Design of Experiments (DoE)

Synonyme

DoE
statistische Versuchsplanung

Design of Experiments (DoE, Statistische Versuchsplanung) ist eine effiziente Methode, um aus einer Vielzahl von Parametern die relevanten Einflussfaktoren für einen Prozess oder ein Produkt zu ermitteln. Mit Hilfe eines Versuchsplans werden diese Faktoren weitgehend unabhängig voneinander variiert, um deren Effekte auf die Zielgrößen und damit ein Ursache-Wirkungs-Modell abzuleiten. Bei der Auswertung wird abgeschätzt, ob sich alle angestrebten Ziele erreichen lassen oder ob z.B. bestimmte Zielvorgaben widersprüchlich sind. Die zielgerichtete visuelle Aufbereitung der Daten dient als Grundlage für weitere Entscheidungen.

Design of Experiments (DoE)
Download PDFDownload PDF

Design of Experiments (DoE)

Synonyme

DoE
statistische Versuchsplanung

Design of Experiments (DoE, Statistische Versuchsplanung) ist eine effiziente Methode, um aus einer Vielzahl von Parametern die relevanten Einflussfaktoren für einen Prozess oder ein Produkt zu ermitteln. Mit Hilfe eines Versuchsplans werden diese Faktoren weitgehend unabhängig voneinander variiert, um deren Effekte auf die Zielgrößen und damit ein Ursache-Wirkungs-Modell abzuleiten. Bei der Auswertung wird abgeschätzt, ob sich alle angestrebten Ziele erreichen lassen oder ob z.B. bestimmte Zielvorgaben widersprüchlich sind. Die zielgerichtete visuelle Aufbereitung der Daten dient als Grundlage für weitere Entscheidungen.

Design of Experiments (DoE)
Wir empfehlen zum Thema Innovation
1 Stunde
16.01.2025
Websession: Effizientes Portfolio-Management: Innovation lenken & Risiken minimieren - powered by Hypergene GmbH

Erfahren Sie am Beispiel von Blue Ant, wie Sie in Ihrem Projektportfolio Ideen gezielt priorisieren & Risiken systematisch bewerten, um Projekte auf Kurs zu halten & klare Entscheidungen für ein strukturiertes Portfolio zu treffen.  Mehr Infos

Einsatzmöglichkeiten

  • Entwicklung von Produkten und Prozessen
  • Optimierung von Zielgrößen im Hinblick auf Ausbeute und Performance
  • Identifizierung der optimalen Produktions-Einstellung, um Ausschuss zu reduzieren, Prozesse und Produkte sicherer zu machen, Kosten zu senken und die Qualität zu steigern
  • Untersuchung und ggf. Behebung von Fehlern, deren Ursache nicht eindeutig bekannt ist ("Trouble Shooting")
  • Analyse der Robustheit eines Systems gegen äußere Störgrößen
  • Validierung von Prozessen durch ihre methodische Untersuchung

DoE ist eine fachlich sehr anspruchsvolle Methode, da die implementierte Statistik hinter den Berechnungen verstanden werden sollte. Ziel einer DoE-Investigation ist es, mit geringstem Aufwand ein Maximum an Information über die untersuchten Faktoren und deren Variation zu erhalten. Oftmals sind es jedoch nicht die Berechnungen und die Analyse, sondern die Definition der Faktoren, die Planung und Durchführung von Versuchen sowie deren Bewertung, die viel Zeit in Anspruch nehmen. Auch wird häufig unterschätzt, dass die Versuche unter realen Bedingungen durchgeführt werden müssen und somit oftmals die Produktion steht, soweit keine Testanlagen vorhanden sind.

Der Aufwand hängt von der Komplexität des zu analysierenden Systems ab. DoE zielt zwar darauf ab, die Analyse und Modellierung eines Systems so einfach wie möglich zu halten, kann aber dennoch einen erheblichen Aufwand an Zeit und Ressourcen erfordern und den Charakter eines kleinen Projekts annehmen. Deshalb ist die Erstellung eines Business Cases für die Durchführung von DoE empfehlenswert (siehe Abschnitt "Benötigte Informationen").

Ergebnisse

  • Dokumentation der Einflussfaktoren, Untersuchungen, Modellierungen und Analysen
  • Ursache-Wirkungsmodell, das den Zusammenhang der Einflussfaktoren und Zielgrößen beschreibt
  • Basis für anschließende, faktenbasierte Diskussionen und Einrichtung von nachvollziehbaren, klaren Entscheidungswegen

Vorteile

DoE reduziert den Aufwand für Versuche auf ein Minimum. Oft wird dadurch überhaupt erst die systematische Analyse multifaktorieller Systeme möglich.
Die klar strukturierte Vorgehensweise reduziert den Zeitaufwand der sich ansonsten wiederholenden Besprechungen und Workshops.
Aufwand und Kosten für die Untersuchung können sehr früh abgeschätzt werden.
Fehlannahmen durch voreilige Schnellschüsse werden auf ein Minimum reduziert.
Weitere, bisher nicht beachtete Faktoren können bei Versuchsdurchführung und Auswertung als wichtige Einflussgrößen identifiziert werden.
Der ganzheitliche Ansatz deckt ggf. widersprüchliche Ziele auf und unterstützt bei der Lösungsfindung sowie dem Ableiten von Maßnahmen, wie z.B. Kompromisse, Einsparpotentiale oder Ausschussreduktion.

