Faktorielle DOE erstellen und analysieren (Create & Analyse Factorial DoE)

Create Factorial DoE ist der Schritt der Versuchsplanerstellung, in dem Sie Ihr Experiment festlegen, bevor Daten erhoben werden. Sie geben die zu untersuchenden Faktoren, die Anzahl der Stufen je Faktor und die Struktur des Versuchsplans an, einschließlich Auflösung, Blöcken, Wiederholungen und Zentralpunkten.

Zuletzt geprüft

Kernaussage

Create Factorial DoE ist der Schritt der Versuchsplanerstellung, in dem Sie Ihr Experiment festlegen, bevor Daten erhoben werden.

Auf dieser Seite
  1. Was ist Create Factorial DoE?
  2. Wann wird Create Factorial DoE eingesetzt?
  3. Hinweise zur richtigen Anwendung von Create Factorial DoE
  4. Alternativen: Wann Sie Create Factorial DoE nicht verwenden sollten
  5. Was ist Analyse Factorial DoE?
  6. Wann wird Analyse Factorial DoE eingesetzt?
  7. Hinweise zur richtigen Anwendung von Analyse Factorial DoE
  8. Alternativen: Wann Sie Analyse Factorial DoE nicht verwenden sollten
  9. Beispiel für Create & Analyse Factorial DoE
  10. Anleitung: Create & Analyse Factorial DoE durchführen

Was ist Create Factorial DoE?

Create Factorial DoE ist der Schritt der Versuchsplanerstellung, in dem Sie Ihr Experiment festlegen, bevor Daten erhoben werden. Sie geben die zu untersuchenden Faktoren, die Anzahl der Stufen je Faktor und die Struktur des Versuchsplans an, einschließlich Auflösung, Blöcken, Wiederholungen und Zentralpunkten. Das Werkzeug erzeugt daraufhin einen vollständigen Satz von Versuchsläufen, der Ihnen genau angibt, welche Kombination von Faktoreinstellungen in welcher Reihenfolge zu prüfen ist.

Den Versuchsplan in diesem Stadium richtig anzulegen, ist entscheidend: Ein gut aufgebauter faktorieller Versuchsplan stellt sicher, dass Faktoreffekte genau geschätzt werden können, dass Vermengungen minimiert werden und dass das Experiment für die eingesetzten Ressourcen ein Höchstmaß an nützlicher Information liefert.

Einfache Definition: Der Planungsschritt eines faktoriellen Versuchs, in dem Sie Faktoren, Struktur des Versuchsplans und Durchführungsreihenfolge festlegen, bevor Daten erhoben werden. Ein gut geplantes Experiment führt zu klaren, verlässlichen Antworten.

Wann wird Create Factorial DoE eingesetzt?

  • Verwenden Sie es, wenn Sie einen neuen faktoriellen Versuch planen müssen, bevor Läufe durchgeführt wurden.
  • Verwenden Sie es, wenn Sie 2 bis 15 Faktoren (stetig, kategorial oder gemischt) haben und deren Einzeleffekte und Wechselwirkungen untersuchen möchten.
  • Verwenden Sie es, wenn Sie eine randomisierte, strukturierte Versuchsliste erzeugen möchten, die vor zeitabhängigen Effekten und Bedienereinflüssen schützt.
  • Verwenden Sie es, wenn Ressourcen- oder Zeitbeschränkungen einen teilfaktoriellen Versuchsplan erfordern, bei dem eine sorgfältig gewählte Teilmenge aller möglichen Kombinationen geprüft wird.

