Die Welt der Versuchspläne ist sehr groß und bunt, deshalb ist es umso wichtiger, die entscheidenden Punkte bei der Planauswahl zu berücksichtigen. Es wird beschrieben, welche Effekte mit verschiedenen Versuchsplänen (faktoriell, Wirkungsfläche) untersucht werden können und mit welchen Schritten Versuchspläne in Software (Design Expert, Minitab, JMP) erstellt werden.

Am Anfang jeder statistischen Versuchsplanung steht das Erfassen und Strukturieren von Vorwissen und Informationen. In dieser Folge werden bewährte Tools genannt und an einem einfachen beschrieben, wie sie umgesetzt werden können.

Design of Experiments (DoE) bzw. statistische Versuchsplanung und -auswertung ist eine Methode, bei der mit einer möglichst kleinen Anzahl von Versuchen möglichst viel Wissen über Qualität, Produkte und Prozesse erreicht wird. Dafür wird vorhandenes Wissen mit Erkenntnissen aus der Informationstheorie verknüpft.

Wichtige Merkmale müssen in bestimmten Wertebereichen liegen, damit die Funktion oder Qualität von Produkten gesichert ist. Maßketten und die statistische Tolerierung sind Methoden, mit denen Toleranzgrenzen ermittelt werden. Dabei kann neben den Grenzwerten auch eine ausreichend hohe Belastbarkeit der Grenzwerte erreicht werden.

Die Buchstabensuppe mit Cpk und Ppk wird im zweiten Teil der Miniserie genauso erklärt wie die Unterschiede und Gemeinsamkeiten zwischen Maschinen-, Kurzzeit- und Langzeit-Fähigkeit. Vermeiden Sie typische Stolperfallen und erfahren Sie, mit welchen alternativen Auswertungsmethoden die Prozessqualität besser bewertet werden kann.

Natürlich möchten alle fähige Prozesse, nur ist oft weniger klar, wie die Fähigkeit von Prozessen ermittelt wird und was die berechneten Kennzahlen wie Cpk = 1,33 bedeuten. Noch verzwickter wird das Ganze, wenn die Voraussetzungen nicht erfüllt sind oder unterschiedliche Handbücher und Normen bei der Berechnung verwendet werden.

Die Anzahl Nachkommastellen entscheidet mit darüber, wie viel Informationen in den Daten stecken. Umso wichtiger ist es, ausreichend viele Nachkommastellen aufzunehmen.

Besser zu wissen, wie der Prozess morgen aussieht oder gezieltere Vorhersagen zu machen hilft, bessere Entscheidungen zu treffen. Die Prognose-Maschine ist ein nützliches Tool für die Planung von komplexen Datenanalysen.

Obwohl statistische Tests sehr häufig eingesetzt werden, ist die Unsicherheit groß, wie genau ein statistischer Test funktioniert und wie Entscheidungen mit einem statistischen Test ablaufen.

Grafiken helfen uns, auffällige Werte zu finden und Wirkstrukturen zu sehen. Was sind die besten Grafik-Typen hierfür?