grafisch signifikante Terme von nicht signifikanten Termen unterscheiden zu können. Wir werden lernen, dass die mit unserem DOE Modell nicht beschreibbare Reststreuung, auch Residuenstreuung genannt, den Gesetzen der Normalverteilung folgen sollte. Hierzu werden wir mit dem Wahrscheinlichkeitsnetz der Normalverteilung arbeiten und im Rahmen der Residuenanalyse alle wichtigen Darstellungen mit den Bezeichnungen wie zum Beispiel Residuen versus Anpassungen, Histogramm der Residuen und Residuen versus Reihenfolge verwenden. So dass wir mit diesen Informationen bezüglich der Güte unseres DOE Modells in den vierten und letzten Teil unsere Trainingseinheit einsteigen können, um mit dem finalen DOE Modell die Zielgrößenoptimierung zu starten. Hierfür werden wir das sehr hilfreiche interaktive Zielgrößen-Optimierungsfensters nutzen, um die drei Parameter so einzustellen, dass die unerwünschten Versprödungsanteile in den Skateboardachsen auf ein Minimum reduziert werden. Im Rahmen dieser Zielgrößenoptimierung werden wir auch zum Beispiel den Unterschied zwischen der sogenannten individuellen und zusammengesetzten Erwünschtheit verstehen. Und insbesondere auch verstehen, wie die entsprechenden Konfidenz- respektive Prognoseintervalle im Rahmen unserer Zielgrößenoptimierung zu interpretieren sind. So dass wir am Ende unserer mehrteiligen Trainingseinheit der Geschäftsführung der Smartboard AG eine 95 % sichere Handlungsempfehlung abgeben können, wie die drei Einflussgrößen Chromgehalt, Temperatur und Ofentyp im Konkreten eingestellt werden sollten, damit die Materialsprödigkeit in den Skateboardachsen nach der Wärmebehandlung so gering wie möglich ist.

Themenschwerpunkte 31, Teil 1:

• Übersicht der gängigsten Versuchsplantypen
• Vollfaktorielle, Teilfaktorielle und Wirkungsflächen- Versuchspläne
• Screening-, Mischungs-, und Taguchi- Versuchspläne
• Zweistufig faktorieller Versuchsplan mit Standardgeneratoren
• Auflösungsstufen verfügbarer faktorieller Versuchspläne
• Zentralpunkte und Replikationen
• Trennschärfeanalyse zur Ermittlung der Replikationsanzahl
• Standardreihenfolge vs. Durchlaufreihenfolge
• Setzen von Blockvariablen

Themenschwerpunkte 31, Teil 2:

• Analyse faktorieller Versuchspläne
• Test auf Normalverteilung der DOE Antwortvariable
• Analyse der nichtbeschreibbaren Reststreuung mithilfe des 4 in1- Residuendiagramms
• Auswertung der Tabelle „Kodierte Koeffizienten“
• Faktordiagramme und Würfeldiagramme
• Zweifach Wechselwirkungsdiagramme
• Konstruktion von dreifach Wechselwirkungsdiagrammen
• Antwortvariablen nach Faktorstufen entstapeln
• Arbeiten mit dem Layouttool

Themenschwerpunkte 31, Teil 3:

• DOE Modell- Bestimmtheitsmaße R- Qd, R- Qd(kor) und R- Qd (prog)
• Varianzanalyse im Rahmen der DOE
• Kodierte Koeffizienten
• Regressionsgleichung in nicht kodierten Einheiten
• Aliasstrukturen
• Pareto- Diagramm der standardisierten Effekte
• Wahrscheinlichkeitsnetz der Normalverteilung
• Residuen versus Anpassungen
• Histogramm der Residuen
• Residuen versus Reihenfolge

Themenschwerpunkte 31, Teil 4:

• Zielgrößenoptimierung
• Analyse der Antwortprognosen
• Zielgrößenoption: Antwortvariablen minimieren
• Zielgrößenoption: Zielwert/ Sollwert erreichen
• Arbeiten mit interaktiven Faktordiagrammen
• Individuelle Erwünschtheit
• Zusammengesetzte Erwünschtheit
• Konfidenzintervall im Rahmen der Zielgrößenoptimierung
• Prognoseintervall im Rahmen der Zielgrößenoptimierung

