Posted on

Ohne Statistiken ist es unwahrscheinlich, dass Sie Ihre beste Leistung finden und Beständigkeit erreichen.

Es ist einfacher denn je, komplexe Berechnungen und Designsimulationen durchzuführen. Letztendlich kommt es aber darauf an, wie ein Design außerhalb des Labors, in einem realen Produkt, in einer realen Umgebung funktionieren wird, meint Wendy Luiten. Aus diesem Grund unterrichtet sie am High Tech Institute einen neuen Kurs mit dem Titel Angewandte Statistik für F&E. Statistik wird oft zu wenig angewendet, was schade ist, denn sie kann wirklich zum Erfolg beitragen.
Check out the training

Als Wendy Luiten das Programmieren lernte, benutzte sie Lochkarten, die in riesige Computer eingespeist wurden. Heute kann sie die kompliziertesten Berechnungen und Designsimulationen mit einem Tastendruck auf ihrem Laptop durchführen.

Während ihrer Karriere erlebte Luiten eine beispiellose Steigerung der Verarbeitungsleistung. Nach ihrem Abschluss 1984 an der Universität Twente begann sie eine steile Karriere als Wärmeexpertin und als Six Sigma Master Black Belt bei Philips. Heute arbeitet sie als Beraterin.

Dank dieser umfassenden Erfahrung hat sie einen besseren Überblick über Statistik und Computertechnik als die meisten Ingenieure. Neue Software bietet großartige Möglichkeiten für die Erstellung von Designsimulationen und Digitalen Zwillingen. Aber die scheinbare Leichtigkeit dieser neuen Methoden lässt leicht vergessen, dass eine Simulation nicht die Realität ist. Ein Simulationsmodell muss validiert werden, um sicherzustellen, dass es die Realität in ausreichendem Maße abbildet. Außerdem beschreiben Simulationen eine ideale Welt ohne zufällige Schwankungen. In der realen Welt können zufällige Schwankungen dazu führen, dass ein Produkt unzuverlässig wird und den Endkunden enttäuscht.

Manche Leute wiederholen nicht, sondern gehen von einer einzigen Messung aus“, sagt sie. Auf der Grundlage dieser Messung entscheiden sie, ob das Design gut ist oder nicht. Das ist riskant. Sie wissen nicht, wie gut die Messung ist, Sie haben keine Ahnung vom Messfehler, Sie wissen nicht, wie repräsentativ der Prototyp ist, Sie wissen nicht, wie repräsentativ der Anwendungsfall ist.

„Angewandte Statistik ist wie Autofahren, man muss nicht wissen, wie der Motor funktioniert, um von A nach B zu kommen“, sagt Wendy Luiten

Die Menschen neigen dazu, ihren Messfehler sehr optimistisch einzuschätzen. Ich habe Fälle gesehen, in denen die Leute dachten, ihr Messfehler läge im Zehntelgradbereich, aber eine Wiederholungsmessung ergab einen Unterschied von 10 Grad C. In der thermischen Welt ist das ein riesiger Unterschied. Wenn also Ihre Wiederholungsmessung einen so großen Unterschied ergibt, können Sie sich nicht sicher sein, wie gut das Produkt funktioniert, und Sie müssen der Ursache für diesen Unterschied auf den Grund gehen.

Deshalb beginnt Luiten ihre neue Schulung über Angewandte Statistik für F&E am High-Tech-Institut mit Messstatistik. In diesem Kurs wird sie sich mit den wichtigsten Statistikfähigkeiten beschäftigen, die sich in ihrer über 30-jährigen Erfahrung in der industriellen F&E bewährt haben. Zuerst müssen Sie feststellen, wie gut Ihre Messungen sind“, erklärt sie. Dann müssen Sie in der Lage sein, den Stichprobenumfang zu schätzen, d.h. die Anzahl der Messungen, die Sie benötigen, um einen bestimmten Effekt mit ausreichender Wahrscheinlichkeit nachzuweisen. Sobald Sie die Ausgangsleistung genau und mit ausreichender Präzision messen können, können Sie verschiedene Designkonfigurationen untersuchen und die beste Konfiguration auswählen. Schließlich untersuchen Sie den Mittelwert und die Variation des Outputs, wodurch Sie letztendlich ein erfolgreiches Design erhalten.

