Referat ber das Thema

Design of Experiments (DoE)

Erstellt im Rahmen der Lehrveranstaltung Qualittsmanagement WS 2005/06

Lehrveranstaltungsleiter Dipl.-Ing. Dr. Stefan Vorbach, Institut fr Innovations- und Umweltmanagement Universitt Graz

Erstellt von Dipl.-Ing. Manfred Pircher Schiestattgasse 53/3/15 8010 Graz Graz, am 12. Dezember 2005

Inhaltsverzeichnis

Inhaltsverzeichnis
Inhaltsverzeichnis ........................................................................................................ I Abbildungsverzeichnis ................................................................................................. I 1 Einleitung............................................................................................................. 2 2 Geschichte und Entwicklung von DoE................................................................. 3 3 Vorgehensweise beim DoE ................................................................................. 4 4 Resmee ............................................................................................................. 7 Literaturverzeichnis .................................................................................................... 7

Abbildungsverzeichnis
Abbildung 1: Entwicklung des DoE............................................................................. 3 Abbildung 2: One Factor by One - Versuchsplan ....................................................... 5 Abbildung 3: Orthogonaler Versuchsaufbau nach Taguchi ........................................ 6

Fehler! Formatvorlage nicht definiert.

WS2005/06

1 Einleitung
Fr die Auslegung eines Produktes und dessen Merkmale und Spezifikationen innerhalb einer Unternehmung werden oftmals durch Jahrzehnte hinweg gewachsene Regelwerke und Methoden verwendet dazu zhlen auch Berechnungs- und Simulationsmethoden.1 Um im zunehmenden Verdrngungswettbewerb das erstellte Produkt am Markt gewinnbringend positionieren zu knnen, ist eine hervorragende Qualitt nicht nur des Produktes an sich sondern auch des Produkterstellungsprozesses unabdingbar. Gerade dieser Produkterstellungsprozess ist dadurch charakterisiert, dass zahlreiche Einflsse als Strgren auf diesen Prozess wirken knnen. Zur Bestimmung der systematischen Einflsse auf die Prozess- und Produktmerkmale gibt es mehrere Verfahren, die mehrheitlich von japanischen Unternehmungen entwickelt wurden und so diesen einen Vorsprung in Richtung Qualittsfhrerschaft gegenber amerikanischen und europischen Unternehmungen gebracht haben.2 Eine dieser Methoden ist das Design of Experiments, kurz DoE, das von Taguchi schon vor mehreren Jahrzehnten entwickelt wurde. Ziel dieser Methode ist ein optimierter Prozessablauf, der eine qualittsgerechte und strungsfreie Produktion mit sich bringt. Diese Optimierungsmethoden sind dadurch berechtigt anzuwenden, da im Verdrngungswettbewerb darauf abgezielt werden muss, kundengerechte Produkte herzustellen, die neben den Eigenschaften, mglichst unempfindlich gegenber Herstellschwankungen und unterschiedlicher Verwendungen beim Kunden zu sein, mglichst kurzfristig in Serie produziert werden zu knnen zustzlich auch kostengnstig sein sollen.3 Die Methode des DoE bringt nicht nur einen strungsfreien und somit geringere, unerwartete Kosten verursachenden Prozessablauf mit sich, sondern versucht schon in der Lsungsfindung desselbigen mglichst Kosten hierfr zu vermeiden, denn DoE stellt eine Vorgehensweise dar, um mit einem Minimum an Experimenten (Aufwand) zu statistisch abgesicherten, in ihrer Aussagekraft definierten Resultaten (Nutzen) zu gelangen.4

1 2

Vgl. Danzer (1995), S.78 Vgl. Vorbach (2005), S.82f. 3 Vgl. Danzer (1995), S.78 4 Herb (1998), S.44

Fehler! Formatvorlage nicht definiert.

WS2005/06

2 Geschichte und Entwicklung von DoE

Das Grundprinzip der Methode des DoE ist schon seit mehreren Jahrzehnten bekannt und reicht bis in die 1920er Jahre zurck.5 Wie schon in der Einleitung erwhnt, war es der Japaner Taguchi, der die Wurzeln der Methode aufgriff und in den 1960ern und 1970ern weiterentwickelte. Die weitere Entwicklung rund um die Methode des DoE zeigt Abbildung 1.

