Statistische Versuchsplanung
In den 1930er Jahren wurde die statistische Versuchsplanung als ein Verfahren zur Optimierung von landwirtschaftlichen Prozessen entwickelt. Ausgehend davon hat sich DoE - abgeleitet vom englischen Begriff für statistische Versuchsplanung "Design of Experiments" - zu einem Standardverfahren zur Prozess- und Produkt-Optimierung in nahezu allen industriellen Bereichen entwickelt. Das betrifft pharmazeutische Anwendungen, Entwicklungen im Bereich Automotive und auch ganz besonders die Halbleiterindustrie. Darüber hinaus wird die Versuchsplanung heutzutage bei der Planung psychologischer Experimente oder auch beim Optimieren von Marketingkampagnen angewendet.
Kerngedanke der Versuchsplanung ist, durch konkrete Planung von Experimenten, genau die richtigen Versuche durchzuführen, um ein bestimmtes Problem zu lösen. D.h. die statistische Versuchsplanung stellt sicher, dass die richtigen Experimente durchgeführt werden - nicht zu viele und auch nicht zu wenige.
Wir unterstützen bei der Anlage von Versuchen, indem wir für Sie auf die Einhaltung der Systematik achten, ohne dabei zu sehr an einem standardisierten Vorgehen festzuhalten. Die Statistik passt sich den jeweiligen Gegebenheiten so gut wie möglich an, Ihre Fragestellung wird nicht an die statistische Methodik angepasst. Wir achten darauf, dass die Auswertbarkeit Ihrer Daten optimal bleibt.
Selbstverständlich versichern wir uns der Qualitäten der verschiedenen Messwerte, die im Rahmen eines Versuchsprogramms Verwendung finden. Die Auswertung der Daten kann durch uns durchgeführt werden. Die im Bereich der Versuchsplanung üblichen Grafiken wie Paretodiagramme, Haupteffekt und Wechselwirkungsplots werden ebenso selbstverständlich erstellt wie Varianz- und Regressionsanalysen. Zusammenfassend erstellen wir einen Bericht, den wir mit Ihren Fachleuten ausführlich diskutieren.
Zur Auswertung der Daten stehen uns praktisch sämtliche am Markt befindlichen Softwareprodukte zur Verfügung. Wir können also stets genau die Software einsetzen, die auch in Ihrem Betrieb genutzt wird. Dadurch gewährleisten wir den größtmöglichen Lerneffekt bei Ihren Mitarbeitern.
Design of Experiments: Mit 4 Schritten zum Erfolg
Klassische Versuchsplanung
Die klassische Versuchsplanung stellt auch heute noch die am häufigsten angewandte Variante von Design of Experiments dar. Die klassische Versuchsplanung zeichnet sich dadurch aus, dass die verwendeten Versuchspläne klar strukturiert und einfach nachvollziehbar sind. Für einen großen Teil aller Anwendungen sind die klassischen Pläne die passende Lösung.
Die klassische Versuchsplanung ist ein Grundpfeiler von allgemeineren Paradigmen, wie Six-Sigma oder Quality-by-Design.
Optimale Versuchsplanung
In bestimmten Bereichen stellen sich die klassischen Pläne jedoch als zu unflexibel heraus. Die Schule der optimalen Versuchsplanung folgt deshalb dem Grundsatz nicht das Problem an den Versuchsplan, sondern den Versuchsplan an das Problem anpassen zu wollen. Dazu werden - zum Teil komplexe - statistische Optimalitätskriterien (üblicherweise D-Optimalität und I-Optimalität) verwendet um Versuchspläne mit einer höheren Flexibilität zu erstellen.
Die optimale Versuchsplanung bietet Lösungen für Situationen in denen die klassischen DoEs nicht weiterhelfen.
Mixturen und Mischungsexperimente
Eine Spezialanwendung stellen Mischungsexperimente dar. Das sind Anwendungen in denen jeder einzelne Versuch daraus besteht verschiedene Komponenten zu einem Gemisch zu vereinen. Diese Art von Versuchsaufbau hat bestimmte Auswirkungen sowohl auf das Aufstellen eines DoEs und auch für die statistische Auswertung der resultierenden Daten.
Deshalb wurden spezielle Varianten klassischer und optimaler Versuchspläne entwickelt, die genau dieses Thema adressieren.
Split-Plot-Designs
Ein weiteres wichtiges Spezialgebiet der Versuchsplanungs sind sogenannte Split-Plot-Designs. Dabei geht es um Probleme mit schwer einzustellenden Faktoren. In einem klassischen oder auch optimalen Versuchsplan kann es passieren, dass der Experimentator einen bestimmten Einflußfaktor oft in unterschiedlichen Einstellungen untersuchen muss. Z.B. bei Temperaturen stellt es oft eine Schwierigkeit dar die vielen voneinander unabhängigen Versuche eines DoEs mit jeweils unterschiedlichen Temperaturen durchzuführen.
Split-Plot-Designs sind eine Antwort für diese häufig auftretende Herausforderung.