''In the real world, we do not have unlimited resources, you need to prioritize.''

Zufälliger Messfehler

Luiten stellt fest, dass Ingenieure sich des systematischen Messfehlers oft schon bewusst sind. Systematische Fehler sind ein bekanntes Feld“, sagt sie. Sie können eine goldene Probe messen und die Ergebnisse korrigieren, das ist de facto eine Kalibrierung Ihrer Messung. Das ist gut bekannt und Teil vieler Laborkurse, die an Hochschulen gelehrt werden.

Die meisten Menschen berücksichtigen den Zufallsfehler jedoch nicht oder verwenden blind einen Standardwert von 1, 5 oder 10%. In Wirklichkeit hängt der Zufallsfehler jedoch vom Messinstrument und auch davon ab, wer die Messungen durchführt. Die statistische Methode zur Ermittlung des Zufallsfehlers ist in der Regel nicht Teil eines Laborkurses, daher ist sie weniger verbreitet. Aber wenn ein solcher Test zum ersten Mal durchgeführt wird, sind die Ergebnisse oft überraschend.‘

Luiten erwähnt einige Fälle, mit denen sie selbst zu tun hatte. Ich habe Fälle erlebt, in denen man sich sicher war, dass es fast keine Zufallsfehler gab, weil man eine sehr teure automatische Messmaschine hatte. Aber es stellte sich heraus, dass die Bediener die Proben auf unterschiedliche Weise herstellten, was einen großen Zufallsfehler verursachte. In einem anderen Fall gaben verschiedene Entwicklungslabors alle einen Messfehler von 5% an – aber als sie dieselben Geräte in einem Ringversuch maßen, gab es einen Unterschied um den Faktor 2, und zwar aufgrund von Unterschieden im Messaufbau, die man für irrelevant hielt. Ich habe gesehen, dass scheinbare Schwankungen in der Produktqualität mit dem Bediener, der die Messungen durchführt, in Verbindung gebracht werden konnten. In allen Fällen waren die Leute absolut überzeugt, dass sie einen vernachlässigbaren Zufallsfehler bei den Messungen hatten, und diese Ergebnisse waren völlig unerwartet. Aber Sie kennen Ihren Zufallsfehler und die Ursache des Zufallsfehlers nur, wenn Sie den statistischen Test dafür durchführen.‘

„Welches Design ist besser? Design C ist vorzuziehen – Auch wenn B eine höhere durchschnittliche Leistung hat, hat C die niedrigste Ausfallrate, weil es konstant funktioniert „, Wendy Luiten

Messung wiederholt sich

Der zufällige Messfehler ist besonders wichtig, wenn es um die so genannte statistische Aussagekraft geht – die Wahrscheinlichkeit, einen bestimmten Effekt zu messen, wenn er vorhanden ist. Wenn der Effekt, den Sie messen wollen, etwa so groß ist wie Ihr Messfehler und Sie Ihre Messung zweimal wiederholen, liegt die Wahrscheinlichkeit, diesen Effekt nachzuweisen, unter 10%. Wenn also eine Designänderung zu einer um 5C niedrigeren Temperatur führt und Ihr zufälliger Messfehler 5C beträgt, werden Sie dies bei 1 von 10 Messungen feststellen, und im Durchschnitt sind die Ergebnisse in 9 von 10 Fällen nicht beweiskräftig, selbst wenn Sie die Messung zweimal durchführen. Wenn Sie die Aussagekraft verbessern wollen, müssen Sie entweder den Messfehler verringern oder mehr Wiederholungen durchführen. Manchmal wird die Wiederholung von Messungen als Verschwendung angesehen, aber Luiten ist da anderer Meinung. Die wahre Verschwendung ist es, Experimente mit zu geringer Aussagekraft durchzuführen, sich die Mühe zu machen, ein Experiment vorzubereiten und durchzuführen – und dann festzustellen, dass das Ergebnis nicht schlüssig ist.