Abbildung 1: Entwicklung des DoE

Die Fortschritte in der Regressionstheorie in den 1980ern wurden durch Erkenntnisse aus den Gebieten Maschinenlernen und neuronale Netze ergnzt, welche verstrkt mit den Fortschritten in der Computertechnik zu der heutigen Dynamik gefhrt hat.6

5 6

Vgl. Rpke et al. (2005), S.5 Vgl. Rpke et al. (2005), S.6

Fehler! Formatvorlage nicht definiert.

WS2005/06

3 Vorgehensweise beim DoE

Um nun einen Prozess, der oftmals zahlreiche Einfluss- und Strgren besitzt, zu optimieren und somit sein Verhalten aufgrund dieser Gren zu kennen, ist es unerlsslich Experimente durchzufhren, denn experimental research is the only type of research that allows the researcher to describe, define, or discover causal relationships.7 Unter dem Motto Vom Versuch zu planen, zur Planung von Versuchen8 erfolgt der Ablauf des DoE grundstzlich in drei Schritten. Diese sind:9 Systemdesign, wo die systematische Entwicklung der Produkteigenschaften und des Herstellungsprozesses erfolgt. Parameterdesign, das die Entwicklung von Steuergren des Prozesses zur Kontrolle der Produktmerkmale und die Auswirkungen von nderungen dieser Steuergren auf die Produktmerkmale unter Einwirkung der Strgren beinhaltet. Das Versuchsergebnis ist hierbei zum einen die Kombination an Steuergren, die den Zielwert am ehesten erreichen lsst und zum anderen die Kombination der Steuergren in Abhngigkeit der Strgren, die die Streuung des Zielwertes minimiert. Toleranzdesign, in dem die Toleranzen der Steuergren und des Prozesses festgelegt werden. Etwas detaillierter besteht nun der Ablauf aus den Schritten10: Zielgren festlegen: Hierbei gilt es primr festzulegen, welche Gre an sich (Ziel) und in welchem Ausma diese Gre (Zielwert) erreicht werden soll. Steuergren identifizieren, priorisieren und deren Einstellungen definieren: Gerade bei der Auswahl von Einfluss- oder Steuergren sind andere Qualittsmethoden wie beispielsweise das Ursache-WirkungsDiagramm oder auch Ishikawa-Diagramm genannt als Visualisierungstechnik hilfreich. Dabei sollen vorerst einmal mglichst alle bzw. viele Einflussgren bestimmt werden und erst in einem weiteren Schritt soll eine Auswahl der fr die Optimierung tatschlich relevanten Steuergren mit hoher Prioritt getroffen werden. Dabei ist es durchaus frdernd, im Rahmen eines Simultaneous Engineering die Erfahrungen der Mitarbeiter zu nutzen. Um ein vernnftiges Ausma an Steuergren (weniger als 10) zu erhalten, ist es vonnten Kompromisse einzugehen, wobei die Auswahl mit Bedacht getroffen werden muss, denn die Auswahl der zu optimierenden Parameter ist ausschlaggebender fr das Ergebnis als das gewhlte mathematische Optimierungsverfahren. Versuchsplan selektieren mit dem Ziel der Optimierung unter dem Aspekt des Aufwands und der resultierenden Aussagen. Die Optimierungsziele der systematisch geplanten Versuche knnen unterschiedlicher Natur sein. Beispielsweise knnen Maximalwerte (Leistung, Haltbarkeit, Wirkungsgrad,), Minimalwerte (Gewicht, Verbrauch, Beanspruchungen, Ausflle, Kosten,), ganz bestimmte Zielwerte (Form, Lage,
7 8

Luftig/Jordan (1998), S.32 Herb (1998), S.45 9 Vgl. Vorbach (2005), S.113 10 Vgl. Herb (1998), S.45 und Danzer (1995), S.79ff.

Fehler! Formatvorlage nicht definiert.

WS2005/06

Oberflchenbeschaffenheit, Signalpegel, Konzentrationen,) oder eine Minimierung der Streuungen der Einzelwerte gefordert sein. Die Selektion der Versuchsdurchfhrung stellt den Kernpunkt der Methode von Taguchi dar und wird im Anschluss nher betrachtet. Statistische Auswertungen hinsichtlich der Signifikanz, den Wirkungen, den Wechselwirkungen und der Optima durchfhren. Im Rahmen der Bewertung der Optimierungsergebnisse sollen auf jeden Fall die gewichteten Kundenanforderungen, die Herstellkriterien und diverse Risikobetrachtungen herangezogen werden. Mit der erhaltenen Kombination der Steuergren fr die Optimallsung mssen zustzlich unbedingt Besttigungsversuche durchgefhrt werden. Aussage fixieren und Kommunikation der Ergebnisse und der Lsungen betreiben, um die Einflsse auf die weiteren Schritte im Rahmen der Produkterstellung festzulegen.

Optimierungsverfahren Im Rahmen der Findung der Optimallsung fr den Prozess sind verschiedene Methoden und Verfahren mglich. Ein-Gren-Optimierung bzw. One Factor by One Versuche: Stellt die traditionelle Methode der Versuchsdurchfhrung dar, bei der die Optimierung durch nderungen einer Steuergre nach der anderen erzielt wird. Wenn dabei die bestmgliche Einstellung fr eine Gre gefunden wird, wird diese konstant gehalten und die nchste Gre verndert, bis wiederum deren Optimum gefunden ist. Vereinfacht ist diese Methode in Abbildung 2 dargestellt, in der sieben Einflussfaktoren betrachtet werden. Dabei wird ein Grundversuch mit allen Einflussgren auf der Ausgangsstufe mit der Einstellung 1 durchgefhrt. Danach wird in den folgenden Versuchen ein Faktor gendert und auf die Einstellung 2 gesetzt, whrend die anderen Einflussfaktoren in der Einstellung 1 bleiben bzw. wieder auf diese zurckgesetzt werden. Um nun die Auswirkung einer Einflussgre auszuwerten, muss das Ergebnis des jeweiligen Versuchs in dem die betrachtete Einflussgre auf die Stufe 2 gesetzt wurde, mit dem Ergebnis des Grundversuchs verglichen werden. Das Problem dieser Methode ist, dass es in der Realitt schwer mglich ist, die vernderten Einflussgren wieder exakt auf die Einstellung des Grundversuchs zu bringen.

Abbildung 2: One Factor by One - Versuchsplan

Fehler! Formatvorlage nicht definiert.

WS2005/06

Reprsentative One by One Versuchsplanung: Aufgrund der Beeinflussung des Versuchsergebnisses durch die nicht exakte Rcksetzung der Einflussgren auf die Grundstufe muss fr eine reprsentatives Ergebnis die Versuchsreihe wiederholt werden. Aus der Wiederholung lsst sich zumindest eine grobe Mittelwertbildung erreichen. Der Nachteil dieser Methode ist der groe zeitliche und finanzielle Aufwand fr die Versuchsdurchfhrung. Wenn das System mit sieben Einflussfaktoren vier Mal getestet wird, sind so in Summe 4 x 8 = 32 Versuche notwendig. Vollstndige Rastermessung: Bei der Versuchsdurchfhrung ist zustzlich zu bedenken, dass oftmals Einflussgren nicht nur den Zustand 1 und 2 annehmen knnen, sondern in verschiedensten Abstufungen auftreten knnen. Fr das Auffinden des globalen Optimums des zu untersuchenden Systems mssten alle Kombinationen durch Versuche gemessen werden. Wrde beispielsweise die sieben Einflussfaktoren aus Abbildung 2 jeweils in zehn Abstufungsgraden auftreten d.h. Zustnde 1 bis 10 mssten im Sinne der vollstndigen Rastermessung 107 (10 Millionen) Messungen durchgefhrt werden. Versuchsplanung nach Taguchi: Um Zeit und Kosten fr die Versuchsdurchfhrung zu sparen, schlgt Taguchi die Nutzung einer bestimmten Verkrzungsvariante der so genannten Orthogonaltafeltechnik der statistischen Versuchsplanung vor. In dieser Methode wird wieder ein Grundversuch mit allen Werten der Einflussgren in der Grundeinstellung durchgefhrt, die weiteren Versuche weisen aber eine Mischung aus unvernderten und vernderten Einflussgren jener Gestalt auf, dass jede Einflussgre vier Mal im Grundzustand und im vernderten Zustand auftritt und zustzlich jeder Versuch eine andere Kombination der Einflussgren aufweist (vgl. Abbildung 3). Fr die Berechnung der Einflsse einzelner Faktoren erhlt man ein System mit acht unabhngigen (orthogonalen) Gleichungen fr sieben Unbekannte, das sich lsen lsst.

