Mithilfe von statistischen Versuchsplänen soll mit möglichst wenigen Einzelexperimenten der Zusammenhang zwischen mehreren Einflussfaktoren (z.B. Temperatur und Konzentration) und einzelnen Zielgrößen (z.B. Ausbeute an Produkten) möglichst genau ermittelt werden.
Wie bereits oben beschrieben, sollen statistische Versuchspläne dazu führen, dass man mit möglichst geringem Aufwand (also möglichst wenig Versuchen) ein Maximum an Information herleiten kann.
Im Gegensatz zur “normalen” Vorgehensweise (=> Ein-Faktor-Methode), bei der in einer Versuchsreihe jeweils nur eine Einflussgröße variiert wird (die anderen Einflussgrößen werden konstant gehalten), werden bei der statistischen Versuchsplanung mehrere Einflussgrößen gleichzeitig variiert
Nachfolgend ein Überblick über die wichtigsten Versuchspläne:
– Lateinische Quadratpläne (Latin Square Designs): Es wird eine Einflussgröße und zwei Störgrößen betrachtet,
wobei die beiden Störgrößen experimentell kontrolliert in die Untersuchung eingehen.
– Griechisch-lateinische Quadratpläne (Graeco Latin Square Designs): Es wird eine Einflussgröße und
3 Störgrößen betrachtet
– Hypergriechisch-lateinische Quadratpläne (Hyper Graeco Latin Square Designs): Es wird eine Einflussgröße und mindestens 4 Störgrößen betrachtet.
Einflussgrößen sind messbare Größen wie Druck, Temperatur, Konzentration, Masse (quantitative Größen, d.h. die Größen sind skalierbar) oder unterschiedliche Katalysatoren (qualitative Größen) Strößgrößen sind beispielsweise Luftdruck, Luftfeuchte oder Umgebungseinflüsse.
In der Regel werden Faktorielle Versuchsplänen den quadratischen Versuchsplänen vorgezogen: