Schlüsselthemen:
- Daten beschreiben, darstellen und Hypothesen überprüfen
- Varianzanalyse für Analyse von Gruppenunterschieden nutzenRegressionsanalyse nutzen
- Mit Regressionsanalyse statistische Modelle bauen
- Faktorielle und Fraktionelle Faktorielle Designs einsetzen
- Mit Zufallseffekten und Störgrößen umgehen
- Überblick über fortgeschrittene Techniken gewinnen
A. Wesentliche statistische Methoden für Design of Experiments
[Dauer: 0.25 Tage] Statistische und grafische Zusammenfassung von Daten - Aussagen über Unterschiede im Mittelwert – Zufallsstichprobe und paarweise Vergleiche – Aussagen über die Varianz von Normalverteilungen – Konfidenzintervalle - Hypothesentests
B. Varianzanalyse
[Dauer: 0.25 Tage] Varianzanalyse für einen und mehrere Parameter – Regressionsmodell und Varianzanalyse – Modelle und ihre Parameter – Residualanalyse
C. Experimente und Blockbildung
[Dauer: 0.125 Tage] Prinzip von Experimenten mit Blockbildung - Statistische Analyse von RCBD (Randomized Complete Block Design) – Lateinische Quadrate und Graeco-Lateinische Quadrate
D. Faktorielles und Fraktionelles Faktorielles Design
[Dauer: 0.75 Tage] Faktorielles Design mit zwei Faktoren – Modellgüte – Modellparameter und ihre Überprüfung – Zweistufiges faktorielles Design von Experimenten – Blockbildung bei zweistufigen faktoriellen Designs - Teil-Faktorielles Design und seine Prinzipien – One-Half/One-Quarter-Designs – Resolution III, IV und V Designs
E. Experimente mit Zufallseffekten
[Dauer: 0.125 Tage] Einführung in das Modell mit Zufallseffekten - Faktorielle Designs mit 2 Faktoren und Zufallseffekten - Gemischtes 2-Faktor-Modell
F. Ausblick: weitere Techniken
[Dauer: 0.5 Tage] Robustes Design: Einführung in das Robuste Design und Analyse von Crossed Array Design - Optimierung mit der Wirkungsflächenanalyse / Response Surface Methodology (RSM)
Nutzen Sie erprobte Methoden, um effizient Daten für Produktdesign und Produktoptimierung über Experimente zu erheben und auszuwerten.
Die statistische Versuchsplanung (Design of Experiments, DOE) wird bei Entwicklung und Optimierung von Produkten oder Prozessen eingesetzt. Im Gegensatz zur "althergebrachten" Vorgehensweise, bei der in einer Versuchsreihe jeweils nur ein Faktor variiert wird, werden bei der statistischen Versuchsplanung mehrere Faktoren gleichzeitig verändert. Bei nominalen (kategorialen, qualitativen) Faktoren erfolgt die Auswertung mit Hilfe der Varianzanalyse. Bei quantitativen (metrischen) Faktoren erfolgt die Auswertung mit Hilfe der Regressionsanalyse. Dieses Seminar führt Teilnehmer in die Methodik der statistischen Versuchsplanung ein und zeigt die grundlegenden Themengebiete anhand der statistischen Methoden und geeigneten Beispielen.
Design-Expert - Statistische Versuchsplanung und Auswertung 