Themenschwerpunkte Minitab Schulung 31, Teil 2:

• Analyse faktorieller Versuchspläne
• Test auf Normalverteilung der DOE Antwortvariable
• Analyse der nichtbeschreibbaren Reststreuung mithilfe des 4 in1- Residuendiagramms
• Auswertung der Tabelle „Kodierte Koeffizienten“
• Faktordiagramme und Würfeldiagramme
• Zweifach Wechselwirkungsdiagramme
• Konstruktion von dreifach Wechselwirkungsdiagrammen
• Antwortvariablen nach Faktorstufen entstapeln
• Arbeiten mit dem Layouttool

Trailer: siehe 31.1

Themenschwerpunkte Minitab Schulung 31, Teil 3:

• DOE Modell- Bestimmtheitsmaße R- Qd, R- Qd(kor) und R- Qd (prog)
• Varianzanalyse im Rahmen der DOE
• Kodierte Koeffizienten
• Regressionsgleichung in nicht kodierten Einheiten
• Aliasstrukturen
• Pareto- Diagramm der standardisierten Effekte
• Wahrscheinlichkeitsnetz der Normalverteilung
• Residuen versus Anpassungen
• Histogramm der Residuen
• Residuen versus Reihenfolge

Trailer: siehe 31.1

Themenschwerpunkte Minitab Schulung 31, Teil 4:

• Zielgrößenoptimierung
• Analyse der Antwortprognosen
• Zielgrößenoption: Antwortvariablen minimieren
• Zielgrößenoption: Zielwert/ Sollwert erreichen
• Arbeiten mit interaktiven Faktordiagrammen
• Individuelle Erwünschtheit
• Zusammengesetzte Erwünschtheit
• Konfidenzintervall im Rahmen der Zielgrößenoptimierung
• Prognoseintervall im Rahmen der Zielgrößenoptimierung

