Statistische Versuchsplanung (Design of Experiments - DoE)
carhs.training gmbh

Zielgruppe: Techniker, Ingenieure, Qualitäts - Fachkräfte

Voraussetzungen: Erweiterte Grundgekenntnisse in Mathematik

Abschluss: Zertifikat

Vorteile: hoher Praxisbezug

Beschreibung: Die statistische Versuchsplanung (Design of Experiments, DoE) ist ein Verfahren zur Analyse von (technischen) Systemen. Hierbei wird die Abhängigkeit einer "Systemantwort" von beliebigen Eingangsgrößen ermittelt. Dieses Verfahren ist universell einsetzbar und eignet sich sowohl zur Produkt- als auch zur Prozeßoptimierung. Im Vergleich zu "ad hoc" Versuchen ist der Aufwand bei gleicher Informationsausbeute wesentlich geringer. Die Ergebnisse von neuen und noch nicht getesteten Einstellungen lassen sich mit hoher Genauigkeit rechnerisch bestimmen. Besonders erfolgreich ist das Verfahren dann, wenn viele Einflußgrößen das betrachtete System beeinflussen, zum Beispiel im Bereich Fahrzeugsicherheit oder auch bei Prozeßoptimierung in der Verfahrenstechnik. Die Statistische Versuchsplanung hat nochmal an Bedeutung gewonnen, seit sie ein Bestandteil von "Six Sigma" geworden ist: eine Methode zur Optimierung von Prozeßketten. Anhand von konkreten Beispielen wird der praktische Einsatz der Methode bei der Planung, Durchführung und Auswertung von Versuchen erläutert und eingeübt.

Lernmethode Zu Beginn des Workshops werden Ihnen die Grundlagen der statistischen Versuchsplanung vermittelt. Im weiteren Verlauf wechseln theoretische Blöcke mit Übungen an einem Meßaufbau ab. Dabei steht die praktische Umsetzung des Erlernten im Vordergrund.

Wer sollte teilnehmen? Das Seminar wendet sich an Ingenieure aus Entwicklung und Fertigung, die ein Werkzeug zur Planung und Durchführung von systematischen Versuchsreihen einsetzen möchten, um ein Produkte oder einen Fertigungsprozess zu optimieren.

Inhalte: * Grundbegriffe: Faktor, Qualitätsmerkmal, Effekt, Wechselwirkung, Orthogonalität, Vermengung, etc. * Versuchspläne: Faktorielle Pläne, Screening Versuchspläne (fraktionell faktoriell, Plackett Burman, Taguchi), Response Surface Versuchspläne (Central Composite Design, Box Behnken) * Auswertung: Effektdiagramm, Wechselwirkungsschaubild, Half Normal Plot, Varianzanalyse, Residual Plot, Multiple Response Optimierung. * Robustheit: Parameterdesign, Toleranzdesign