Hinweise zur richtigen Anwendung von Create Factorial DoE

  • Legen Sie realistische und praktisch erreichbare Faktorstufen fest: Die Bereiche sollten groß genug sein, um echte Effekte zu erkennen, aber während des Versuchs sicher und praktikabel einstellbar sein.
  • Führen Sie die Läufe stets in randomisierter Reihenfolge durch: Eine zufällige Reihenfolge verhindert, dass systematische zeitabhängige Effekte, Aufwärmtrends von Anlagen oder Lerneffekte der Bediener die Ergebnisse verzerren.
  • Nehmen Sie Zentralpunkte in jedes Experiment auf: Sie kosten vergleichsweise wenige Läufe, ermöglichen aber die Erkennung von Krümmung und die Schätzung des Versuchsfehlers.
  • Verwenden Sie Blöcke, wenn eine bekannte Störgröße vorliegt , etwa bei Versuchen über mehrere Tage, Schichten, Maschinen oder Rohstoffchargen, damit diese Variable die scheinbaren Faktoreffekte nicht aufbläht.
  • Wählen Sie die Auflösung danach, welche Information am wichtigsten ist : Verwenden Sie Auflösung V, wenn Zweifachwechselwirkungen wichtig sind; akzeptieren Sie Auflösung III nur für große erste Screening-Studien.

Alternativen: Wann Sie Create Factorial DoE nicht verwenden sollten

  • Wenn Sie mehr als 15 Faktoren screenenmüssen, verwenden Sie Definitive-Screening-Design erstellen zuerst, um die wichtigen Faktoren einzugrenzen, bevor Sie in einen vollfaktoriellen Versuchsplan investieren.
  • Wenn alle Faktoren Rezepturanteile sind, die sich zu einer konstanten Gesamtmenge addieren müssen, verwenden Sie stattdessen Mischungsversuchsplan erstellen : Standardmäßige faktorielle Versuchspläne können die Mischungsbedingung nicht berücksichtigen.
  • Wenn der Versuch bereits durchgeführt wurde und Sie Daten auswerten möchten, gehen Sie direkt zu Faktoriellen Versuchsplan analysieren , ohne einen neuen Versuchsplan erstellen zu müssen.

Was ist Analyse Factorial DoE?

Analyse Factorial DoE verarbeitet die in einem faktoriellen Versuch erhobenen Daten der Zielgröße und passt ein statistisches Modell an, das quantifiziert, wie jeder Faktor und ihre Wechselwirkungen die Zielgröße beeinflussen. Es ermittelt, welche Effekte statistisch signifikant sind, schätzt Größe und Richtung jedes Effekts und erstellt Diagnosediagramme und zusammenfassende Kennzahlen, um zu prüfen, ob das Modell die Daten verlässlich beschreibt.

Die Analyse macht aus rohen Versuchsmesswerten verwertbares Wissen: Sie zeigt, welche Faktoren die Zielgröße tatsächlich bestimmen, in welchem Ausmaß, und ob Faktoren auf eine Weise zusammenwirken, die bei getrennter Betrachtung nicht erkennbar wäre.

Wann wird Analyse Factorial DoE eingesetzt?

  • Verwenden Sie es, nachdem alle geplanten Versuchsläufe abgeschlossen und alle Messwerte der Zielgröße erfasst sind.
  • Verwenden Sie es, um zu ermitteln, welche Faktoren statistisch signifikante Effekte haben und welche bei der künftigen Prozessregelung unbedenklich vernachlässigt werden können.
  • Verwenden Sie es, um Größe und Richtung jedes Effekts zu quantifizieren, damit Sie nicht nur wissen, was wichtig ist, sondern auch, wie stark eine Verstellung die Zielgröße verändert.
  • Verwenden Sie es, um Wechselwirkungen zwischen Faktoren zu erkennen, bei denen die Wirkung eines Faktors von der Stufe eines anderen abhängt.