Trailer: siehe 31.1

In dieser vierteiligen 32. Minitab Schulung befinden wir uns im Windkanal-Labor der Smartboard AG. Hier werden aktuell die aerodynamischen Eigenschaften neu entwickelter Hochgeschwindigkeits-Rennanzüge getestet. Mit diesen Rennanzügen soll im Rahmen von Hochgeschwindigkeitsmeisterschaften der Luftwiderstand am Skateboardpiloten minimiert werden, um maximale Geschwindigkeiten auf der Rennstrecke zu erreichen. Zur Ermittlung des Luftwiderstandes wird der jeweilige Skateboardpilot im Rennanzug einer definierten Luftströmung im Windkanal ausgesetzt und der Widerstandsbeiwert, der sogenannte cw- Wert, als Maß für das aerodynamische Verhalten des Rennanzuges gemessen. Hierbei gilt: Je niedriger der cw- Wert, desto geringer wünschenswerterweise der Luftwiderstand, was sich wiederum positiv auf die maximal erreichbare Geschwindigkeit auswirkt. Die zu variierenden Parameter am Rennanzug, die einen potentiellen Einfluss auf die Aerodynamik des Rennanzuges ausüben, wurden im Rahmen einer Ishikawa- Analyse ermittelt. Hierbei haben sich die Parameter Oberflächenrauigkeit, Nahtbreite und die Materialdicke am Rennanzug als potentielle Einflussfaktoren herauskristallisiert. Das Ziel dieser Trainingseinheit wird sein, mithilfe einer statistischen Versuchsplanung eine optimale Kombination aus Oberflächenrauigkeit, Nahtbreite und Materialdicke zu ermitteln, damit der Luftwiderstand des Rennanzuges auf ein Minimum reduziert werden kann. Wir werden hierbei erleben, wie das Entwicklungsteam einen vollfaktoriellen Versuchsplan mit sogenannten Zentralpunkten und Versuchsblöcken aufstellt und umsetzt. Im ersten Teil dieser Trainingseinheit werden wir uns schwerpunktmäßig mit der Ermittlung der erforderlichen Replikationsanzahl, der Trennschärfe und dem Fehler erster und zweiter Art beschäftigen. In diesem Zusammenhang werden wir lernen, wie mithilfe einer Trennschärfenanalyse die angemessene Replikationsanzahl für unseren DOE Versuchsplan bestimmt werden kann und wie in diesem Kontext der Zusammenhang zwischen der Trennschärfengüte und Fehler erster bzw. zweiter Art im Rahmen der Hypothesentests gut nachvollziehbar wird. Die Themenschwerpunkte im zweiten Teil konzentrieren sich dann auf die Aufstellung des eigentlichen DOE Versuchsplans. Hierbei werden wir lernen, wie der vollfaktorielle Versuchsplan Schritt für Schritt aufgestellt wird. Und in diesem Zusammenhang auch verstehen, was Zentralpunkte sind und nachvollziehen, warum das Setzen von sogenannten Blockvariablen je nach Aufgabenstellung eine wichtige Rolle spielen kann. Bei der Gelegenheit werden wir die nützliche Funktion Zufallsgenerator zur Randomisierung von Datensätzen kennenlernen, die generell auch für andere Aufgabenstellungen sehr hilfreich sein kann, um Daten nach dem Zufallsprinzip zu ordnen. Darüber hinaus werden wir lernen, mit sogenannten Fehlerbalkendiagrammen im Rahmen der DOE zu arbeiten, und erleben, dass diese Fehlerbalkendiagramme immer sehr nützlich sind, um einen visuellen Eindruck über die Trends und Tendenzen aus den experimentellen Durchläufen zu erhalten. Der Fokus im dritten Teil unserer Trainingseinheit wird dann die Analyse unseres DOE Modells hinsichtlich seiner Qualität und Fähigkeit sein, mit der Fragestellung, wie gut dieses DOE Modell die technischen Ursachen- Wirkungszusammenhänge auch tatsächlich realitätsnah abbilden kann. Hierzu werden wir die Bestimmtheitsmaße R- Quadrat, R- Quadrat korrigiert und R- Quadrat prognostiziert diskutieren und verwenden, um auch die Güte unseres DOE Modells zu bewerten. An dieser Stelle wird dann auch wieder die Tabelle der kodierten Koeffizienten wichtig. Die vormals gesetzten Zentralpunkte werden wir an dieser Stelle dafür nutzen, die Linearität unseres DOE Modells zu überprüfen. Mithilfe der gesetzten Blockvariablen werden wir auch analysieren können, ob signifikante Unterschiede in den geblockten Versuchsdurchläufen vorliegen. Wir werden anschließend lernen, wie mithilfe von Haupteffekt- und Wechselwirkungsdiagrammen die entsprechenden Ursachen- Wirkungszusammenhängen identifiziert werden können. Außerdem auch, wie auf Basis des Pareto- Diagramms der standardisierten Effekte eine  hierarchische Reduzierung des Varianzmodells durchzuführen ist, um die Prognosegüte des DOE Modells zu optimieren. Für diese Optimierung unseres DOE Modells werden wir zum besseren Verständnis die Methode der manuellen Rückwärtselimination kennenlernen und einsetzen. Im Rahmen der Residuenanalyse werden wir die entsprechenden Residuendiagramme auswerten, um zu überprüfen, ob unsere Residuen auch den Gesetzen der Normalverteilung folgen. Hierbei werden wir das Wahrscheinlichkeitsnetz der Residuen sowie die Diagramme Residuen versus Anpassungen, Residuen versus Reihenfolge und das Residuen Histogramm verwenden, um zu überprüfen, ob die mit unserem Modell nicht beschreibbare Reststreuung unerwünschte Trends oder Tendenzen aufweist, die eventuell unsere Ergebnisse schlussendlich in der Zielgrößenoptimierung verfälschen könnten. Mit dem erlernten Wissen bis hierhin werden wir dann in den vierten und letzten Teil dieser Trainingseinheit einsteigen und mit der Zielgrößenoptimierung beginnen. Hierbei werden wir das sehr nützliche interaktive Zielgrößenoptimierungsfenster verwenden, um die drei Einflussgrößen Oberflächenrauigkeit, Nahtbreite und Materialdicke so einzustellen, dass der geforderte Luftwiderstand am Rennanzug erreicht werden kann. Wir werden die wichtigen Grafiken Konturdiagramm, Würfeldiagramm und Wirkungsflächendiagramm kennenlernen und sehen, dass diese Darstellungsformen insbesondere im Tagesgeschäft dafür geeignet sind, die jeweiligen Arbeitsbereiche für Parametereinstellungen zu definieren, damit zum Beispiel auch bei unerwünschten Prozessschwankungen der angestrebte Sollwert dennoch erreicht werden kann. So dass wir am Ende dieser mehrteiligen Trainingseinheit auf Basis der entsprechenden Konfidenz- und Prognoseintervalle der technischen Geschäftsführung der Smartboard AG konkrete Handlungsempfehlungen abgeben können, wie die drei Einflussfaktoren bzw. die Arbeitsbereiche für die Einflussfaktoren eingestellt sein sollten, damit mit einer 95-prozentigen Wahrscheinlichkeit der geforderte Luftwiderstand am Rennanzug erreicht werden kann.

