Definition
Statistische Methode zur systematischen Planung, Durchführung und Auswertung von Versuchen, um die Einflussfaktoren auf einen Prozess oder ein Produkt zu quantifizieren. Ermöglicht die Optimierung von Prozessparametern mit minimalem Versuchsaufwand und bildet die Basis für Six-Sigma-Projekten.
In der Praxis
Versuchsplanung scheitert in der Praxis selten an der Statistik, sondern an der Reihenfolge. Das klassische Bild im Spritzguss: Ein Einrichter dreht am Druck, sieht keine Besserung, dreht zurück, dreht an der Temperatur — nach zwei Schichten ist niemand schlauer, weil Druck und Temperatur zusammenwirken und Ein-Faktor-Versuche genau diese Wechselwirkung unsichtbar machen. DOE beantwortet mit einem Dutzend geplanter Läufe, wofür das Bauchgefühl Wochen braucht. Drei Fehler sehe ich regelmäßig: Erstens wird gerechnet, bevor gemessen werden kann — ohne nachgewiesene Prüfprozesseignung optimieren Sie Messrauschen. Zweitens wird der Versuchsplan nicht randomisiert; dann hängt der Temperatureffekt in Wahrheit an der Nachtschicht. Drittens wird nach dem Screening sofort das volle faktorielle Programm gefahren, statt erst die wenigen wirksamen Faktoren zu identifizieren. Der eigentliche Gewinn landet im Produktionslenkungsplan: ein statistisch abgesichertes Parameterfenster statt einer Punkteinstellung — die Grundlage robuster Prozesse und stabiler Fähigkeitswerte.
Häufige Fragen zu DOE
Was unterscheidet DOE vom klassischen Probieren — ein Faktor nach dem anderen?
Die Ein-Faktor-Methode verändert jeweils eine Größe und hält alle anderen konstant — sie findet lokale Optima und übersieht systematisch die Wechselwirkungen. Gerade in Fertigungsprozessen sind die aber die Regel: Im Spritzguss wirkt die Massetemperatur anders bei hohem als bei niedrigem Nachdruck, in der Zerspanung hängt der Standzeitgewinn der Drehzahl vom Vorschub ab. DOE variiert die Faktoren nach einem Plan gleichzeitig und trennt rechnerisch Haupteffekte von Wechselwirkungen — mit deutlich weniger Versuchen als das Durchprobieren aller Kombinationen. Dazu kommt die statistische Absicherung: Sie wissen am Ende, ob ein Effekt echt ist oder im Messrauschen verschwindet. Und der Zeitgewinn ist erheblich: Ein gescreentes Fünf-Faktoren-Problem lässt sich mit einem Bruchteil der Maschinenstunden klären, die die Einzelversuche verbrennen. Probieren erzeugt Anekdoten, DOE erzeugt Modelle.
Fordert die IATF 16949 oder ein OEM statistische Versuchsplanung?
Explizit als Methode nicht — die Norm verlangt das Ergebnis, nicht das Werkzeug. Die IATF 16949 verlangt, dass statistische Hilfsmittel für jeden Prozess in der Qualitätsvorausplanung festgelegt werden und dass Fehlervermeidungsmethoden in die Produktionsprozessentwicklung einfließen; DOE ist das etablierte Instrument, um Parameterfenster und Prozesseinstellungen faktenbasiert festzulegen. In der Methoden-Bibliografie der Norm findet sich mit dem ANFIA-Handbuch zur Versuchsplanung auch ein expliziter Verweis, und im Six-Sigma-Kontext ist DOE ohnehin Kernbestandteil. Verbindlich wird es wie immer über den Kunden: Manche OEM erwarten für kritische Prozesse eine nachgewiesene Parameteroptimierung, und im Audit überzeugt ein dokumentierter Versuchsplan mehr als jede Erfahrungsaussage. Kurz: Niemand schreibt Ihnen DOE vor — aber wer es beherrscht, beantwortet die Fähigkeitsfrage schneller und billiger (IATF 16949:2016, Abschnitt 9.1.1.2).
Wie starten wir mit DOE bei einem konkreten Prozessproblem, etwa im Spritzguss?
Halten Sie das erste Projekt klein und sauber. Erstens die Voraussetzung: Die Prüfprozesseignung für das Zielmerkmal muss stehen — sonst optimieren Sie Messfehler. Zweitens die Faktorauswahl: drei bis fünf Kandidaten aus der Prozess-FMEA und der Erfahrung der Einrichter, nicht zehn aus dem Bauch heraus. Drittens das Design: Ein fraktionell faktorielles Screening mit zwei Stufen je Faktor genügt, um die wirksamen von den unwirksamen Faktoren zu trennen; randomisieren Sie die Laufreihenfolge, damit Schicht- und Maschineneffekte nicht als Parametereffekte erscheinen. Viertens die Bestätigung: Die gefundene Einstellung wird mit Wiederholungsläufen verifiziert, bevor sie Standard wird. Fünftens die Verankerung: Das bestätigte Parameterfenster wandert in Produktionslenkungsplan und Einrichtblatt — mit Toleranz, nicht als Punktvorgabe. So wird aus einem Versuch ein robustes Prozessfenster, das auch der nächste Anlauf noch nutzt.