Testen verschiedener Designoptionen

Neben Messfehlern und der Schätzung des Stichprobenumfangs wird ein Schlüsselelement des Kurses das Testen verschiedener Designs sein. Sie können das in Hardware tun, aber das ist vielleicht nicht die effektivste Option. Heutzutage kann man eine Menge durch virtuelle Tests erreichen“, sagt Luiten. Bevor Sie überhaupt einen Prototyp herstellen, können Sie mit Computersimulationen mit Ihren Entwürfen experimentieren. Die Eingaben können von Materialien und Abmessungen bis hin zu Energie- und Steuerungssoftware reichen. Sie können z.B. die Auswirkungen verschiedener Materialien oder Abmessungen, die Verwendung eines anderen mechanischen Layouts oder verschiedene Einstellungen in einem Steuerungsalgorithmus modellieren. Bei jedem Produkt gibt es viele Entscheidungen zu treffen, sowohl auf der Ebene der Architektur als auch bei der Implementierung. Es ist wichtig herauszufinden, welche Eingaben am wichtigsten sind und wie diese Eingaben die Leistung bestimmen, denn Sie wollen nicht später feststellen, dass eine frühere Entscheidung falsch war. Ein Versuch-und-Irrtum-Ansatz ist oft zu zeit- und kostenintensiv.‘ Der statistische Ansatz besteht darin, eine Reihe von Experimenten in einer speziellen Art und Weise durchzuführen, wobei mehrere Inputs gleichzeitig variiert werden und nicht einzelne Experimente, sondern Gruppen von Experimenten verglichen werden, um die Auswirkungen eines einzelnen Inputs oder von Wechselwirkungen zwischen zwei Inputs herauszufinden. Dies ist ein sehr leistungsfähiger Ansatz, insbesondere in Kombination mit Computersimulationen, aber für eine kleine Anzahl von Eingaben können Sie dies auch in Hardware durchführen. Wenn Sie die Experimente in Hardware durchführen, bestimmt der berechnete Stichprobenumfang aus den früheren Phasen die Anzahl der Wiederholungen für die verschiedenen Experimente. Werden die Experimente virtuell, also durch Computersimulationen, durchgeführt, wird der Stichprobenumfang für die Validierungsexperimente für das Computermodell verwendet.

''In innovation, you need to focus on the vital few parameters that really impact your design.''

Die beste Wahl treffen

Das nächste Werkzeug im Werkzeuggürtel der Statistik ist die Optimierung oder das Treffen der besten Wahl. Sobald Sie herausgefunden haben, welches die wichtigsten Eingangsparameter sind und wie sie sich auf die Leistung auswirken, können Sie eine datengestützte Entscheidung darüber treffen, welche Designkonfiguration für Ihren Zweck am besten geeignet ist. Oft sind mehrere Ergebnisse zu berücksichtigen, z.B. wenn Sie eine hohe Festigkeit und gleichzeitig ein geringes Gewicht wünschen. Die Multiple-Response-Optimierung ist ein bekanntes Hilfsmittel für diesen Zweck.

Die Auswirkung von Eingangsvariationen

Sobald Sie die Auswirkung eines Inputs kennen, ist es auch wichtig, seine Variation zu betrachten und welche Art von Variation er wiederum in der Leistung verursacht“, fährt Luiten fort. Auch das ist etwas, womit die Leute weniger vertraut sind, aber wenn man erst einmal weiß, wie man es macht, ist es gar nicht so schwierig, und es ist wichtig. Damit ein Design erfolgreich ist, kommt es nicht nur auf die Spitzenleistung an, sondern auch darauf, dass Sie diese Leistung konstant erreichen. Mit dem Tool für statistische Simulationen können Sie ein statistisches Modell erstellen, um den Mittelwert und die Schwankungen Ihres Outputs mit der statistischen Verteilung Ihrer Inputs zu verknüpfen.

Manchmal sagen die Leute, dass dies nichts bringt, weil sie die Schwankungen bei den Inputs nicht kennen. Aber wenn ein Input wichtig ist, ist es im Hinblick auf eine gleichbleibende Produktqualität riskant, seine Schwankungen nicht zu berücksichtigen. Wenn das statistische Modell zeigt, dass der Input wichtig ist, haben Sie guten Grund, mit dem Lieferanten zu besprechen, wie die Verteilung aussieht und wie groß die Schwankungen sind. Dies ist in der Automobilindustrie üblich. Dort gibt es sogar formelle Verfahren, die genaue Anforderungen nicht nur an den Mittelwert, sondern auch an die Standardabweichung von Komponenten und Unterbaugruppen festlegen.

