Versuchspläne

  • Karl Siebertz
  • David van Bebber
  • Thomas Hochkirchen
Chapter
Part of the VDI-Buch book series (VDI-BUCH)

Zusammenfassung

Die richtige Wahl des Versuchsplans kann über den Erfolg der Untersuchung entscheiden. Auf jeden Fall entscheidet der Versuchsplan über den Aufwand des Vorhabens, beziehungsweise darüber, wie viele Parameter im realisierbaren Rahmen untersucht werden können. Hierbei spielt es eine zentrale Rolle, welches Beschreibungsmodell zugrunde liegt, um die Abhängigkeit zwischen Zielgröße und Eingangsgrößen zu erklären.

Dieses Kapitel erläutert zunächst die Grundidee einer Feldkonstruktion und stellt dann die üblichen Familien der Versuchspläne vor. Praxisbezug steht dabei im Vordergrund, denn in Anbetracht der verfügbaren Software kann der Anwender heutzutage aus einer Fülle von vordefinierten Versuchsplänen auswählen. Wichtig ist es nun, die spezifischen Vor- und Nachteile der jeweiligen Versuchspläne zu kennen, sowie deren Einsatzbereich und die Grenzen des Beschreibungsmodells.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. 1. Anderson, L.D.: The history of latin squares. Aalborg University, Dept. of Mathematical Sciences (2007) 58Google Scholar
  2. 2. Anderson, M., Whitcomb, P.: RSM Simplified. Productivity Press, New York (2005) 42, 65, 82, 83Google Scholar
  3. 3. Bothe, H.H.: Neuro-Fuzzy Methoden. Springer Verlag, Berlin Heidelberg New York (1998) 23, 48Google Scholar
  4. 4. Fahrmeir, L., Kneib, T., Lang, S.: Regression. Springer Verlag, Berlin Heidelberg (2009) 55, 56, 61, 65, 213Google Scholar
  5. 5. Fowlkes, W., Creveling, C.: Engineering Methods for Robust Product Design. Addison- Wesley, Reading, MA (1995) 2, 34, 58, 139Google Scholar
  6. 6. Hunter, S.J.: Let’s all Beware the Latin Square. Quality Engineering 1 (4), pp. 453 – 465 (1989) 57Google Scholar
  7. 7. Montgomery, D.C.: Design and Analysis of Experiments. John Wiley, New York (2001) 2, 32Google Scholar
  8. 8. Pokropp, F.: Lineare Regression und Varianzanalyse. Oldenbourg Verlag, München Wien (1999) 55Google Scholar
  9. 9. Schulte, H., Platzbäcker, W., Siebertz, K., Lach, R.: Design of Experiments (DoE) in der Motorenentwicklung, chap. Hydrodynamic Bearing Calculation as a Potential DoE Application within the Engine Development Process, pp. 1–19. Expert Verlag, Renningen (2003) 42Google Scholar
  10. 10. Siebertz, K.: Front Impact Occupant Models with Finite Element Structures to Investigate Lower Leg Loads. In: European MADYMO User’s Conference, Stuttgart (1999) 31Google Scholar
  11. 11. Toutenburg, H., Fieger, A.: Deskriptive Statistik. Prentice Hall, München London (1998) 55Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland 2017

Authors and Affiliations

  • Karl Siebertz
    • 1
  • David van Bebber
    • 2
  • Thomas Hochkirchen
    • 3
  1. 1.AldenhovenDeutschland
  2. 2.AachenDeutschland
  3. 3.VaalsNiederlande

Personalised recommendations