Design of Experiments – DoE

//Design of Experiments – DoE
Design of Experiments – DoE2019-07-30T12:58:31+00:00

Trainingsinformationen

Unter DoE (Design of Experiments) versteht man eine strukturierte, statistische Planung und Durchführung von Versuchen, um relevante Produkt- und Prozessparameter hinsichtlich ihres Einflusses auf interessierende Output-Variablen zu identifizieren und deren Wirkung zu verstehen. DoE liefert ein Datenmodell zum Ursachen-Wirkungs-Gefüge von Produkten oder Prozessen.

Daraus lassen sich signifikante Parameter sowie Wechselwirkungen und schließlich auch die optimalen Einstellungen ermitteln. Erlangen Sie in einer Mixtur aus Schulung und Workshop-Übungen einen Überblick über die Vorgehensweise und Techniken von DoE. Das erlernte Wissen lässt sich gewinnbringend in die betriebliche Praxis umsetzen.

Dauer3 Tage jeweils von 9.00 Uhr bis 17.00 Uhr
Datum
OrtFeldafing am Starnberger See
Kosten€ 1.200,- pro Person zzgl. 19% MwSt.
TeilnahmebescheinigungNach Absolvierung des Seminars erhält jeder Teilnehmer eine Teilnahmebescheinigung.
Mindestteilnehmerzahl3
VoraussetzungenJeder Teilnehmer muss über ein Notebook mit der Software Microsoft® Excel ab 2003, MINITAB® ab R14 sowie Adobe® Reader® ab 7.0 verfügen. Die Software MINITAB® kann über uns bezogen werden.
Beschreibung drucken
Print Friendly, PDF & Email

Zielsetzung:

Sie erlernen mit der Methode der statistischen Versuchsplanung, mit einem möglichst geringen Versuchsaufwand ein Maximum an auswertbaren Ergebnissen über die Wirkungszusammenhänge von Einflussparametern und Resultaten zu gewinnen. Es werden Ihnen Lösungen aufgezeigt, wie Sie die Qualität Ihrer Produkte und Prozesse effizient verbessern können.

Zielgruppe:

Mitarbeiter und Führungskräfte aus den Bereichen Engineering, Qualitätsmanagement, Produktion, KVP, Techniker sowie F&E aus produzierenden Unternehmen und Dienstleistungsunternehmen.

Seminarinhalte:

  • Einführung in DoE – Design of Experiments – Überblick
  • Grundlagen der Statistik sowie der Regressions- und Varianzanalyse
  • Elementare Fähigkeitskennzahlen
  • Berechnung erforderlicher Stichprobengrößen und Versuchen
  • Vorbereitung von Versuchsplänen
  • Systematische Ableitung der relevanten Eingangsinformationen für DoE‘s
  • Review des Verständnisses von Y –und X –Variablen
  • Umgang mit Rauschvariabeln
  • Handhabung stetiger und diskreter Variablen
  • Aufbau einer Roadmap zur Planung eines DoE‘s
  • Auswahl von Faktoren
  • Festlegung der Faktorstufen, Bestimmung des Versuchsraumes
  • Auswahl des Designs auf der Basis von vorhandenem (datenbasierenden) Wissen
  • Ermittlung der Anzahl von Replikationen, Stichprobentheorie zu DoE
  • Vorbereitung der Dokumentation von Ergebnissen und begleitenden Informationen
  • Entwicklung geeigneter Templates
  • Berücksichtigung des Versuchsumfeldes
  • Abstimmung mit den Beteiligten, z.B. in der Fertigung
  • Einfluss von Messsystemen auf ein DoE
  • Versuchs-Designs und Auswertung
  • Einfaktor-Methode (OFAT = One Factor at Time)
  • Vollfaktorielle Versuchspläne (2^k Full Factorial)
  • Aufbau eines DoE Versuchsplans
  • Effekte von Hauptfaktoren und Wechselwirkungen
  • Graphische Darstellung der Ergebnisse (Haupteffektdiagramm, Wechselwirkungsdiagramm, Würfeldiagramm)
  • Berechnung der Effekte
  • Bestimmung der statistisch signifikanten Effekte
  • DoE – Übung an einem Beispiel
  • Teilfaktorielle Versuchspläne (fractional factorial designs)
  • Screening Designs zum Ermitteln der entscheidenden Faktoren
  • Statistische Analyse von Versuchsergebnissen, Regressionsmodellierung
  • Residualanalyse mit Interpretation
  • Weitere Nutzung eines Modells (Output-Prognosen, „best settings“ in der Produktion
  • Desirability – Funktionen
  • Erkennen und Interpretieren kritischer Zustände in (Produkt- und Prozess) Designs
  • Ausloten der Leistungsgrenze eines Designs
  • Handhabung, Gewichtung und Bedeutung mehrerer Y-Variablen
  • Simulationsmöglichkeiten, Response Optimization
  • DoE und Variationsreduzierung
  • Response surface Designs
  • Ansatz und Theorie des Central composite Designs (CCD) incl. Varianten
  • Box Behnken Design
  • D-optimale Designs (Ansatz, Vorteile und Risiken)
  • Orthogonalität und Drehbarkeit
  • Theorie zur statistischen Auswertung von RSD‘s
  • Behandlung einer vollständigen Roadmap zur Analyse und Modellierung
  • Nichtlineare Desirability-Funktionen
  • Evolutionary optimisation (EVOP)
  • Ausblick
  • Mischungsexperimente
  • Anwendungssituationen und Ansatz
  • Varianten
  • statistische Modellierung
  • Taguchi Designs
  • Anwendungssituationen und Ansatz
  • Planung, Auswahl und Einbindung von Rauschfaktoren
  • statistische Analyse
  • Analyse und Interpretation der Robustheit von Designs
  • Aufbau einer umfassenden DoE – Roadmap mit allen Verzweigungen
  • Systematische Ausweitung von erworbenem DoE – Wissen im Unternehmen
  • Aufstellen und gezielte Nutzung von Prozessalgorithmen (Transferfunktionen)
  • Optimierung von Prozessketten, Produktionslinien etc.
  • DoE in DMAIC – und DFSS – Projekten
  • Gezielte Nutzung von DoE zur Festlegung von Toleranzen
  • Schnittstelle von DoE zu Data Mining
  • „DoE“ in Interaktion mit „Neuronalen Netzen“ oder Entscheidungsbäumen
  • Tipps und Erfahrungsaustausch

Leistungsumfang:

  • Durchgängiges Fallbeispiel
  • Umfassende Schulungsunterlagen (in Papierform und als .pdf-files)
  • Mittagessen und Verpflegung in den Kaffee-/ Teepausen
  • Zahlreiche Datenfiles, Werkzeuge für praktische Übungen
  • Schönes Seminarhotel in idyllischer Landschaft am Starnberger See, ausgezeichnete Verpflegung und guter Service
  • Raum für Erfahrungsaustausch und Expertenwissenstransfer