Navigieren Sie im Lösungsraum

Mit anderen Worten: Statistische Methoden helfen dabei, alle möglichen Konfigurationen zu finden, die zusammen den Lösungsraum bilden. Luiten sagt: „Sie erreichen Ihre optimale Leistung nicht einfach zufällig. Wenn Sie zwei Eingänge haben, die hoch oder niedrig sein können, bleiben vier Möglichkeiten. Aber wenn Sie etwas mit fünf Eingängen entwerfen, bleiben 32 mögliche Konfigurationen übrig. Und viele moderne Designs haben mehr Eingänge als das. Und dabei sind noch nicht einmal alle möglichen Toleranzen und alle verschiedenen Anwendungsfälle berücksichtigt. Ohne einen strukturellen, auf Statistiken basierenden Ansatz ist die Wahrscheinlichkeit, eine optimale, konsistente Leistung zu finden, gering.

Autos fahren

Die Komponenten von Luitens Kurs sind eng miteinander verknüpft, es ist eine Kette von Werkzeugen. Wenn Sie zum Beispiel Ergebnisse validieren wollen, brauchen Sie auch Messstatistiken, die Ihnen sagen, wie groß Ihr Zufallsfehler ist. Das wiederum zeigt, wie groß Ihre Stichprobe sein muss, damit der Versuchsaufbau korrekt ist. Erst dann können Sie entscheiden, ob Sie Ihrer Validierung vertrauen können“, sagt Luiten.

''The aim of the training is not to become a statistical expert, but to be able to reach your goal with statistics.''

Luiten hat einen praktischen Ansatz. Für sie ist Statistik eine angewandte Fähigkeit, ein Mittel zum Zweck. Statistik wird an der Universität auf sehr theoretische Weise gelehrt“, sagt Luiten. Ich habe das in meinem eigenen Studium gesehen, und ich habe es gesehen, als meine Kinder studierten. Es wird auf eine Art und Weise gelehrt, die in meinem Beruf nur begrenzten praktischen Nutzen hat. Ich vergleiche es mit dem Autofahren: Sie müssen nicht genau wissen, wie der Motor funktioniert, um von A nach B zu fahren. Das Ziel der Ausbildung ist nicht, ein Statistik-Experte zu werden, sondern in der Lage zu sein, Ihr Ziel mit Statistik zu erreichen.‘ Und mathematische Werkzeuge wie Excel und Statistiksoftware machen die Anwendung heutzutage viel leichter zugänglich.

Master Black Belt Six Sigma

Luiten ist Master Black Belt in Design for Six Sigma und hat in ihrer Laufbahn ein tiefes Verständnis und reiche Erfahrung in der Anwendung von Statistiken in Innovationsprozessen erworben. Meiner Erfahrung nach lernen viele Ingenieure, indem sie etwas tun, und das macht auch Sinn. Man kann Schwimmen nicht lernen, indem man sich die Schwimmolympiade ansieht, man muss selbst ins Wasser gehen, und sei es nur, um zu lernen, wie man schwimmt. Wir haben also Übungsaufgaben, entweder in Excel oder in einem speziellen Statistik-Tool.‘ Für Luiten ist Statistik ein Allzweckwerkzeug und die Vertrautheit mit den Techniken und Werkzeugen, die sie in ihrem Kurs erwähnt, ist der Schlüssel für Ingenieure, die in einer Vielzahl von Bereichen arbeiten, von technischen Experten über Designer und Teamleiter bis hin zu Systemarchitekten.

Dies ist ein allgemeiner Kurs für Menschen, die in der Innovation tätig sind, Produkte entwickeln und Forschung betreiben. Wenn Sie die Leistung in kontinuierlichen numerischen Parametern messen, spielt es keine Rolle, in welchem technischen Bereich Sie tätig sind. Ich habe diese Techniken bei thermischen Anwendungen eingesetzt, aber jeder Bereich kann sie verwenden, von der Mechanik und Elektronik bis zur Optik und sogar Software, das ist Mathematik. Sie können selbst entscheiden, wofür Sie sie verwenden wollen. ‚

Dieser Artikel wurde von Tom Cassauwers, freier Mitarbeiter von High-Tech Systems, geschrieben.

