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:
Die statistische Versuchsplanung oder Design of Experiments (DoE) ist eine statistische Methode zur Planung, Durchführung und Auswertung von Experimenten mit dem Ziel, die Auswirkungen verschiedener Variablen auf ein Ergebnis zu verstehen.
DoE hilft dabei, den Einfluss verschiedener Variablen zu verstehen und bietet eine strukturierte und effiziente Methode zur Datenerhebung. Sie kann dazu beitragen, die Qualität von Produkten oder Prozessen zu verbessern und Ressourcen zu sparen.
Die Schlüsselkomponenten eines DoE sind die Eingabe- und Ausgabevariablen, das Experimentdesign, die Durchführung des Experiments und die Auswertung der Ergebnisse.
Eine Eingabevariable (manchmal auch als unabhängige oder faktorielle Variable bezeichnet) in einem DoE sind Variablen, die in dem Experiment manipuliert werden, um ihre Auswirkungen auf die Antwortvariable zu beobachten.
Eine Ausgabe- oder Antwortvariable in einem DoE ist die Variable, deren Änderungen in Abhängigkeit von den Manipulationen der Eingabevariablen gemessen werden.
Ein factorielles Design ist eine Art von Versuchsplan, bei dem alle möglichen Kombinationen von Faktorstufen in den Experimenten berücksichtigt werden.
Die Resultate eines Experiments in einem DoE können analysiert werden, indem statistische Modelle wie die Varianzanalyse (ANOVA) oder Regressionsmodelle verwendet werden.
Die Wiederholungen in einem DoE helfen dabei, die Variabilität in den Daten zu schätzen und die Effekte der Faktoren genauer zu bestimmen.
Die Varianzanalyse (ANOVA) ist eine statistische Methode, die in DoE verwendet wird, um zu ermitteln, ob die Mittelwerte von mehreren Gruppen signifikant voneinander abweichen.
Statistische Versuchsplanung (DoE) ermöglicht es, die Interaktionen zwischen Faktoren zu erfassen, die in traditionellen Testmethoden übersehen werden könnten. Sie hilft dabei, die Anzahl der notwendigen Experimente zu minimieren und erhöht gleichzeitig die Qualität und Zuverlässigkeit der Ergebnisse.