Stufe: Fortgeschritten
Jobfunktion: Analyst / Wissenschaftler / Ingenieur
Industrie: Herstellung
Mattia Vallerio, Data Scientist, BASF Antwerpen
Salvador Santiago, Teamleiter für Lean Six Sigma, BASF Antwerpen
Design of Experiments (DOE) ist ein leistungsfähiges Werkzeug, um die maximale Informationsmenge innerhalb einer begrenzten Zeit oder Ressourcen zu erhalten. Die meisten verfügbaren DOE-Techniken konzentrieren sich hauptsächlich auf das Entwerfen von Experimenten für Setups, die weitgehend kontrolliert werden können, dh in Labors oder Pilotumgebungen. Wie wäre es mit einem Herstellungsprozess im Weltmaßstab, bei dem das Signal-Rausch-Verhältnis sehr niedrig ist, einige Eingangsparameter nicht vollständig gesteuert werden können, wo Interaktion und Korrelation zwischen Parametern die Norm ist und wo experimentelle Kosten zu hoch sind? Ist DOE noch eine Option? Woher wissen wir, ob es sinnvoll ist, weiter zu experimentieren? In diesem Vortrag wird die Verwendung von JMP zur Definition von DOE-Kampagnen für Fertigungsprozesse im Weltmaßstab anhand von konkreten Anwendungsfällen untersucht. Die Autoren werden zunächst auf die Herausforderungen hinweisen, mit denen DOE für solche Prozesse konfrontiert sind, und anschließend eine Methodik in JMP vorstellen und demonstrieren, um dieses Problem anzugehen. Um dies zu erreichen, nutzen wir den einzigen Vorteil eines solchen Herstellungsprozesses: das Vorhandensein historischer Daten. Der Hauptzweck dieses Beitrags ist es, innerhalb der JMP-Community eine konstruktive Diskussion über das vorgelegte Problem zu beginnen und die Entwicklung einer weiteren Verbesserung der DOE-Techniken auszulösen.
