110912 vortrag doe hochschule deggendorf · pdf fileaerospace engineering, ... management,...
TRANSCRIPT
Deggendorf, 13. September 2011
Strukturierte Optimierung
Praxisbegleitende Studienwoche School of Skills
2 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
22 Jahre Industrieerfahrung; 9 Jahre selbstständiger Unternehmensberater
Beraterprofil Dr. Axel Härtl
Ausbildung
Sprachen Methodenkompetenz
Schlüsselprojekte (Auszug) Berufliche Erfahrung
1978-1984 Ruhr Universität Bochum, allgemeiner Maschinenbau
1989-19971989 - 19911991 - 19931993 - 19951995 - 1997
BASF AG, Ludwigshafen• technische Entwicklung• Werkstofftechnik• Forschung Kunststoffe• Anwendungstechnik
• Deutsch• Englisch
Branchenkompetenz• Chemische Industrie• Kunststoffproduktion• Maschinen- und Anlagenbau• Verfahrenstechnische Industrie• Automobilzulieferindustrie
branchenübergreifende Kompetenz alsBusiness Coach
• Optimierung von Compoundieranlagen (Durchsatzmaximierung)
• Prozessverbesserung bei einer Produk-tionsanlage für Kunststoffvorprodukte
• Ablauf- und Prozessoptimierung des gesamten Wertstroms im Anlagenbau
• Entwicklung eines Steuerungsmodells für eine Kunststoffrecyclinganlage
• Kostenreduktion bei Einbauleuchten mittels Wertanalyse
• Rüstzeitverminderung in einem Com-poundierbetrieb
• Wirtschaftlichkeitserhöhung in einer Schmiede durch Verschleißminimierung
1984 Texas A&M University, USA, Aerospace Engineering, Master Thesis
1984-1989 Ruhr Universität Bochum, wissenschaftlicher Assistent, Promotion zum Dr.-Ing.
1997-20021997 - 20021999 - 20022000 - 2002
Lehmann&Voss, Hamburg• Entwicklungsleiter• Produktionsleiter (zus.)• Werkleiter (zus.)
• Business Coaching (zertif iziert durch V.I.E.L sowie dvct)
• Wertanalyse (zertif iziert durch VDI)• Debottlenecking; insbesondere in Produk-
tionsabläufen• OEE Analyse und Optimierung• Rüstoptimierung SMED• Six Sigma Methoden• DoE, statistische Versuchsplanung• Projektmanagement (incl. Multiprojekt-
management, TOC)• Prozessanalyse und –optimierung• Verfahrenstechnische Entwicklung• Moderation
seit 2002 selbstständiger Unternehmens-berater, Projektleiter und Interim Manager
Dr. Axel Härtl Telefon : +49 45 33 / 79 778 60zertifizierter Business Coach (V.I.E.L und dvct) Telefax : +49 45 33 / 79 778 61zertifizierter Wertanalytiker (VDI, Verein deutscher Ingenieure) Mobil : +49 1 71 / 38 380 19Steinfeld 110 E-Mail : [email protected] Feldhorst Internet : www.optimierungspartner.de
Vorstellung
3 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Nach dieser Veranstaltung sollten Sie
� eine grobe Vorstellung von der statistischen Versuchsplanung haben
� die Vorteile erkannt haben
� die Erfolgsfaktoren kennen
� den Einsatz in Ihrem Umfeld einschätzen können
... und
� Ihren Zeiteinsatz als lohnend beurteilen
Ziele des Beitrages
4 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
� Auswertung von Versuchsplänen
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
5 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
� Auswertung von Versuchsplänen
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
6 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Pro
duktionsaufw
and b
zw
. P
ote
ntial
70% Effizienzin der Nutzung
der Betriebszeit
100% Betriebszeit
Anlagenbetrieb
20% ungenutzte Reserven
56% Effizienzin der Nutzung
der Betriebszeit
5% Ausschuss
Produktherstellung
30% Stillstand
durch Rüstzeiten, Instandhaltung, …
53% Effizienz in der Nutzung der
Betriebszeit
Wert-
schöpfung
Angegebene Zahlen sind stark branchenabhängig, aber industrieüblich
nur
die
se z
ahlt
der
Kunde
Verlust
die
ses z
ahlt
das
Unte
rnehm
en
Typische Einsatzbereiche für methodische Optimierungsverfahren
Maß für die effiziente Nutzung des installierten AnlagenpotentialsOverall Equipment Efficiency oder Effectivness
7 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
M.
T
T, p, Füllkörpergeometrie
T
M M
Zusatzstoff
Einsatzstoff
Lösungsmittel
Lösungsmittel
Endprodukt
M.