Themenschwerpunkte 32, Teil 1:

• Ermittlung der erforderlichen Replikationsanzahl
• Trennschärfeanalyse
• Trennschärfengüte vs. Fehler 1. Art, Fehler 2. Art

Themenschwerpunkte 32,Teil 2:

• DOE- Versuchsplan aufstellen
• Randomisierung mithilfe des Zufallsgenerators
• Fehlerbalkendiagramm zur Visualisierung von Ursachen- Wirkungszusammenhängen
• Setzen von Zentralpunkten und Blockvariablen

Themenschwerpunkte 32, Teil 3:

• Faktoriellen Versuchsplan analysieren
• Auswertung der Tabelle Kodierte Koeffizienten
• Auswertung der Linearität mithilfe der Zentralpunkte
• Auswertung der Blockvariablen
• Auswertung der Haupteffektdiagramme
• Auswertung der Wechselwirkungsdiagramme
• Beurteilung der Modellgüte mithilfe der Bestimmtheitsmaße R- Qd, R- Qd (kor) und R- Qd (prog)
• Optimierung des DOE Modells
• Auswertung der Tabelle Varianzanalyse
• Pareto- Diagramm der standardisierten Effekte
• Hierarchische Rückwärtselimination
• Manuelle Rückwärtselimination
• Residuenanalyse
• Residuen- Wahrscheinlichkeitsnetz
• Residuen vs. Anpassungen
• Residuen vs. Reihenfolge
• Residuen- Histogramm

Themenschwerpunkte 32, Teil 4:

• Zielgrößenoptimierung
• Individueller und zusammengesetzter Erwünschtheitsgrad
• Arbeiten in interaktiven Faktordiagrammen
• Konturdiagramm
• Würfeldiagramm
• Wirkungsflächendiagramm

Themenschwerpunkte Minitab Schulung 32,Teil 2:

• DOE- Versuchsplan aufstellen
• Randomisierung mithilfe des Zufallsgenerators
• Fehlerbalkendiagramm zur Visualisierung von Ursachen- Wirkungszusammenhängen
• Setzen von Zentralpunkten und Blockvariablen

Trailer: siehe 32.1

Themenschwerpunkte Minitab Schulung 32, Teil 3:

• Faktoriellen Versuchsplan analysieren
• Auswertung der Tabelle Kodierte Koeffizienten
• Auswertung der Linearität mithilfe der Zentralpunkte
• Auswertung der Blockvariablen
• Auswertung der Haupteffektdiagramme
• Auswertung der Wechselwirkungsdiagramme
• Beurteilung der Modellgüte mithilfe der Bestimmtheitsmaße R- Qd, R- Qd (kor) und R- Qd (prog)
• Optimierung des DOE Modells
• Auswertung der Tabelle Varianzanalyse
• Pareto- Diagramm der standardisierten Effekte
• Hierarchische Rückwärtselimination
• Manuelle Rückwärtselimination
• Residuenanalyse
• Residuen- Wahrscheinlichkeitsnetz
• Residuen vs. Anpassungen
• Residuen vs. Reihenfolge
• Residuen- Histogramm

Trailer: siehe 32.1

Themenschwerpunkte Minitab Schulung 32, Teil 4:

• Zielgrößenoptimierung
• Individueller und zusammengesetzter Erwünschtheitsgrad
• Arbeiten in interaktiven Faktordiagrammen
• Konturdiagramm
• Würfeldiagramm
• Wirkungsflächendiagramm