Posted on

Durch die Statistiken ist es wichtig, dass Sie die besten Ergebnisse erzielen und eine konsistente Leistung erbringen.

Es ist wichtiger als alles andere, komplexe Berechnungen und Simulationen durchzuführen. Aber es geht immer darum, wie ein Projekt im Labor, in einem echten Produkt, in einer echten Umgebung umgesetzt werden kann, so Wendy Luiten. Deshalb haben wir am High Tech Institute den neuen Kurs Toegepaste statistiek voor R&D eingeführt. Die Statistik ist sehr komplex, und das ist schade, denn sie kann den Erfolg wirklich beeinflussen.
Check out the training

Als Wendy Luiten das Programmieren lernte, brauchte sie Ponskaarten, die in gigantischen Computern eingebaut wurden. Außerdem kann sie die komplexesten Berechnungen und Simulationen mit einem Druck auf den Knopf ihres Laptops ausführen.

Zu Beginn seiner Karriere wurde Luiten von einem großen Namen in der Arbeitswelt inspiriert. Nachdem er 1984 an der Universität Twente studiert hatte, begann er eine Karriere als Thermikexperte und als Six Sigma Master Black Belt bei Philips. Darüber hinaus arbeitet er als Berater.

Die meisten Ingenieure kennen sich besser mit Statistik und Computertechnik aus als die meisten Ingenieure. Neue Software bietet nützliche Möglichkeiten für die Erstellung von Simulationen und digitalen Zwillingen. Aber das andere Geheimnis dieser neuen Methoden ist, dass eine Simulation nicht werkeltauglich ist. Ein Simulationsmodell muss entwickelt werden, um zu verhindern, dass die Arbeitsweise des Unternehmens in die falsche Richtung geht. Die Simulationen beschreiben eine ideale Welt, die eine hohe Variabilität aufweist. In der echten Welt kann die Variation ein Produkt sein, das für den Kunden einfach zu bedienen und zu übermitteln ist.

Sommige mensen herhalen niet, maar gaan af op één meting“, zegt ze. Auf dieser Grundlage können Sie entscheiden, ob die Arbeit gut ist oder nicht. Das ist riskant. Sie wissen nicht, wie gut das Treffen ist, Sie haben keine Ahnung, wie das Treffen abläuft, Sie wissen nicht, wie repräsentativ der Prototyp ist, Sie wissen nicht, wie repräsentativ der Anwendungsfall ist.

„Tote Statistik ist als Autorität, je hoeft de werking van de motor niet te kennen om van A naar B te gaan,“ Wendy Luiten

Die Menschen sind sehr optimistisch, wenn es um ihr Leben geht. Ich habe schon erlebt, dass die Menschen dachten, dass ihre Leistung in den letzten Zügen einer Klasse liegt, aber bei einem Herhalingsmeting wurde der Wert um 10 Grad Celsius gesenkt. Wenn Sie also eine so große Abweichung feststellen, können Sie sich nicht sicher sein, wie gut das Produkt ist, und Sie sollten die Tür zu dieser Abweichung nicht zu sehr beschädigen.

Daher beginnt Luiten seinen neuen Kurs Toegepaste statistiek voor R&D aan het High-Tech Institute met meetstatistiek. In diesem Kurs lernen Sie die wichtigsten statistischen Kennzahlen kennen, die Sie in Ihrer mehr als 30-jährigen F&E-Tätigkeit in der Industrie kennengelernt haben. Sie sollten wissen, wie gut Sie Ihre Arbeit machen“, sagt er. Vervolgens moet je de steekproefgrootte kunnen schatten, het aantal metingen dat je nodig hebt om een bepaald effect met voldoende waarschijnlijkheid aan te tonen. Wenn Sie die Einstellungen nicht präzise genug vornehmen können, können Sie die verschiedenen Einstellungen ändern und die beste Konfiguration wählen. In diesem Abschnitt erfahren Sie, wie Sie die richtigen Einstellungen vornehmen und welche Möglichkeiten Sie haben, um einen erfolgreichen Wechsel zu vollziehen.