M.
T, p, Rührergeometrie
Dampf
Dampf
n n
T, p, Rührergeometrie
� Die Wirkung der vielen Einflussgrößen ist in der Praxis nicht mehr zu übersehen!
� Die Betreiber handeln häufig nach dem Prinzip: "Never touch a running system".
� Eine systematische Optimierung wird in der Regel nicht durchgeführt.
Verfahrensfließbild
Mischprozess mit 16 Einflussgrößen auf das Endprodukt
8 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
� Auswertung von Versuchsplänen
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
9 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Produktzugabe
Produktablauf nach Reaktionszeit
Variable Prozessparameter:
� Temperatur im Rührkessel [°C]
�Reaktionszeit [h]
�Katalysatormenge [%]
�Rührerdrehzahl [min-1]
Optimierungsziel:
�Maximale Ausbeute [%]
Live-Optimierung: Reaktion im Rührkessel
10 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anlagensimulation:
Zu Demonstrationszwecken wird im folgenden eine Reaktion in einem Rührbehälter simuliert. Dabei wird eine reale Situation insofern abgebildet, als
a) alle Messungen der Zielgröße von Messfehlern überlagert werden. Bei Wiederholungsmessungen wird sich daher der ermittelte Wert für die Zielgröße ändern.
b) einige Einstellgrößen einen Einfluß in der Größenordnung der Messfehler haben.
Bitte geben Sie jeweils zunächst die Versuchspunkte ein und starten dann die Rechnung durch die Taste <F9>.Versuchen Sie, die Ausbeute zu maximieren, idealer Weise mit geringerer Temperatur (Energieeinsparung), kürzerer Reaktionszeit (Produktivität) und geringerer Katalysatormenge (Kosten).
Zählen Sie dabei die Anzahl Ihrer Versuche.
Live-Optimierung: Reaktion im Rührkessel
11 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Beispiel bei einer Entwicklung mit 4 Versuchsparametern
� Einstellung: "Ich muss doch wissen, wie sich der Parameter auswirkt. Daher darf ich nur einen einzigen Wert von Versuch zu Versuch verändern."
� Es werden drei Parameter festgehalten und nur einer variiert. Diese Methode heißt: "One factor at a time"
Auswirkung
�Versuchsaufwand: Bei nur drei Einstellungen pro Versuchsparameter sind 34= 81
Versuche durchzuführen.
�Wissenszuwachs: Gesamtzusammenhänge und Wechselwirkungen werden nicht erkannt.
�Aussagekraft: Zufallsergebnisse aufgrund von Messfehlern können von echten Effekten nicht getrennt werden.
Typisches Vorgehen bei der "herkömmlichen" Versuchsmethodik
12 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Zufriedenstellende Lösung mit nur wenig Aufwand
� Aussagekräftige Ergebnisse
� Information über die wesentlichen Einflussgrößen auf unser Problem
� Kenntnis der quantitativen Zusammenhänge
� Optimierung auch bei mehreren (widersprüchlichen) Zielanforderungen
� Angabe über die Verlässlichkeit der Aussagen
Wir suchen ein Verfahren, mit dem wir unsere Probleme wirtschaftlich lösen können und mit dem wir Folgendes erreichen:
Anforderungen
13 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
�Historie: Sir Ronald Fisher, 1920 ff, England
�Ziel: Reproduzierbare und verlässliche Versuchsergebnisse mit möglichst geringem experimentellem Aufwand
�Planung: Problemangepasstes Vorgehen, um den Aufwand zu minimieren
�Statistik: Trennung echter Effekte von Zufallsmessungen
(Messfehler, Versuchsstreuungen)
�Vorgehen: Aufteilung in Screening und Optimierung
�Versuchsplan: Mehrfache Ausnutzung von Versuchsergebnissen, Elimination von Störeinflüssen
� Ergebnis: empirisches Modell für den quantitativen Zusammenhang zwischen Einflussgrößen und Zielgrößen
Was ist "statistische Versuchsplanung" oder "Design of Experiments" (DoE)
14 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgrößen
Störgrößen
Zielgrößen
System(Produkt oder Prozess)
�Rohstoffqualität
�Rezepturbestandteile
�Anlagenparameter
�Bedienpersonal
�Qualitätsschwankungen
� Luftfeuchte
�Verschleiß
�Produktqualität
�Durchsatz
� Eigenschaften
� Energieeinsparung
�Umweltschutz
Begriffsbestimmung
15 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
�Die Natur kennt keine Sprünge.
� Jedes System kann durch eine "glatte" Kurve beschrieben werden, wenn man nur den
Ausschnitt richtig wählt.
�Die Zielgröße wird als mathematische Funktion angesetzt.
z.B. Zielgröße = a0 Konstante+ a1 * Faktor1 linear+ a2 * Faktor2 linear+ a3 * Faktor1 * Faktor1 quadratisch+ a4 * Faktor2 * Faktor2 quadratisch+ a5 * Faktor1 * Faktor2 Wechselwirkung+ εεεε Fehlerterm
�Versuche "nur" zur Bestimmung der Koeffizienten ai und der Prozessstabilität
�Die notwendige Anzahl der Versuche ergibt sich somit aus:
• Anzahl der Faktoren, die untersucht werden sollen
• Komplexität des Problems
• Größe der Prozessschwankung
Grundsätzlicher Ansatz
16 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Temperatur
Reaktionszeit
12011010090807060504030
10
9
8
7
6
5
4
3
2
>
–
–
–
–
< 20
20 30
30 40
40 50
50 60
60
Ausbeute
Konturdiagramm von Ausbeute vs. Reaktionszeit; Temperatur
Bereich des Optimums
Aktuelle Produktionseinstellung
Live-Optimierung: Reaktion im Rührkessel; Screening
17 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Durchführung der Versuche nach einem Optimierungsplan
LfdNr Rührerdrehzahl Temperatur Reaktionszeit Katalysatormenge Messung Modell1 nicht variiert 75 5,0 nicht variiert 85,6 85,7
2 nicht variiert 120 5,0 nicht variiert 68,8 68,7
3 nicht variiert 75 3,5 nicht variiert 84,3 84,1
4 nicht variiert 75 2,0 nicht variiert 76,6 76,7
5 nicht variiert 120 2,0 nicht variiert 53,3 53,3
6 nicht variiert 30 2,0 nicht variiert 61,0 60,9
7 nicht variiert 30 3,5 nicht variiert 65,1 65,2
8 nicht variiert 30 5,0 nicht variiert 63,6 63,5
9 nicht variiert 120 3,5 nicht variiert 63,9 64,0
50
60
70
2 3 4
80
1205
30
60
90
Ausbeute
Temperatur
Reaktionszeit
Wirkungsflächendiagramm von Ausbeute
Temperatur
Reaktionszeit
12011010090807060504030
5,0
4,5
4,0
3,5
3,0
2,5
2,0
>
–
–
–
–
–
–
–
–
–
<
80 83
83
56
56 59
59 62
62 65
65 68
68 71
71 74
74 77
77 80
Ausbeute
Konturdiagramm von Ausbeute
AktHoch
Tief0,98721D
Optimal
d = 0,98721
Maximum
Ausbeute
y = 85,8875
2,0
5,0
30,0
120,0ReaktionTemperat
[77,2727] [4,6970]
Aktuelle Einstellungen
Rührerdrehzahl Temperatur Reaktionszeit Katalysatormenge Ausbeute
100 115 10 3 40,9
Zukünftige Einstellungen
Rührerdrehzahl Temperatur Reaktionszeit Katalysatormenge Ausbeute
< 100 77,3 4,7 1 oder ohne??? 85,9 (+210%)
Verschiedene Darstellungsarten des Ergebnisses
Live-Optimierung: Reaktion im Rührkessel; Optimierung
18 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
[h]eitReaktionszZ
C][TemperaturT
**048,0*31,1*01,0*6,8*27,18,16 22
=
°=
+−−++= ZTZTZTAusbeute
Simulation DoEKonst 16,0 16,8 Rührerdrehzahl - nicht signifikant
Temperatur 1,30 1,27 Reaktionszeit 9,0 8,6 Katalysatormenge - nicht signifikant
T*T 0,010 - 0,010 - R*R 1,40 - 1,31 - T*R 0,050 0,048
Zufallszahl Ausreißer?
Gegenüberstellung von Simulationsparameter mit gefundenen Parametern nach DoE zeigt eine gute Übereinstimmung
Live-Optimierung: Reaktion im Rührkessel; Modell
19 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
AktHoch
Tief0,98721D
Optimal
d = 0,98721
Maximum
Ausbeute
y = 85,8875
2,0
5,0
30,0
120,0ReaktionTemperat
[77,2727] [4,6970]
Erkenntnisse zur Stabilität des Produktionsprozesses:
• Abweichungen von der optimalen Reaktionszeit sind unkritisch. Hier wäre evtl. eine Reaktionszeitverkürzung auf Kosten der Ausbeute zur Erhöhung der Anzahl der Ansätze pro Zeiteinheit sinnvoll.