Trailer: siehe 32.1

In der 33. Minitab Schulung besuchen wir den Rollenprüfstand der Smartboard AG. Hier werden wir das Team der Materialprüfung dabei begleiten, wie sie das Abriebverhalten eines neu entwickelten Materials für die Skateboardrollen aus kevlarfaserverstärktem Kunststoff optimiert. Kevlar wird in der Industrie als Material für kugelsichere Westen und schnittfeste Handschuhe eingesetzt, und es soll überprüft werden, in wie weit Kevlaranteile im Rollenmaterial den Abrieb der Skateboardrollen reduzieren könnten. Die Smartboard AG besitzt hierfür einen speziell konzipierten Verschleißprüfstand, bei dem die zu zu testende Skateboardrolle auf einer Achse, die über einen Elektromotor angetrieben wird, fixiert wird. Die Skateboardrolle wird dann mit einer definierten Drehzahl und einem festgelegten Anpressdruck auf einem Gegenkörper abgerollt. Die Oberflächeneigenschaften des Gegenkörpers entsprechen hierbei den Eigenschaften eines typischen Straßenbelags. Am Ende der Testzeit wird der Materialabrieb in Gramm der Skateboardrolle ermittelt, in dem die Differenz zwischen dem Rollengewicht vor und nach dem Verschleißversuch bestimmt wird. Die Höhe des Abriebs in Gramm ist somit unsere Antwortvariable, die idealerweise so gering wie möglich sein sollte. Somit gilt: Je niedriger der Abrieb, umso höher wünschenswerterweise die Verschleißbeständigkeit der Skateboardrolle und umso höher entsprechend die Kundenzufriedenheit. Da das Forschungsprojekt zeitlich jedoch sehr unter Druck steht, entscheidet sich das DOE Team unter den gegebenen Randbedingungen und der vorliegenden Fachexpertise für eine sogenannte teilfaktorielle  statistische Versuchsplanung, die häufig auch als fraktioneller Versuchsplan bezeichnet wird. Um das Themengebiet der teilfaktoriellen, also der fraktionellen Versuchspläne in der erforderlichen Tiefgründigkeit zu verstehen, ist diese Trainingseinheit in vier Teile gegliedert. Im ersten Teil unserer Trainingseinheit werden wir uns mit den Grundlagen der fraktionelle Versuchsplanung beschäftigen und in diesem Zusammenhang zum Beispiel lernen, was einen teilfaktoriellen Versuchsplan von einem vollfaktoriellen Versuchsplan unterscheidet und wie wir einen teilfaktoriellen Versuchsplan ordnungsgemäß aufstellen. Wir werden erleben, dass bei diesen teilfaktoriellen Versuchsplänen zwangsläufig immer auch bestimmte Vermengungsstrukturen von Einflussfaktoren, auch Aliasstrukturen genannt, in Kauf genommen werden müssen. Wir werden daher auch lernen, warum insbesondere eine hohe Fachexpertise des DOE Teams bezüglich der potentiellen Ursachen- Wirkungszusammenhänge im Rahmen einer fraktionellen Versuchsplanung die entscheidende Rolle spielt, um einen verwertbaren fraktionellen Versuchsplan aufzustellen, der dann auch tatsächlich in der Lage ist, die realen Ursachen- Wirkungszusammenhänge theoretisch-mathematisch zu modellieren. Gut gerüstet mit diesem Wissen werden wir dann im zweiten Teil dieser Trainingseinheit in der Lage sein, einen fraktionellen Versuchsplan ordnungsgemäß aufzustellen und zu analysieren. Indem wir zum Beispiel die Tabelle der Kodierten Koeffizienten auswerten und mit dem Pareto- Diagramm der standardisierten Effekte arbeiten. Wir erlernen, wie der sogenannte PSE Lenth- Parameter im Zusammenhang mit dem Pareto- Diagramm der standardisierten Effekte zu interpretieren ist. Wir werden unser DOE Modell optimieren, indem wir eine hierarchische Rückwärtselimination von nicht signifikanten Termen durchführen werden, indem wir auf Basis der entsprechenden Koeffizienten, Modellgüteparameter, p- Werte und dem Pareto- Diagramm der standardisierten Effekte nicht signifikante Terme durch hierarchische Rückwärtselimination aus unserem Modell entfernen. In diesem Zusammenhang werden wir dann auch nochmal auf die vorliegenden Aliasstruktur im fraktionellen Versuchsplan eingehen, die uns aufzeigt, welche Vermengungsstrukturen wir aufgrund des teilfaktoriellen Versuchsplans in Kauf genommen haben, als Preis dafür die Anzahl der experimentellen Versuche aufgrund der hohen Anzahl an Einflussfaktoren so gering wie möglich zu halten. So dass wir nach der Rückwärtselimination unser optimiertes DOE-Modell dann noch mal mithilfe der entsprechenden Bestimmtheitsmaße wie zum Beispiel R- Quadrat korrigiert und R- Quadrat prognostiziert hinsichtlich seiner finalen Modellgüte beurteilen können. Am Ende des zweiten Teils werden wir abschließend noch die erforderliche entsprechende Analyse der nichtbeschreibbaren Reststreuung, also der Residuenstreuung, auswerten. So dass wir mit dem final optimierten DOE Modell im dritten und letzten Teil unserer Trainingseinheit in die Zielgrößenoptimierung einsteigen können, um die optimalen Parametereinstellungen zu ermitteln, damit der Abrieb an den Skateboardrollen auf ein Minimum reduziert wird. In diesem Zusammenhang werden wir auch auf die entsprechenden Wechselwirkungsdiagramme eingehen. Nachdem wir mithilfe der Zielgrößenoptimierung die optimalen Parametereinstellungen ermittelt haben, werden wir dann noch konkrete Arbeitsbereiche für die Parametereinstellungen festlegen. Hierfür werden wir die nützlichen Darstellungsformen Konturdiagramm und Würfeldiagramm kennenlernen, aktiv erstellen und interpretieren, um die zulässigen Toleranzbereiche für unsere Parametereinstellungen zu definieren, damit zum Beispiel auch bei Prozessschwankungen der angestrebte Sollwert für den Rollenabrieb noch erreicht wird.

