Design of Experiments

Ben je producten aan het ontwikkelen of optimaliseren? Heb je een data-analyse waarbij geen grondoorzaken naar voren komen? Misschien biedt Design of Experiments een uitkomst. Een Six Sigma tool die met een relatief laag aantal experimenten aan de juiste knoppen draait om de kwaliteit van de output te verhogen.

Procesontwerp met behulp van experimenten en statistiek

Design of Experiments (DOE) is een manier om met statistiek en experimenten processen te ontwerpen. Door slim en gestructureerd te werken, blijft het aantal experimenten – anders dan bij andere methodes – relatief laag. Iets wiskundiger uitgedrukt wordt een DOE gebruikt om met een minimaal aantal experimenten de uitkomst van een proces (de Y) te optimaliseren. Waarbij er twee of meer variabelen of invloedsfactoren (de X-en) zijn die deze Y bepalen. De X-en zijn dan de knoppen waaraan je kunt draaien om de Y te beïnvloeden.

Een voorbeeld van Design of Experiments

Kunststoffen zijn overal om ons heen te vinden. De grondstoffen worden in grote fabrieken gemaakt. Voordat een autodashboard, bloedtransfusiezak of het omhulsel van een glasvezelkabel gemaakt kan worden, is een tussenstap nodig. Daarin worden kunststoffen en hulmiddelen onder verhoogde druk en temperatuur versmolten in een machine, een zogenaamde extruder. Afhankelijk van de benodigde eigenschappen moeten de juiste ingrediënten en machine-instellingen worden gekozen. DOE wordt gebruikt om met een beperkt aantal experimenten een zo optimaal mogelijk product te maken.

De grondslag voor DOE

De basis voor Design of Experiments is in de 19de eeuw gelegd, door Charles Sanders Peirce. In de eerste helft van de 20^ste eeuw was het zijn landgenoot Ronald Fisher die een methode beschreef voor het ontwerpen van een experiment. Dit vormde de grondslag voor Design of Experiments.

Minder kostbaar en tijdrovend

Traditioneel werd aan één knop (een X) tegelijk gedraaid om de beste procesuitkomst (de Y) te vinden. Totdat uiteindelijk alle knoppen (X-en) dusdanig waren afgesteld dat het proces optimaal presteerde. Dit was tijdrovend en kostbaar. Daarbij hield deze methode geen rekening met het feit dat de Y ook afhankelijk kan zijn van interactie tussen meerdere X-en. DOE doet dit wel en is daarbij minder tijdrovend en dus ook minder kostbaar. Pakketten als Minitab, Jmp en Stat-Ease helpen bij het doen van een Design of Experiments.

DOE heeft een brede toepassing (zie ook het voorbeeld hierboven). Het kan gebruikt worden in onderzoek- en ontwikkelingslaboratoria, fabrieken en sociale wetenschappen. En dat is nog maar een greep.

Design of Experiments en Lean Six Sigma

Binnen de DMAIC-structuur van Lean Six Sigma kan Design of Experiments worden toegepast in zowel de Analyze als de Improve fase. Het helpt dus niet alleen bij het doorgronden van grondoorzaken maar ook bij het verbeteren. Wil jij leren hoe je procesverbeteringen in jouw organisatie goed kunt managen, lees dan hier meer over de Green Belt  of  Black Belt opleiding en schrijf je gerust in.