Hinweise zur richtigen Anwendung von Analyse Factorial DoE

  • Prüfen Sie stets die Residuendiagramme, bevor Sie Effekte interpretieren : Ein Modell, das die Diagnoseprüfungen nicht besteht, sollte nicht für Schlussfolgerungen oder Empfehlungen verwendet werden.
  • Verwenden Sie einen hierarchischen Modellaufbau : Ist ein Wechselwirkungsterm signifikant, behalten Sie alle an dieser Wechselwirkung beteiligten Haupteffekte bei, auch wenn diese einzeln nicht signifikant sind.
  • Berücksichtigen Sie die praktische neben der statistischen Signifikanz : Ein Effekt kann statistisch nachweisbar, aber für den Prozess praktisch zu klein sein, um eine Rolle zu spielen.
  • Bestätigen Sie das endgültige Modell mit Bestätigungsläufen bei den vorhergesagten optimalen Einstellungen, bevor Sie Prozessänderungen umsetzen: Das Modell ist eine Vorhersage, keine Garantie.
  • Wird über die Zentralpunkte eine Krümmung festgestellt, erwägen Sie, den Versuchsplan um Sternpunkte zu erweitern , um ein Wirkungsflächenmodell anzupassen, das den gekrümmten Zusammenhang richtig abbildet.

Alternativen: Wann Sie Analyse Factorial DoE nicht verwenden sollten

  • Wurde der Versuch mit einem Definitive Screening Designerstellt, verwenden Sie stattdessen Definitive-Screening-Design analysieren : Es nutzt einen speziell auf die DSD-Datenstruktur abgestimmten Algorithmus.
  • Handelte es sich um einen Mischungsversuchsplan, verwenden Sie stattdessen Mischungsversuchsplan analysieren : Die standardmäßige faktorielle Analyse berücksichtigt die Mischungsbedingung nicht korrekt.

Beispiel für Create & Analyse Factorial DoE

Die folgenden Schritte:

  1. Geben Sie die erforderlichen Daten im rechten Bereich Design & Analysis Inputs ein.
Create & Analyse Factorial DOE — figure 1

2. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.

3. Um Create & Analyse Factorial DoE zu finden, wählen Sie Statistical module> DOE>Create & Analyse Factorial DoE.

4. Klicken Sie auf Step 1. Die erforderlichen Optionen werden mit Standardeinstellungen befüllt.

5. Klicken Sie auf Step 2. Im linken Bereich unter Designed Experiments & Resultswird die Versuchsplanmatrix erzeugt. Fügen Sie die Zielgrößen (Ergebnisvariablen) als neue Spalten am Ende der Versuchsplanmatrix hinzu.

6. Suchen Sie im rechten Bereich unter Design & Analysis Inputsdie Option Responses . Wählen Sie die neu hinzugefügten Spalten der Ergebnisvariablen aus, um sie als Zielgrößen festzulegen.

7. Wählen Sie die benötigten Wechselwirkungsterme entsprechend den Anforderungen des Versuchs aus

8. Klicken Sie auf Step 3 , um die Analyse des geplanten Versuchs durchzuführen.

Create & Analyse Factorial DOE — figure 2

9. Nach Anwendung des oben genannten Werkzeugs erhalten Sie folgende Ausgabe:

Create & Analyse Factorial DOE — figure 3Create & Analyse Factorial DOE — figure 4Create & Analyse Factorial DOE — figure 5

Anleitung: Create & Analyse Factorial DoE durchführen

Gehen Sie wie folgt vor:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> DOE>Create & Analyse Factorial DoE.
  3. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie ein (Strg+V); alternativ gibt es die Option Load Example, mit der die Beispieldaten geladen werden.
  4. Füllen Sie anschließend die erforderlichen Optionen aus.
  5. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Auf dem Dashboard von Create & Analyse Factorial DoE ist das Fenster in zwei Bereiche geteilt.

Create & Analyse Factorial DOE — figure 6

Im linken Bereich befindet sich Designed Experiments & Results. Dort wird der Versuchsplan erzeugt.

Im rechten Bereich stehen folgende Optionen zur Verfügung:

Load example: Lädt einen vorbereiteten Beispieldatensatz, damit Sie das Werkzeug erkunden und den Ablauf verstehen können, bevor Sie eigene Daten eingeben.