Abbildung 3: Orthogonaler Versuchsaufbau nach Taguchi

Im Rahmen der Auswertung werden die vier gemittelten Versuchsergebnisse, bei denen die Einflussgre auf der Stufe 2 steht, mit jenen vier Ergebnissen, wo der Faktor auf Stufe 1 steht, verglichen. Es wird mit dieser Methode die gleiche Aussagesicherheit wie bei der One Factor by One Methode erreicht, aber nur ein Viertel des Versuchsaufwands bentigt. Zustzlicher Aufwand entsteht aber durch die Durchfhrung von Besttigungsversuchen. 6

Fehler! Formatvorlage nicht definiert.

WS2005/06

4 Resmee
Die Notwendigkeit nach verkrzten und Kosten sparenden Entwicklungsprozessen erfordert auch eine Reduktion in Zeit und Kosten fr die Durchfhrung von Versuchen. Um dies zu erreichen, mssen Versuchsablufe und Experimente designt werden. Die Methode von Taguchi hilft dabei als untersttzendes Instrument. Reine Statistiker und Mathematiker kritisieren an der Methode, dass Wechselwirkungen unbercksichtigt bleiben knnen und somit Optimierungsergebnisse nur mit Bedacht betrachtet werden knnen.11 Diese Kritik ist aus theoretischer Sicht durchaus berechtigt und die Gefahren der Methode sind auch vielfach in der Literatur (vgl. Cobb (1997), Luftig/Jordan (1998), Montgomery (1997)) abgehandelt worden, wo zustzlich Instrumente der vollstndigen statistischen Mglichkeiten angeboten werden. Fr die praxisorientierte Anwendung bleibt die Methode von Taguchi aber ein vielfach verwendetes Instrument, da es aufgrund des leichten und schnellen Verstndnis der Methode rasch in der Unternehmung umgesetzt werden kann. So wird die Methode in vielen Anwendungsbereichen, wie Konstruktion und Berechnung, Simulationen, Fahrzyklus-Hochrechnungen, Elektrotechnik 12 angewandt.

Literaturverzeichnis
Rpke et al. (2005) Rpke, K. et al.: DoE Design of Experiments. Methoden und Anwendungen in der Motorenentwicklung, Mnchen 2005 Danzer (1995) Danzer, H. H.: Qualittsmanagement im Verdrngungswettbewerb. Der Schlssel zum berleben im Kufermarkt, Wuppertal, Zrich 1995 Montgomery (1997) Montgomery, D. C.: Design and Analysis of Experiments, 4th ed., New York 1997 Luftig/Jordan (1998) Luftig, J. T. / Jordan V. S.: Design of Experiments in Quality Engineering, New York 1998 Cobb (1997) Cobb, G. W.: Introduction to design and analysis of experiments, New York 1997 Herb (1998) Herb, R. A.: Einbindung von (QFD) in eine Projekt-Management(PM)- und Quality-Engineering-(QE)-Umgebung, in VDI Berichte 1413 (1998), S.35 - 52 VDI Berichte 1413 VDI Berichte 1413 (Hrsg.): QFD: Produkte und Dienstleistungen marktgerecht gestalten, Dsseldorf 1998 Vorbach, St.: Skriptum: Qualittsmanagement, 6., berarbeitete Auflage, Institut fr Innovations- und Umweltmanagement, Graz 2005

(1998) Vorbach (2005)

11 12

Vgl. Danzer (1995), S.84 Vgl. Rpke et al. (2005), S.48ff.