Produkt- und Prozessentwicklung (Fach) / VL 1: Einführung (Lektion)
In dieser Lektion befinden sich 40 Karteikarten
VL
Diese Lektion wurde von MiriWieni erstellt.
- 3 Ziele Versuchsplanung -Identifikation signifikanter Faktoren -Optimierung -Entwicklung robuster Prozesse und Produkte => man will immer gleiches Ergebnis
- Warum Statistik? man will herausfinden, ob es signifikanten Unterschied gibt und dieser nicht auf Unterschiede Rohware etc. zurückzuführen ist
- Produktentwicklung Einfluss Rezeptur auf Sensorik Produkt z.B. Fett auf Kuchengeschmack
- Prozessentwicklung Auswirkungen Prozessparameter auf Verpackungsqualität z. B. Prozessparamter Geschwinigkeit auf Anteil fehlerhafter Verpackungen
- Mehodenentwicklung Entwicklung einer Methode zur Bestimmung Vitamingehalt instrumentelle Parameter wie Temp auf Peakflächen, Nachweisgrenzen etc
- Vorteil statistische Versuchsplanung ggü. anderer Möglichkeiten -sinnvolle Reduktion Versuchsumfang -Erkenntnisgewinn Wechselwirkungen
- 3 experimentelle Strategien -Best guess -OFAT one factor a time -statistische Versuchsplanung
- Best guess Charakteristika Nachteile -nach Gefühl -Prozesserfahrung -große Zahl Versuche -keine Optimierung u. keine Infos WW
- One factor a time -Variation eines Parameters unter Festsetzung anderer -keine Identifikation Wechselwirkungen -schwierige Optimierung
- 7 Schritte Versuchsplan 1. Erkennen und Formulieren Problem 2. Auswahl Antwortgrößen und Methoden 3. Faktoren und Faktorstufen 4. Auswahl Versuchsplan 5. Durchführung 6. Stat. AUswertung 7. Schlussfolgerung
- Problem erkennen und formulieren 4 Punkte -Was will ich wissen -andere Experten einbeziehen -was weiß ich schon -wie geht es danach weiter
- Antwortgrößen und Messmethodik -Prüfung Beherrschung Methode, Sensorikpanel -relevante Größen? -weitere Größen einbeziehen?
- Auswahl Faktoren und Faktorstufen Faktoren: -ergibt sich oft aus Fragestellung -Wahl um aktuelle Bedingungen Stufen -zu klein: nicht signifikant -zu groß: nicht realisierbar
- Auswahl des Versuchsplans 3 Möglichkeiten weiteres -Optimierung -Identifikation Faktoren -sequentiell: erst Identifikation, dann Optimierung generell: Was möchte ich wissen? man sollte Pläne mit Eigenheiten kennen, Software Auswahl
- Versuchsdurchführung zu berücksichtigen -Einhaltung Reihenfolge -Wiederholungsversuche -externe Analytik: Kodierung
- Stat. Auswertung und Schlussfolgerung -keine Überinterpretation => konnte nicht signifikant nachgewiesen werden => weitere Versuche
-
- Faktor Def und Bsp -alles, was die Antwortgröße beeinflussen kann zb Plätzchen backen Zeit
- numerische und kategorische Faktoren numerisch: auf kontinuierlicher Skala verändert zb Temp kategorisch: nicht quantitativ zb Butter/Magarine
- Antwortgrößen kann alles sein, was durch die Faktoren x beeinflusst werden kann z.b. Geschmack Plätzchen
- 4 Arten von Antwortgrößen -stetig: kann jeden Wert annehmen, quantifizierbar -diskret: quantifizierbar, nur ganze Zahlen -ordinal: Kategorien können in Reihenfolge gebracht werden -kategorisch: nicht in Kategorien, kein SP möglich
- Bei welchen Antwortgrößen ist SVP möglich? nur quantifizierbare Antwortgrößen
- Effekt Def. Wie beeinflusst ein Faktor die Antwortgröße zb Effekt Backzeit auf den Geschmack Unterschied zwischen Antwortgröße bei 10 und 20 min Effekt = Faktor Stufe -1 - Faktor Stufe + 1
- Faktorwechselwirkungen Def, Folge ob Einstellung eines Faktors Einfluss auf anderen Faktor hat Vergleich über Kreuz => keine einzelne Optimierung
- Sinn Modellbildung Es sollen Zusammenhänge zwischen Antwortgröße und Faktoren aufgestellt werden
- 4 Komponenten eines Modells kontrollierbare Faktoren x und Störfaktoren wirken auf die Funktion f und führen zum Ergebnis y f (x1, x2)
- Was für Modelle werden verwendet? -empirische => mathematische Beschreibung -Korrelationen, keine Kausalitäten -Unterschiede nach Parameterzahl
- lineares Modell Steigung, Achsenabschnitt zb y = m *x + b oder Zwei Faktoren y = m*x + n * z + b
- Darstellung linearer Modelle mit zwei Faktoren als Ergebnisoberflächen
- Wann quadratisches Modell? -einige Zusammenhänge haben Optimum kein linearer Zusammenhang zb Kuchen Backzeit
- Wieviele Faktorstufen für Identifikation nicht-linear? für Verfizierung? 1) 3 2)5
- 2 Funktionen Zentralpunkte 1) Identifikation nicht-linearer Zusammenhänge 2) Fehlerabschätzung
- Wie testet man mit Zentralpunkt auf nicht-lineare Zusammenhänge? wenn Messwert der Zentralpunktes der Mittelwert der anderen ist dann linear Abweichung => nicht linear, Ursache nicht identifiziert
-
- Was kann man mit der Wiederholung von Zentralpunkten machen? -Abschätzung realer Fehler -Ursachen: Fehler Versuchsdurchführung oder Analytik -Bestimmung Signal-Rausch-Verhältnis
- Was sind unerwünschte Faktoren? Folgen, Probleme 3 Kategorien -deswegen braucht man Statistik -Beeinflussung das Messergebnis ; man weiß nicht ob Faktor signifikant 3 Kategorien: kontrollierbar, nicht kontrollierbar, Störfaktoren
- kontrollierbare Faktoren Def, Lösung, Bsp beeinflussbar und messbar zb konstant halten Bsp. Chargen
- unkontrollierbare Faktoren Def, Bsp messbar aber nicht beeinflussbar zb. Temperatur steigt an
- Störfaktoren Def, Bsp nicht messbar oder beeinflussbar Bsp. Ermüdung Sensorikpanel
- Umgang mit unerwünschten Faktoren 3 Möglichkeiten und jew. Anwendung -Blockbildung: kontrollierbar -Randomisierung: unkontrollierbar und Stör -Wiederholungsversuche => Ermittlung Grundrauschen
- Blocken Versuche werden so verteilt, dass Faktor zb Charge nicht mit Faktor zusammenfällt
- Randomisieren Vorgehensweise Effekt Versuche werden nicht in systematischer Reihenfolge, sondern in zufälliger Reihenfolge => keine Vermeidung unkontrollierbar und Stör, aber Vermeidung systematischer einfluss