''In the real world, we do not have unlimited resources, you need to prioritize.''

Willekeurige meetfout

Luiten merkt an, dass die Ingenieure von der systematischen Forschung sehr angetan sind. Systematische Fouten sind ein bekennendes Hindernis“, sagt er. Wenn Sie ein Monster messen und die Ergebnisse korrigieren, dann ist das eine faktische Kalibrierung Ihres Messens. Das ist bekannt und wird von vielen Laborkursen im Gesundheitswesen verwendet.

Die meisten Menschen haben keine Ahnung von den täglichen Kosten oder sind mit einem Standardwert von 1, 5 oder 10% geblendet. Aber in der Praxis hängt die Gesamtausbeute von dem Messinstrument ab und auch davon, wie die Messungen durchgeführt werden. Die statistische Methode, um die täglichen Ergebnisse zu ermitteln, ist in der Regel kein Bestandteil eines Laborkurses, da diese Methode weniger geeignet ist. Aber nach dem letzten Test, der durchgeführt wurde, sind die Ergebnisse sehr verwirrend.

Luiten noemt een aantal gevallen waar ze zelf mee te maken heeft gehad. Ik heb gevallen gezien waarin mensen ervan overtuigd waren dat ze bijna geen toevallige fout hadden omdat ze een hele dure geautomatiseerde meetmachine hadden. Aber die Bediener hatten die Monster auf eine andere Art und Weise bearbeitet und das führte zu einem großen Verlust. In einem anderen Fall behaupteten die verschillenden Ontwikkelingslaboratorien, sie hätten nur eine Abweichung von 5% – aber wenn sie zehn Geräte in einem Ringversuch zusammenbrachten, gab es eine Abweichung von einem Faktor 2, weil die Abweichungen in der Versuchsanordnung irrelevant wurden. Ik heb gezien dat schijnbare fluctuaties in productkwaliteit konden worden gekoppeld aan de operator die de metingen uitvoerde. In allen Gegenden waren die Menschen absolut überfordert, wenn sie eine verwirrende Schwankung in den Messwerten hatten, und diese Ergebnisse waren völlig unvermeidlich. Aber Sie können die unvermeidliche Abweichung und die Abweichung von der unvermeidlichen Abweichung nur dann erkennen, wenn Sie einen statistischen Test durchführen.

„Welches Ontwerpen ist besser? Ontwerp C heeft de voorkeur – Ook al heeft B een hogere gemiddelde prestatie, C heeft het laagste uitvalpercentage omdat het consistent presteert,“ Wendy Luiten

Herhalingen van metingen

Der willekeurige meetfout ist auch wichtig, wenn es um die zogenaamde statistische Leistung geht – die Fähigkeit, einen bestimmten Effekt zu erzielen, wenn dieser wichtig ist. Wenn der Effekt, den Sie erzielen wollen, sogar noch größer ist als der, den Sie erzielen, und Sie den Effekt zwei Mal erzielen, dann ist die Wahrscheinlichkeit, dass Sie diesen Effekt erzielen, geringer als 10%. Wenn Sie also die Temperatur um 5C erhöhen und die gewünschte Temperatur bei 5C liegt, können Sie die Ergebnisse in 1 von 10 Messungen erzielen, und nach 9 von 10 Messungen sind die Ergebnisse nicht mehr entscheidend, auch wenn Sie die Messung in zwei Schritten durchführen. Wenn Sie das Vermogen verbieten wollen, sollten Sie den Ausgang des Treffens verlegen oder mehr Herabsetzungen vornehmen. Manche Menschen sehen die Herhalingsmetalle als verspilde moeite, aber da ist Luiten het niet mee eens. Der wahre Verdienst ist die Durchführung von Experimenten mit sehr wenig Energie, wenn man alle Möglichkeiten ausschöpft, um ein Experiment zu starten und zu beenden – und um zu verhindern, dass das Ergebnis einen Sinn ergibt.

