Design of Experiments ist ein leistungsstarkes Tool, mit dem Benutzer Prozesse, Produkte oder Systeme optimieren und verbessern können, indem sie die Schlüsselfaktoren identifizieren, die das Ergebnis beeinflussen, und die optimalen Einstellungen für diese Faktoren bestimmen. Dies führt zu höherer Effizienz, verbesserten Endprodukten und drastisch niedrigeren Kosten.
Diese 6-teilige Webserie wurde entwickelt, um Ihnen dabei zu helfen, die Möglichkeiten der Versuchsplanung (Design of Experiments, DOE) zu erschließen.
Für diejenigen, die DOE noch nicht kennen, wird die Serie Ihnen helfen, die Vorteile der Verwendung von DOE gegenüber herkömmlichen Methoden zu verstehen und Ihnen den Einstieg zu erleichtern. Für diejenigen, die bereits DOE verwenden, wird die Serie dabei helfen, noch mehr Informationen aus den Designs zu extrahieren, die Sie ausführen.
Sitzung 1: Was ist Versuchsplanung? Klicken Sie hier, um es anzusehen
Lernen Sie bei uns die Grundlagen der statistischen Versuchsplanung (DOE) kennen. In dieser Sitzung wird gezeigt, wie sich diese experimentelle Methode von herkömmlichen Methoden unterscheidet und wie sie es Wissenschaftlern und Ingenieuren ermöglicht, den Return on Investment in ihr Experiment zu maximieren.
Sitzung 2: Erste Schritte mit Easy DOE – Klicken Sie hier, um es anzusehen
Neu bei DOE? Kein Problem! Easy DOE ist eine geführte Plattform, die Ihnen den Einstieg in DOE erleichtert. Erfahren Sie, wie Sie ein Experiment in einem einzigen geführten Prozess entwerfen und analysieren. Sobald Sie mit den Grundlagen von DOE vertraut sind, erfahren Sie, wie Sie nahtlos zu Standard-DOE-Ansätzen übergehen können.
Sitzung 3: Optimale Experimente mit modernen DOE-Methoden entwerfen - Klicken Sie hier, um es anzusehen
Moderne DOE-Methoden ermöglichen es Ihnen, ein Experiment zu erstellen, das zu Ihrem System passt. Erfahren Sie, wie Sie die Einschränkungen herkömmlicher DOE mithilfe der Custom Design-Plattform überwinden können. Nachdem Sie das Design erstellt haben, verwenden Sie verschiedene Tools, um verschiedene Designs zu erkunden und zu vergleichen, um sicherzustellen, dass Sie das beste Design zur Unterstützung Ihrer Ziele erstellen.
Sitzung 4: Formulierungsoptimierung mit Mischungs-DOE – Klicken Sie hier, um es anzusehen
Farbe, Salatdressing, Seife. Was haben Sie gemeinsam? Es sind alles Mischungen. Um eine Mischung zu optimieren, müssen Sie die Anteile der Zutaten oder Komponenten ändern und dabei die Gesamtmasse bzw. das Gesamtvolumen beibehalten. Wenn dies nach einem System klingt, mit dem Sie arbeiten, lernen Sie bei uns, wie Sie Mischungs-DOEs erstellen und analysieren.
Sitzung 5: Mit weniger mehr erreichen – Klicken Sie hier, um es anzusehen
Verwenden Sie in Ihren Experimenten bereits einen DOE-Ansatz und möchten mit weniger Experimenten weiterhin mehr Informationen extrahieren? Erfahren Sie bei uns mehr über fortgeschrittene Screening-Designs und wie Sie DOEs erweitern können, um auf früheren Experimenten aufzubauen. Das Definitive Screening Design (DSD) ist ein effizientes Screening-Design, das eine Plattform zur Reduzierung der Gesamtzahl von Experimenten bietet UND zusätzliche Informationen über das System liefert. Die Erweiterung eines DOE ist eine Methode, die Ihnen hilft, auf früheren Experimenten aufzubauen. Erfahren Sie, wie Sie mit einem einfachen Screening-Design beginnen und darauf aufbauen können, um mehr zu erfahren, ohne mit einem neuen Design beginnen zu müssen.
Sitzung 6: Fortgeschrittene DOE-Themen – Klicken Sie hier, um es anzusehen
JMP erweitert weiterhin die Grenzen dessen, was mit DOE in Bezug auf neue Funktionen und Plattformen möglich ist. Diese Sitzung konzentriert sich auf zwei dieser Fähigkeiten: Funktionales DOE und selbstvalidierende Ensemblemodelle (SVEM). Funktionsdaten sind zweidimensionale Daten wie eine Kinetikkurve, eine Wärmeentwicklung über die Zeit, eine Partikelgrößenverteilung oder ein chemisches Spektrum. Mit einem funktionalen DOE können Sie die gesamte Reaktionskurve (anstelle eines einzelnen Parameters) optimieren. Mit selbstvalidierenden Ensemble-Modellen (SVEM) können Sie dank fortschrittlicher Modellierungsalgorithmen noch weniger Experimente in Ihrem Design durchführen.