  • Step 1: Fetch Design Options : Damit werden die oben erläuterten Optionen automatisch ausgefüllt
    Step 2: Create Designed Experiments: Erzeugt die Versuchspläne im linken Bereich (Designed Experiments & Results)
    Step 3: Analyse Experiments
    • Resolution: Legt fest, wie viel Information der teilfaktorielle Versuchsplan ohne Vermengung schätzen kann. Versuchspläne mit höherer Auflösung trennen Haupteffekte und Wechselwirkungen sauberer, erfordern aber mehr Läufe:

      1. Vollfaktorieller Versuchsplan (volle Fraktion)

      Ein vollfaktorieller Versuchsplan ist ein Versuchsplan, in dem alle möglichen Kombinationen der Faktorstufen geprüft werden.

      Wesentliche Merkmale

      Vorteile

      Nachteile

      Beispiel

      Für 3 Faktoren (A, B, C) mit je 2 Stufen:
      Gesamtzahl der Läufe = 2³ = 8 Läufe

      2. Teilfaktorieller Versuchsplan (halbe Fraktion – 1/2-Fraktion)

      Ein Halbfaktorplan (1/2-Fraktion) ist eine Art teilfaktorieller Versuchsplan, bei dem nur die Hälfte der Läufe eines vollfaktoriellen Versuchsplans durchgeführt wird.

      Wesentliche Merkmale

      Vorteile

      Nachteile

      Beispiel

      Für 3 Faktoren (A, B, C):
      Vollfaktoriell = 8 Läufe
      Halbe Fraktion = 2³⁻¹ = 4 Läufe
      • Bei k Faktorenmit je 2 Stufen beträgt die Gesamtzahl der Läufe:
        2ᵏ
      • Bewertet jede mögliche Wechselwirkung zwischen den Faktoren.
      • Liefert vollständige und unvermengte Information.
      • Kein Informationsverlust durch Aliasing.
      • Höchste Genauigkeit.
      • Alle Haupteffekte und Wechselwirkungseffekte können unabhängig voneinander geschätzt werden.
      • Keine Mehrdeutigkeit bei der Interpretation.
      • Die Anzahl der Läufe steigt mit der Anzahl der Faktoren rasch an.
      • Kann zeitaufwendig und kostspieligsein.
      • Bei k Faktoren beträgt die Anzahl der Läufe:
        2ᵏ⁻¹
      • Verringert die Anzahl der Versuchsläufe um 50 %.
      • Verwendet eine Teilmenge der Kombinationen , die systematisch ausgewählt wird.
      • Einige Effekte sind mit anderen vermengt (aliased) .
      • Erfordert weniger Versucheund spart so Zeit und Kosten.
      • Nützlich in frühen Versuchsphasen (Screening wichtiger Faktoren).
      • Einige Effekte lassen sich nicht trennen (aufgrund von Aliasing).
      • Die Interpretation kann weniger eindeutig sein als bei vollfaktoriellen Versuchsplänen.
    • Centre Points per Block: Die Anzahl der Läufe im Mittelpunkt aller Faktorbereiche, die in jedem Block hinzugefügt werden. Zentralpunkte helfen, Krümmung in der Zielgröße zu erkennen, und liefern eine unabhängige Schätzung des Versuchsfehlers, ohne zusätzliche Faktorkombinationen zu erfordern.
    • Replicates for Corner Points: Wie oft jeder Eckpunkt (extreme Faktorkombination) wiederholt wird. Zusätzliche Wiederholungen erhöhen die Präzision der Effektschätzungen und liefern eine verlässlichere Fehlerschätzung, erhöhen aber die Gesamtzahl der erforderlichen Läufe.
    • Blocks: Teilt das Experiment in Gruppen von Läufen, die unter gleichen Bedingungen durchgeführt werden, zum Beispiel nach Tag, Bediener oder Anlage. Die Blockbildung entfernt bekannte Streuungsquellen aus der Analyse und ergibt sauberere Schätzungen der Faktoreffekte.
    • Responses: Fügen Sie die Zielgrößen (Ausgangsmesswerte) hinzu, die während des Versuchs erhoben werden. Sie sollten im Arbeitsblatt als neue Spalten unmittelbar nach der letzten Spalte der Versuchsplanmatrix eingetragen werden. Sobald die Spalten der Zielgrößen hinzugefügt sind, wählen Sie über die Option Responses die neu hinzugefügte Spalte aus, die die Ausgangsvariable ist. So wird sichergestellt, dass die Versuchsergebnisse für die weitere Analyse korrekt den festgelegten Zielgrößen zugeordnet werden.
    • Select Terms: Wählen Sie, welche Modellterme (Haupteffekte, Zweifachwechselwirkungen, quadratische Effekte) in das Analysemodell aufgenommen werden. Standardmäßig sind die Haupteffekte enthalten; fügen Sie Wechselwirkungsterme hinzu, wenn Sie erwarten, dass sich Faktoren gegenseitig beeinflussen.
    • Damit wird die Analyse des von Ihnen erzeugten Versuchsplans erstellt.
  • Download as Excel: Damit wird das Ergebnis im Excel-Format ausgegeben, das sich leicht bearbeiten und über die Option load file erneut für Berechnungen laden lässt.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem vollfaktoriellen und einem teilfaktoriellen Versuchsplan?