Themenschwerpunkte 33, Teil 1:

• Einführung in die fraktionelle Versuchsplanung
• Aufstellung eines fraktionellen Versuchsplans
• Übersicht über mögliche Versuchsplantypen
• Interpretation der Aliasstrukturen im fraktionellen Versuchsplan

Themenschwerpunkte 33, Teil 2:

• Analyse eines ¼-fraktionellen Versuchsplans
• Tabelle der Kodierten Koeffizienten
• Pareto- Diagramm der standardisierten Effekte
• Der PSE-Lenth- Parameter
• Hierarchische Rückwärtselimination nichtsignifikanter Terme
• Interpretation der Haupteffektdiagramme
• Bestimmtheitsmaße des DOE-Modells
• Auswertung der Aliasstrukturen
• Residuenanalyse

Themenschwerpunkte 33, Teil 3:

• Interpretation der Wechselwirkungsdiagramme
• Zielgrößenoptimierung
• Konturdiagramm zur Definition optimaler Parametereinstellungen
• Würfeldiagramm auf Basis der DOE Regressionsgleichung
• Würfeldiagramm auf Basis der experimentell ermittelten Daten

Themenschwerpunkte Minitab Schulung 33, Teil 2:

• Analyse eines ¼-fraktionellen Versuchsplans
• Tabelle der Kodierten Koeffizienten
• Pareto- Diagramm der standardisierten Effekte
• Der PSE-Lenth- Parameter
• Hierarchische Rückwärtselimination nichtsignifikanter Terme
• Interpretation der Haupteffektdiagramme
• Bestimmtheitsmaße des DOE-Modells
• Auswertung der Aliasstrukturen
• Residuenanalyse

Trailer: siehe 33.1

Themenschwerpunkte Minitab Schulung 33, Teil 3:

• Interpretation der Wechselwirkungsdiagramme
• Zielgrößenoptimierung
• Konturdiagramm zur Definition optimaler Parametereinstellungen
• Würfeldiagramm auf Basis der DOE Regressionsgleichung
• Würfeldiagramm auf Basis der experimentell ermittelten Daten