Verschillende Ontwerpopties testen

Das Testen von verschiedenen Anwendungen ist ein wichtiger Bestandteil des Kurses, abgesehen von der Erfüllung der Anforderungen und dem Schattieren des Steinkopfes. Sie können das auch mit Hardware machen, aber das ist nicht die effektivste Option. Außerdem können Sie viele nützliche Tests durchführen“, sagt Luiten. Wenn Sie einen Prototyp erstellt haben, können Sie mit Hilfe von Computersimulationen mit Ihren Ideen experimentieren. Die Eingabe kann von Materialien und Werkzeugen bis hin zu Fertigungs- und Bestätigungssoftware variieren. Sie können die Auswirkung von unterschiedlichen Materialien oder Werkstoffen modellieren, ein anderes mechanisches Layout verwenden oder unterschiedliche Einstellungen in einem Besturingsalgorithmus vornehmen. In jedem Produkt müssen viele Faktoren berücksichtigt werden, sowohl auf der Ebene der Architektur als auch bei der Umsetzung. Es ist wichtig zu wissen, welche Inputs wichtig sind und wie diese Inputs das Ergebnis verbessern, denn sonst werden Sie später nicht erkennen, dass ein größerer Fehler gemacht wurde. Ein ‚Trial-and-Error‘-Ansatz ist sehr zeit- und geldaufwendig. Die statistische Auswertung beruht auf der Durchführung einer Reihe von Experimenten auf eine spezielle Art und Weise, bei der mehr Inputs verglichen werden und nicht nur einzelne Experimente durchgeführt werden, sondern Gruppen von Experimenten, um die Auswirkungen eines einzelnen Inputs oder von Wechselwirkungen zwischen zwei Inputs zu untersuchen. Dies ist ein sehr wichtiges Instrument, vor allem in Kombination mit Computersimulationen, aber für eine kleine Anzahl von Eingaben können Sie es auch in Hardware durchführen. Wenn Sie die Experimente in Hardware durchführen, müssen Sie die berechnete Anzahl von Schritten für die verschiedenen Experimente in den anderen Stadien beibehalten. Wenn die Experimente mit Hilfe von Computersimulationen virtuell durchgeführt werden, wird die Steekproefgrootte für die Validierungsexperimente für das Computermodell verwendet.

''In innovation, you need to focus on the vital few parameters that really impact your design.''

Die besten Keuze machen

Die wichtigste Regel in der statistischen Regel ist die Optimalisierung oder die Herstellung des besten Schlüssels. Wenn Sie wissen, was die wichtigsten Rechnungsparameter sind und wie sie sich auf das Ergebnis auswirken, können Sie anhand von Geometrien entscheiden, welche Konfiguration die beste für Ihr Projekt ist. Es gibt immer mehr Outputs, um zu übertreffen, auch wenn Sie ein hohes Maß an Qualität wünschen, aber nur ein geringes Maß an Erfolg. Die Multiple-Response-Optimierung ist hier ein bekanntes Hilfsmittel.

Der Effekt von Inputvariatie

Wenn man weiß, wie sich ein Input auswirkt, ist es auch wichtig, dass man sich auf die Varianz besinnt und dass sich diese Varianz in den Ergebnissen niederschlägt“, sagt Luiten. Das ist auch etwas, was die meisten Menschen nicht so gut kennen, aber wenn man weiß, wie das geht, ist es nicht so interessant und wichtig. Um einen Aufschwung zum Erfolg zu führen, ist es nicht nur wichtig, die Preise zu erhöhen, sondern auch, die Preise konsistent zu gestalten. Mit Hilfe von statistischen Simulationen können Sie ein statistisches Modell erstellen, um die Unterschiede und die Varianz Ihres Unternehmens mit der statistischen Verdichtung Ihres Rechners zu koppeln.

Viele Menschen glauben, dass dies nicht ausreicht, wenn sie die Varianz in den Inputs nicht kennen. Aber wenn ein Input wichtig ist, besteht das Risiko, dass er mit der Varianz nicht übereinstimmt, wenn es um konsistente Produktqualität geht. Wenn das statistische Modell feststellt, dass der Input unbedeutend ist, können Sie mit Hilfe des Leveranciers besser verstehen, wie die Entwicklung aussieht und wie stark sie variiert. Dies ist in der Autoindustrie sehr nützlich, denn dort gibt es bestimmte Verfahren, die nicht nur genaue Aussagen über die Zusammensetzung, sondern auch über die Standardausrichtung von Komponenten und Baugruppen machen.