Ein vollfaktorieller Versuchsplan prüft jede Kombination der Faktorstufen: Bei k Faktoren mit 2 Stufen sind das 2ᵏ Läufe, die vollständige, unvermengte Schätzungen aller Haupteffekte und Wechselwirkungen liefern. Eine halbe Fraktion umfasst 2ᵏ⁻¹, also die Hälfte der Läufe, und spart Zeit und Kosten, dafür sind einige Effekte vermengt (aliased) und lassen sich nicht trennen.

Wann sollte man eine faktorielle DOE einsetzen?

Setzen Sie sie ein, um einen Versuch mit 2 bis 15 stetigen, kategorialen oder gemischten Faktoren zu planen, wenn Sie deren Einzeleffekte und Wechselwirkungen untersuchen möchten. Wählen Sie einen teilfaktoriellen Versuchsplan, wenn Ressourcen oder Zeit die Anzahl der Läufe begrenzen. Bei mehr als 15 Faktoren screenen Sie zuerst mit einem Definitive Screening Design; für Rezepturanteile verwenden Sie einen Mischungsversuchsplan.

Warum fügt man einem faktoriellen Versuchsplan Zentralpunkte, Wiederholungen und Blöcke hinzu?

Zentralpunkte kosten vergleichsweise wenige Läufe, erkennen aber Krümmung und liefern eine unabhängige Schätzung des Versuchsfehlers. Wiederholte Eckpunkte verbessern die Präzision der Effektschätzungen. Blöcke fassen Läufe zusammen, die unter gleichen Bedingungen durchgeführt werden, etwa an einem Tag, durch einen Bediener oder an einer Maschine, damit eine bekannte Störgröße die scheinbaren Faktoreffekte nicht aufbläht.

Wie analysiert man einen faktoriellen Versuch?

In Zometric Statistical Software ruft Step 1 die Versuchsplanoptionen ab und Step 2 erzeugt die Versuchsplanmatrix; fügen Sie die Spalten der Zielgrößen am Ende hinzu, wählen Sie sie als Responses aus, wählen Sie die Modellterme und klicken Sie auf Step 3, um die Analyse durchzuführen. Prüfen Sie die Residuendiagramme, bevor Sie Effekte interpretieren, behalten Sie die an signifikanten Wechselwirkungen beteiligten Haupteffekte bei und bestätigen Sie das vorhergesagte Optimum mit Bestätigungsläufen.