Niveau: Fortgeschritten
Berufsfunktion: Analyst / Wissenschaftler / Ingenieur
Mattia Vallerio, Datenwissenschaftlerin, BASF Antwerpen
Salvador Santiago, Teamleiter für Lean Six Sigma, BASF Antwerpen
Die statistische Versuchsplanung (DOE) ist ein leistungsstarkes Werkzeug, um innerhalb begrenzter Zeit und mit begrenzten Ressourcen ein Maximum an Informationen zu gewinnen. Die meisten verfügbaren DOE-Techniken konzentrieren sich hauptsächlich auf die Versuchsplanung für weitgehend kontrollierbare Versuchsanordnungen, d. h. für Labore oder Pilotumgebungen. Wie sieht es mit einem groß angelegten Fertigungsprozess aus, bei dem das Signal-Rausch-Verhältnis sehr niedrig ist, einige Eingangsparameter nicht vollständig kontrollierbar sind, Interaktion und Korrelation zwischen Parametern die Regel sind und die Versuchskosten unerschwinglich sind? Ist DOE noch eine Option? Woher wissen wir, ob es sinnvoll ist, weiter zu experimentieren?
Dieser Vortrag untersucht die Verwendung von JMP zur Definition von DOE-Kampagnen für Fertigungsprozesse im großen Maßstab anhand konkreter Anwendungsfälle. Die Autoren beleuchten zunächst die Herausforderungen der DOE für solche Prozesse und präsentieren und demonstrieren anschließend eine Methodik in JMP zur Lösung dieses Problems. Dabei nutzen wir den typischen Vorteil solcher Fertigungsprozesse: das Vorhandensein historischer Daten.
Der Hauptzweck dieses Beitrags besteht darin, innerhalb der JMP-Community eine konstruktive Diskussion über das vorgestellte Problem anzustoßen und die Entwicklung weiterer Verbesserungen der DOE-Techniken anzustoßen.