Trailer: siehe 33.1

In dieser zweiteiligen 34. Minitab Schulung befinden wir uns im Lackierzentrum der Smartboard AG. Hier werden in einem automatisierten Lackierprozess die Skateboarddecks gemäß Kundenwunsch mit Flüssiglack beschichtet. Der Lackierprozess muss hierbei so gestaltet sein, dass die aufgebrachte Lackschicht eine Mindesthaftkraft aufweist, um äußeren Beanspruchungen, wie zum Beispiel Stoß- und Schlagbeanspruchungen, zu widerstehen. Die im Lackierprozess erreichte Haftkraft der Lackschicht auf den Skateboarddecks wird im Labor mithilfe eines genormten Ritztests ermittelt. Hierbei wird mit konstant ansteigender Prüfkraft ein Diamantstift vertikal in die Lackschicht eingedrückt und gleichzeitig horizontal über die Lackschicht bewegt. Aus der maximal erreichten Prüfkraft im Ritztest, die zu ersten Abplatzungen der Lackschicht führt, und der vorliegenden Risscharakteristik, die mikroskopisch ausgewertet wird, ergibt sich die Haftkraft der Lackschicht. Der automatisierte Lackierprozess für die Skateboarddecks lässt sich hierbei in die drei Hauptprozessschritte Grundierung, Lackierung und Trocknung einteilen. Im ersten Prozessschritt Grundierung werden die Skateboarddecks in einem Tauchbecken einer kontinuierlichen Tauchgrundierung unterzogen, um Unregelmäßigkeiten und offene Poren auf der Skateboarddeck- Oberfläche zu reduzieren. Als Haupteinflussgröße in diesem Prozessschritt hat das Team im Rahmen von Vorversuchen die Schichtdicke der Grundierung identifiziert. Im zweiten Prozessschritt erfolgt die Aufbringung der endgültigen Farbschicht, indem die Skateboarddecks kontinuierlich durch eine Lackierkabine geführt und robotergesteuert durch Sprühdüsen beschichtet werden.  Als Haupteinflussgröße in diesem Prozessschritt hat das Team im Rahmen von Vorversuchen den Sprühdüsen- Abstand zur Skateboarddeck- Oberfläche identifiziert. In diesen Vorversuchen hat sich aber auch herausgestellt, dass dieser Abstand so hoch wie möglich sein sollte, da sich der Glanzgrad der Lackschicht verbessert, je größer dieser Düsenabstand eingestellt wird. Im anschließenden dritten Prozessschritt Trocknung werden die lackierten Skateboarddecks durch einen kontinuierlich arbeitenden Mehrzonen-Trockner geführt, um die vorhandenen Lösungsmittel- und Wasserdampfgehalte in der Lackschicht zu entfernen. Als Haupteinflussgröße in diesem Prozessschritt hat das Team im Rahmen von Vorversuchen die mittlere Trocknungstemperatur identifiziert. In der letzten Zeit mussten jedoch häufig Skateboarddecks verschrottet werden, weil überdurchschnittlich viele Lackschichten die geforderte Mindesthaftkraft nicht erreichen konnten. Aus diesem Grund wurde ein Qualitätsteam gebildet, das mithilfe einer statistischen Versuchsplanung die Parametereffekte und Wechselwirkungseffekte identifizieren soll, die einen signifikanten Effekt auf die Haftkraft ausüben. Das Kernthema in dieser Trainingseinheit wird also sein, mithilfe einer passenden statistischen Versuchsplanung den Einfluss dieser drei Parameter auf die Haftkraft mathematisch zu modellieren, zu analysieren und mithilfe einer Zielgrößenoptimierung optimal einzustellen, damit die erforderliche Mindesthaftkraft erreicht wird. Da das Team im Rahmen von vollfaktoriellen Vorversuchen bereits herausgefunden hatte, dass nichtlineare Ursachen- Wirkungszusammenhänge vorliegen, wurde beschlossen, die sogenannte Wirkungsflächen- Versuchsplanung einzusetzen. Das zentrale Thema in dieser Trainingseinheit wird daher die Wirkungsflächen- Versuchsplanung sein. Diese wird dann auch angewendet werden, um auch nichtlineare Ursachen- Wirkungszusammenhänge beschreiben zu können. Hierzu werden wir zunächst lernen, was einen Wirkungsflächenversuchsplan von einem faktoriellen oder einem unterschiedlich stark fraktionierten Versuchsplan unterscheidet. Eine zentrale Rolle werden in diesem Zusammenhang auch die wichtigen sogenannten Sternpunkte spielen und wir werden den Unterschied zwischen Sternpunkten und Zentralpunkten kennenlernen und erleben, dass insbesondere der sogenannte Sternpunktabstand Alpha eine sehr wichtige Rolle spielt. Wir werden lernen, was ein zentral zusammengesetzter Wirkungsflächenversuchsplan ist und durch die Konstruktion von 3-D- Streudiagrammen die entsprechenden mathematischen Voraussetzungen hinsichtlich Orthogonalität besprechen, die ein zentralzusammengesetzter Wirkungsflächenversuchsplan idealerweise besitzen sollte. Mithilfe der 3-D- Streudiagramme wird es uns dann auch sehr leicht fallen, den Unterschied zwischen Sternpunkten und Zentralpunkten zu verstehen. Wir werden lernen, wie wir mithilfe der entsprechenden Signifikanzwerte aus den Hypothesentests beurteilen können, ob die entsprechenden Terme falls signifikant sind oder als nichtsignifikante einzustufen sind.  Und wir lernen, wie wir die entsprechenden Effektstärken mit dem Pareto- Diagramm der standardisierten Effekte beurteilen können. Wir werden dann mithilfe der nützlichen entsprechenden Faktordiagramme die entsprechenden Effektstärken sowie die Wirkrichtungen der jeweiligen Effekte diskutieren. Und mit dem Wissen werden wir dann in der Lage sein, im Rahmen der abschließenden Zielgrößenoptimierung die optimalen Parametereinstellungen zu bestimmen. Wir werden in diesem Zusammenhang auch lernen, wie ein Konturdiagramm erstellt wird, um prozesssichere Arbeitsbereiche für die Parametereinstellungen festzulegen, so dass auch bei ungeplanten Prozessschwankungen die erforderliche Mindesthaftkraft der Lackschicht nach wie vor erreicht wird. Auch werden wir das nützliche Grafik- Wirkungsflächendiagramm erzeugen und diskutieren, um auch einen sehr guten dreidimensionalen visuellen Eindruck über den Trend unserer Antwortvariablen in Abhängigkeit der Einflussgrößen zu erhalten. So dass wir am Ende dieser Trainingseinheit mit allen vorliegenden Analyseergebnissen und insbesondere den entsprechenden Konfidenz- und Prognoseintervallen der technischen Geschäftsführung der Smartboard AG konkrete Handlungsempfehlungen abgeben können, wie die optimalen Parametereinstellungen sein sollten, um auch bei diesen vorliegenden nichtlinearen Ursachen- Wirkungszusammenhängen die erforderliche Mindesthaftkraft der Lackschicht auf den Skateboarddecks mit einer 95-prozentigen Sicherheit erreichen zu können.

