Grundlagen der statistischen Versuchsplanung (DoE)

Dank der Versuchsplanung (Design of Experiments, DoE) lassen sich Forschungs- und Entwicklungsanstrengungen vernünftig und effizienter planen. Natürlich können Sie auch einfach "on the fly" entwickeln, aber das ist nicht wirklich zielführend. Holen Sie sich das nötige Rüstzeug, um Ihre Entwicklung so zu strukturieren, dass Sie Ihr Ziel schneller erreichen. Unser Intensivtraining vermittelt Ihnen die Grundlagen und praktischen Übungen, damit Sie Ihre Entwicklungs- und Optimierungsaufgaben in Zukunft viel effizienter erledigen können. Die Gleichung lautet: Weniger Experimente, höhere Zuverlässigkeit.

Kursüberblick:

1. Prozessmodell-Übersicht
2. Grundlegende Statistik
3. Bausteine der Versuchsplanung
4. Aufbau von Versuchsplänen
5. Analyse von DoE-Daten (Regression)

Übersicht

Inhalt des Kurses

Prozessmodell Überblick

• Black- und White-Box-Modellierung
• Vorschau auf alle Arbeitsschritte (Design & Datenanalyse)
  
  

Grundlegende Statistik

• Verteilungen (Normal, Weibull, Binomial)
• Konfidenzintervalle
  
  

Bausteine der Versuchsplanung

• Funktionaler Ansatz für das Prozessverhalten
• Statistische Modelle für Messfehler, Rauschvariablen und unbekannte Faktoren
• Planungsraum und Planungsraumabdeckung)
  
  

Aufbau von Versuchsplänen

• Arbeitsschritte für gute Versuchspläne
• Auswirkungen von Modellannahmen
• Berechnung des Stichprobenumfangs
• Besondere Situationen (Beschränkungen, Einschlüsse, Kandidaten)
• Zusammenfassende Statistiken und Datenaggregation
  
  

Analyse von DoE-Daten (Regression)

• Arbeitsschritte zur Datenanalyse (Checkliste) und Hintergrund
• Hintergrund zu den Arbeitsschritten
• Modellvisualisierung und Optimierung für konflikthafte Antworten
• Praktische Übungen
  
  

Zielsetzung

Zielgruppen & Hintergrundwissen

• Der Schwerpunkt liegt auf dem Verständnis der Methoden; die zugrunde liegende Mathematik und Statistik wird durch Simulationen und nicht durch Formeln erklärt.
• Die Grundlagen der verschiedenen Methoden werden ausführlich behandelt.
• Die wichtigsten Methoden werden nicht nur erklärt, sondern durch die Diskussion der Anwendungsbeispiele und deren Bearbeitung sollen Sie mit diesen Methoden vertraut werden.
• Der Schwerpunkt liegt dabei auf dem aktuellen Stand der Technik, der es erlaubt, nahezu jede Situation zu behandeln.
• Der Einfluss von DoE auf Machine Learning (ML) Projekte wird erläutert.
  
  

Dieser Kurs ist konzipiert für:

• Ingenieure, Techniker, Analytiker und Wissenschaftler in F&E-Abteilungen, die effektiv Ergebnisse erzielen wollen.

Dieser Kurs ist konzipiert für:

• Quantitative Denkweise
• Affinität zur Modellbildung