Robert Anderson , JMP Senior Statistical Consultant, SAS robert.anderson
Wissenschaftler und Ingenieure müssen oft die optimalen Einstellungen oder Betriebsbedingungen für ihre Prozesse oder Produkte finden, um Ertrag, Leistung und Spezifikationskonformität zu maximieren. Die meisten kennen den Begriff „Maximierung der Erwünschtheit“ im Zusammenhang mit der Prozessoptimierung, doch Simulationsexperimente sind ein wenig bekanntes Feature des JMP Prediction Profilers. Überraschenderweise sind die Einstellungen, die den höchsten Ertrag oder die beste Leistung vorhersagen, nicht immer auch die optimale Lösung für den Prozessbetrieb auf lange Sicht. Die meisten Prozesse und Produkte unterliegen einem gewissen Grad an Abweichungen oder Schwankungen, und die optimalen Betriebsbedingungen müssen dies berücksichtigen. Simulationsexperimente leisten genau das und gehen über die Maximierung der Erwünschtheit hinaus, indem sie die robustesten Prozesseinstellungen finden, die Schwankungen in Ertrag oder Leistung minimieren. Sie stellen außerdem sicher, dass der Prozess oder das Produkt den Spezifikationen so genau wie möglich entspricht. Anhand einer Fallstudie veranschaulicht diese Arbeit, wie Simulationsexperimente dies erreichen und wie sie unter bestimmten Umständen eine robustere Lösung bieten können als die Maximierung der Erwünschtheit.