Durchführung: Schritt für Schritt

Systeme aller Art – egal ob es sich um Prozesse, Organisationen, technische Produkte oder anderes handelt – werden in der Praxis stets von zahlreichen Faktoren beeinflusst. Oft ist aber nicht vollständig bekannt, welchen Einfluss ein einzelner Faktor oder die Faktorwechselwirkungspaare genau haben und wie stark sie das System beeinflussen. Um Systeme zu optimieren, z.B. hinsichtlich Fehlerfreiheit oder Durchsatz, werden deshalb zuerst diese Einflussfaktoren analysiert.

Auf keinen Fall sollte man Verfahren wie COST ("Change one Setting at a Time") oder OVAT ("One Factor at a Time") benutzen, in denen grundsätzlich immer nur ein Faktor variiert wird. Dies begründet sich darin, dass die jeweiligen Faktoren immer nur unter stationären Rahmenbedingungen untersucht werden. Ihr Einfluss kann somit nicht über den gesamten Versuchsraum unabhängig von den anderen Faktoren ermittelt werden, auch Wechselwirkungen mit anderen Faktoren werden dadurch häufig vernachlässigt. Bei DoE hingegen werden alle Faktoren strukturiert simultan in den Versuchen variiert, um deren jeweiligen Effekt unabhängig von den anderen Faktoren im gesamten Versuchsraum zu bestimmen.

Design of Experiments (DoE) wurde explizit dafür entwickelt, den Einfluss von vielen Faktoren in einem System möglichst schnell und strukturiert zu analysieren. Mit DoE ist es möglich, eine nahezu beliebige Anzahl von Faktoren auf ihre Wirkung für mehrere Zielgrößen zu untersuchen. Zudem bietet DoE auch die Möglichkeit, die meist unterschätzten Wechselwirkungen zwischen den Variablen gezielt zu untersuchen.

Der Einsatz von DoE erfolgt in mehreren Abschnitten. Am Anfang stehen meist die Definition und Formulierung des Problems im Team. Dabei werden die entscheidenden Faktoren und Zielgrößen bestimmt. Im Anschluss wird diese Information – meist software-gestützt – in einen abzuarbeitenden Versuchsplan überführt. Sind die Versuche durchgeführt und vermessen sowie bewertet, kann mit Hilfe spezieller DoE-Software ein Ursache-Wirkungs-Modell berechnet werden. Durch Visualisierungen – wie z.B. Prozesslandkarten – werden Grenzen und Möglichkeiten des Prozesses oder Produkts aufgezeigt. Diese helfen in anschließenden Meetings dabei, auf Basis der aufbereiteten Ergebnisse Entscheidungen zum weiteren Vorgehen abzuleiten.

Im Rahmen dieser Methodenbeschreibung kann lediglich das grundlegende Vorgehen sowie der Rahmen für den Einsatz von DoE beschrieben werden. Die zugrundeliegenden statistischen Zusammenhänge und Details insbesondere der Auswertung und Modellbildung können hier nicht ausführlich dargestellt werden. Diese können entweder im Rahmen einer spezifischen Ausbildung oder über entsprechende Literatur erworben werden. Eine ausführliche Darstellung von DoE findet sich z.B. in: Kleppmann, Wilhelm: "Versuchsplanung: Produkte und Prozesse optimieren (Praxisreihe Qualität)", Carl Hanser Vlg., 9. überarbeitete Aufl., 2016.

Aus Gründen der einfacheren Lesbarkeit wird im Folgenden nur noch die grammatikalisch männliche Form (Teilnehmer, Mitarbeiter, Qualitätsmanager usw.) verwendet. Es sind dabei aber stets Personen jeden Geschlechts gemeint.

Software für DoE

Die wichtigste Rolle der Software innerhalb der Versuchsplanung ist die Übernahme von sich wiederholenden aufwendigen Rechenoperationen. Diese umfassen die Rahmenbedingungen zur Erstellung des Versuchsplans in Abhängigkeit der Faktordefinition und die Modellierung von Ursache-Wirkungs-Modelle. Zudem unterstützt die Software bei der Beurteilung von Daten z.B. hinsichtlich ihrer Verteilung und bei der Erkennung von Ausreißern. Die Erstellung eigener Vorlagen für diese Verfahren ist sehr aufwendig und fehleranfällig. Auch wird eine eigene Software-Entwicklung / Programmierung und Validierung für automatisierte Abläufe oder gar Visualisierung sowie höherer statistische Auswertung schnell komplex (z.B. Mehrgrößenoptimierung, Monte Carlo Simulationen). Oftmals wird der Aufwand für die Validierung der Software unterschätzt und deren Übertragbarkeit für andere Fragestellungen überschätzt.

Die Palette der Software reicht von frei verfügbaren Skripten und Programmen bis hin zur Software mit Siegel "FDS Part 11 approved". Eine aktuelle Übersicht mit Leistungsspektrum bietet Kleppmann, 2016 (s.o.). Auch eine Recherche bei Wikipedia zu nicht kommerziellen Produkten ist eine Möglichkeit. Bevor Sie sich jedoch für eine Software entscheiden, lohnt es sich, einen Berater hinzuzuziehen, der Ihre Anforderungen möglichst unabhängig abstimmen kann. Die Beispiele und Darstellungen in diesem Artikel wurden mit der Software MODDE v.12.1 von Umetrics erstellt, diese Software konzentriert sich ausschließlich auf den DoE-Bereich und bietet für die Abarbeitung reichlich Unterstützung.

Aufgabengebiete