Navigeren door de oplossingsruimte

Statistische Methoden helfen mit anderen Begriffen, um alle möglichen Konfigurationen zu finden, die den gleichen Einfluss auf die Gewinnspanne haben. Luiten sagt: „Je bereikt je optimale prestatie niet zomaar per toeval. Wenn Sie zwei Personen haben, die zu schnell oder zu langsam sind, haben Sie vier verschiedene Möglichkeiten. Aber wenn Sie mit fünf Personen unterwegs sind, stehen Ihnen 32 verschiedene Konfigurationen zur Verfügung. Und viele moderne Unternehmen haben mehr Möglichkeiten als diese. Und dann haben wir keine Zeit mehr, uns über die verschiedenen Toleranzen und die verschiedenen Anwendungsmöglichkeiten Gedanken zu machen. Durch ein strukturiertes, statistisch fundiertes Paket ist der Spielraum für eine optimale, gleichbleibende Leistung klein.

Auto’s rijden

Die Teilnehmer von Luiten’s cursus hängen zusammen mit anderen Teilnehmern an einem Strang, es handelt sich um eine Reihe von Tools. Wenn Sie Ihre Ergebnisse bewerten wollen, dann müssen Sie auch die Ergebnisse der Metastatistiken berücksichtigen, die Ihnen zeigen, was Sie erreicht haben. Damit können Sie feststellen, wie groß Ihr Ergebnis sein muss, wenn die experimentellen Ergebnisse korrekt sind. Nur so können Sie die Validität überprüfen“, sagt Luiten.

''The aim of the training is not to become a statistical expert, but to be able to reach your goal with statistics.''

Luiten kiest voor een practical benadering. Für ihn ist Statistik eine wichtige Aufgabe, ein Mittel, um eine Aufgabe zu bewältigen. Statistiek wordt op de universiteit heel theoretisch onderwezen‘, zegt Luiten. Ich beziehe das auf meine eigene Studie und auf die Studie meiner Kinder. Sie wird auf eine Art und Weise fortgesetzt, die in meiner Arbeit aber praktisch bruikbaar war. Ik vergelijk het met autorijden: Sie brauchen nicht zu wissen, wie der Motor funktioniert, um von A nach B zu gelangen. Die Aufgabe der Beratung ist nicht, ein statistischer Experte zu werden, sondern die Aufgabe mit Hilfe der Statistik zu lösen.‘ Intelligente Hilfsmittel wie Excel und Statistiksoftware machen die Bearbeitung sehr viel einfacher.

Master zwarte band Six Sigma

Luiten ist ein Master Black Belt in Design for Six Sigma und hat einen tiefen Einblick in die Anwendung von Statistik in Innovationsprozessen und eine reiche Erfahrung damit. Ich habe den Eindruck, dass viele Ingenieure zu Hause bleiben, und das ist logisch. Sie können nicht auf die olympischen Spiele verzichten, Sie müssen selbst das Wasser einlassen, es geht nur darum, zu lernen. Deshalb haben wir praktische Tipps, entweder in Excel oder in einem speziellen Statistik-Tool.‘ Für Luiten ist Statistik eine wichtige Grundlage für die allgemeine Anwendung, und die Vertrautheit mit den Techniken und Methoden, die er in seinem Kurs vermittelt, ist für Ingenieure, die in verschiedenen Bereichen tätig sind, von technischen Experten über Entwickler und Teamleiter bis hin zu Systemarchitekten, unverzichtbar.

Dies ist ein allgemeiner Kurs für Menschen, die in der Innovation tätig sind, die Produkte entwickeln und erforschen. Als je output meet in continue numerieke parameters, maakt het niet uit in welk technisch veld je zit. Ich habe diese Technik in thermischen Prozessen eingesetzt, aber jeder andere Bereich kann sie einsetzen, von der Mechanik und Elektronik bis hin zur Optik und auch Software. Sie können selbst entscheiden, wofür Sie es einsetzen möchten. ‚

Dieser Artikel wurde verfasst von Tom Cassauwers, freier Mitarbeiter von High-Tech Systems.