In den 1930er Jahren wurde die statistische Versuchsplanung als ein Verfahren zur Optimierung von landwirtschaftlichen Prozessen entwickelt. Ausgehend davon hat sich DoE - abgeleitet vom englischen Begriff für statistische Versuchsplanung "Design of Experiments" - zu einem Standardverfahren zur Prozess- und Produkt-Optimierung in nahezu allen industriellen Bereichen entwickelt. Das betrifft pharmazeutische Anwendungen, Entwicklungen im Bereich Automotive und auch ganz besonders die Halbleiterindustrie. Darüber hinaus wird die Versuchsplanung heutzutage bei der Planung psychologischer Experimente oder auch beim Optimieren von Marketingkampagnen angewendet.

Kerngedanke der Versuchsplanung ist, durch konkrete Planung von Experimenten, genau die richtigen Versuche durchzuführen, um ein bestimmtes Problem zu lösen. D.h. die statistische Versuchsplanung stellt sicher, dass die richtigen Experimente durchgeführt werden - nicht zu viele und auch nicht zu wenige. 

Klassische Versuchsplanung

Die klassische Versuchsplanung stellt auch heute noch die am häufigsten angewandte Variante von Design of Experiments dar. Die klassische Versuchsplanung zeichnet sich dadurch aus, dass die verwendeten Versuchspläne klar strukturiert und einfach nachvollziehbar sind. Für einen großen Teil aller Anwendungen sind die klassischen Pläne die passende Lösung.

Die klassische Versuchsplanung ist ein Grundpfeiler von allgemeineren Paradigmen, wie Six-Sigma oder Quality-by-Design.

Optimale Versuchsplanung

In bestimmten Bereichen stellen sich die klassischen Pläne jedoch als zu unflexibel heraus. Die Schule der optimalen Versuchsplanung folgt deshalb dem Grundsatz nicht das Problem an den Versuchsplan, sondern den Versuchsplan an das Problem anpassen zu wollen. Dazu werden - zum Teil komplexe - statistische Optimalitätskriterien (üblicherweise D-Optimalität und I-Optimalität) verwendet um Versuchspläne mit einer höheren Flexibilität zu erstellen.

Die optimale Versuchsplanung bietet Lösungen für Situationen in denen die klassischen DoEs nicht weiterhelfen.

Design of Experiments für Mischungsexperimente

Eine Spezialanwendung stellen Mischungsexperimente dar. Das sind Anwendungen in denen jeder einzelne Versuch daraus besteht verschiedene Komponenten zu einem Gemisch zu vereinen. Diese Art von Versuchsaufbau hat bestimmte Auswirkungen sowohl auf das Aufstellen eines DoEs und auch für die statistische Auswertung der resultierenden Daten.

Deshalb wurden spezielle Varianten klassischer und optimaler Versuchspläne entwickelt, die genau dieses Thema adressieren.

Split-Plot Designs

Ein weiteres wichtiges Spezialgebiet der Versuchsplanungs sind sogenannte Split-Plot-Designs. Dabei geht es um Probleme mit schwer einzustellenden Faktoren. In einem klassischen oder auch optimalen Versuchsplan kann es passieren, dass der Experimentator einen bestimmten Einflußfaktor oft in unterschiedlichen Einstellungen untersuchen muss. Z.B. bei Temperaturen stellt es oft eine Schwierigkeit dar die vielen voneinander unabhängigen Versuche eines DoEs mit jeweils unterschiedlichen Temperaturen durchzuführen.

Split-Plot-Designs sind eine Antwort für diese häufig auftretende Herausforderung.

Interessante Produkte zum Thema

Design Expert für Mac und Windows

Die zurzeit populärste Software für statistische Versuchsplanung, DoE, Prozessoptimierung und Mixturen. Die Bedienung von Design-Expert ...

zum Produkt

Minitab

Minitab ist eine leistungsstarke Statistiksoftware für die Qualitätsverbesserung und Six Sigma Prozesse.

zum Produkt

The Unscrambler

Der Unscrambler ist eine führende Anwendung in Spektroskopie und Chemometrie und verbindet Versuchsplanung mit multivariater ...

zum Produkt

NCSS/PASS Bundle

Das Bundle vereint die Vorzüge von den beiden Tools NCSS und PASS

zum Produkt

Alle Artikel der Kategorie "Versuchsplanung"

Software zur Versuchsplanung

Gute Versuchsplanungs-Software gibt Ihnen eine umfangreiche Auswahl an unterschiedlichen Versuchsplänen für alle möglichen praktischen Situationen.

zur Kategorie