Een Design of Experiments (DOE) bestaat uit minimaal één (vaak meerdere) statistisch opgezet experiment. Uitkomst is een wiskundige formule Y = F(X) waar je mee optimaliseert.
Doelen van een DOE
- Optimalisatie van relevante instellingen van een proces
- Kwaliteit van een product verbeteren met behulp van wiskundige relaties
Toelichting
Een DOE (ontwikkeld door o.a. Sir Ronald Fisher) is een statistisch experiment, en wordt ingezet indien historische of passieve data-analyse geen grondoorzaken oplevert. Een DOE is een proactieve opzet, waarbij combinaties van praktische extremen van procesinstellingen worden uitgevoerd en geregistreerd. Met een DOE kun je met relatief weinig data een optimale processituatie bereiken. Valt binnen DMAIC onder Analyse en Improve.
Design of experiments aanpak
Plannen van het statistisch experiment. Hier valt niet enkel een visgraatanalyse en meetplan onder, maar juist ook organisatorische zaken zoals afstemming met sponsors inzake budget, een gedetailleerd ‘Plan van Aanpak’, team, SMART doel, et cetera
Indien het om veel mogelijke oorzaken X of factoren gaat (zeg > 5 factoren), werken we met zogenaamde Screening Designs. Denk hierbij aan bijvoorbeeld Fractional Factorial Designs. Een schifting tussen relevante en irrelevante factoren vindt plaats
Optimalisatie-experiment(en). Met de relevante 2 tot 5 factoren ontwikkel je een optimaal model. Gebruik hiervoor bijvoorbeeld Full Factorial Designs. Denk ook aan het trainen van mensen, validatie van je meetsysteem, haalbaarheid checken met test runs
Interpreteer de waarden en patronen van het statistisch model. Is er een combinatie optimaal genoeg, al dan niet met interpoleren, om je doel te halen? Voer de nieuwe standaard in, indien je sponsors akkoord gaan. Invoeren is deel van Improve (DMAIC).
Duur van een DOE traject
Een DOE traject duurt in de operatie veelal maanden, en in laboratoria dagen tot maanden.
Synoniem en alternatief van design of experiments
Gangbare termen: proefopzetten, statistisch experiment of (Eng.) Experimental Designs.
Voorbeeld van een DOE
Teijin Aramid produceert aramide garens. De sterkte van het garen is een belangrijke parameter voor veel van de latere toepassingen. De sterkte kan beïnvloed worden door verschillende procesinstellingen of factoren.
Een experimental design wordt gebruikt om de gevoeligheden van de procesinstellingen op de sterkte van garens te bestuderen. Er is gekozen om een Full Factorial Design uit te voeren. Drie factoren A, B en C zijn gevarieerd op twee niveaus (-1 en +1). De centruminstelling (0) is driemaal herhaald om de significante factoren te kunnen bepalen. Dit resulteert in 11 (8+3) ingestelde processituaties.
Een analyse van de resultaten in Minitab geeft het volgende resultaat.
De Pareto Chart laat zien dat procesinstellingen van factoren A en B een effect hebben op de sterkte van het garen. Bovendien vertonen beide factoren een interactie met de sterkte (het effect van de ene factor wordt beïnvloed door het niveau van de andere factor). Factor C en de andere interacties hebben geen invloed op de sterkte van het garen.
Een Contour Plot maakt de relatie tussen de significante procesinstellingen en de sterkte inzichtelijk. De hoogste sterkte van aramide garen wordt bereikt als zowel procesinstelling A als B op -1 worden gezet.