Themenschwerpunkte 34, Teil 1:

• Einführung in die Wirkungsflächenversuchsplanung (WFV)
• Zentral zusammengesetzte Versuchspläne
• Box- Behnken Versuchspläne
• 1/2 – zentralzusammengesetzte WFV
• 1/4 – zentral zusammengesetzte WFV
• 1/8 – zentral zusammengesetzte WFV
• Wirkungsflächenversuchsplan erstellen
• Punkttypen: Würfelpunkte, Zentralpunkte, Sternpunkte
• Identifikation unterschiedlicher Punkttypen im 3-D- Streudiagramm

Themenschwerpunkte 34, Teil 2:

• Wirkungsflächenversuchsplan analysieren
• Kodierte Koeffizienten
• Haupteffektdiagramme
• Wechselwirkungsdiagramme
• Bestimmtheitsmaße des DOE- Modells
• Interpretation der Varianzanalyse
• Regressionsgleichung in nicht kodierten Einheiten
• Pareto- Diagramm der standardisierten Effekte
• Residuenanalyse
• Zielgrößenoptimierung
• Prozessbereiche definieren
• Konturdiagramm
• Wirkungsflächendiagramm

Themenschwerpunkte Minitab Schulung 34, Teil 2:

• Wirkungsflächenversuchsplan analysieren
• Kodierte Koeffizienten
• Haupteffektdiagramme
• Wechselwirkungsdiagramme
• Bestimmtheitsmaße des DOE- Modells
• Interpretation der Varianzanalyse
• Regressionsgleichung in nicht kodierten Einheiten
• Pareto- Diagramm der standardisierten Effekte
• Residuenanalyse
• Zielgrößenoptimierung
• Prozessbereiche definieren
• Konturdiagramm
• Wirkungsflächendiagramm

Trailer: siehe 34.1