• Abweichungen von der optimalen Temperatur führen sofort zum Ausbeuteverlust. Hier könnte es ggf. sinnvoll sein, eine in eine bessere Temperatursteuerung zu investieren.
Die Abweichungen vom Optimalpunkt haben bei unterschiedlichen Parametern verschiedene Auswirkungen
Live-Optimierung: Reaktion im Rührkessel; Prozess-Stabilität
20 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Zufriedenstellende Lösung mit nur wenig
Aufwand
� Aussagekräftige Ergebnisse
� Information über die wesentlichen
Einflussgrößen auf unser Problem
� Kenntnis der quantitativen Zusammenhänge
� Optimierung auch bei mehreren
(widersprüchlichen) Zielanforderungen
� Angabe über die Verlässlichkeit der
Aussagen
� Zeit- und Kosteneinsparung;
8+9 Versuche
� Erkenntniszuwachs; transpa-rente Darstellung
� Erkenntniszuwachs; nur zwei Parameter signifikant
� Optimierungsmöglichkeit;
Modellgleichung
� Zeit- und Kosteneinsparung; hier nur Ausbeutemaximierung
� Sicherheit; Modellgüteabschät-zung und Prognosekorridor (nicht gezeigt)
Wir suchen ein Verfahren, mit dem wir unsere Probleme lösen können und mit dem wir folgendes erreichen:
Anforderungen
21 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
• Lage der Versuchspunkte
• Unabhängigkeit von Versuchseinstellungen
• Berücksichtigung möglicher Störgrößen
• Aufwandsreduzierung
� Aufteilung in Screening und Optimierung
� Teilversuchspläne (Fraktionierung und Vermengung)
� Auswertung von Versuchsplänen
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
22 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgröße 1
Einflussgröße 2
Die Verteilung der Versuchspunkte ist nicht ausgewogen!
?
Betriebspunkt
Aufteilung der Versuchspunkte im Parameterraum
23 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgröße 1
Einflussgröße 2
Aufteilung der Versuchspunkte im Parameterraum
24 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgröße 1
Einflussgröße 2
Die Wirkung der beiden Einflussgrößen kann eindeutig bestimmt werden!
Aufteilung der Versuchspunkte im Parameterraum
25 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einfluss der Lage der Versuchspunkte (Parameterbereich)
aus: Box & Hunter & Hunter, Statistics for Experimenters, Wiley, 1978
Temperatur [°C]
Ausbeute [%] keine Korrelation feststellbar
26 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Untersuchung zur Wirkung von Bier auf die Konzentrationsfähigkeit
1. Versuch: Versuchsperson trinkt 3 Gläser Bier
Versuchsergebnis: Konzentration 80 %
2. Versuch: Versuchsperson trinkt (noch) 2 Gläser Bier
Versuchsergebnis: Konzentration 50 %
3. Versuch: Versuchsperson trinkt (noch) 1 Glas Bier
Versuchsergebnis: Konzentration 30 %
Fazit: Die Konzentration ist umso höher, je mehr Bier getrunken wurde!
Versuchsergebnis
30
50
80
0
100
0 1 2 3 4
Anzahl Gläser [-]
Konzentration [%]
Unabhängigkeit der Versuchseinstellungen
27 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Beispiel mit versteckter Störgröße "Produktfeuchtigkeit"
Messgröße
ZeitTag 1 Tag 2 Tag 3
Temp: 100 °C Temp: 120 Temp: 120 °°CC Temp: 140 °C
Aussage:Die Temperatur hat einen positiven Effekt auf die Messgröße!
Diese Aussage ist falsch!
Denn …
28 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Beispiel mit versteckter Störgröße "Produktfeuchtigkeit"
Messgröße
ZeitTag 1 Tag 2 Tag 3
Aussage:Die Temperatur hat keinenEffekt auf die Messgröße!
Erklärung:Das Produkt hat im Laufe der Versuchszeit Feuchtigkeit aufgenommen, die die Messergebnisse beeinflusst.
Temp: 100 °C Temp: 120 Temp: 120 °°CC Temp: 140 °C
Versuchspläne müssen diese Fehlerquelle berücksichtigen!Randomisierung oder explizite Berücksichtigung (messbarer) Störgrößen
29 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgrößen
Effekt
Pareto Prinzip (80/20 Regel)Von 25 Faktoren haben nur 5 einen signifikanten Effekt
Rauschen; Streuung
Aber welche Faktoren sind das?
Anwendung zur Reduzierung von Einflussgrößen
30 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgrößen
Effekt
kein Faktor hat einen Einfluss
Annahme vor Screening:
31 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Normalverteilungsplot für Var1 (Tabelle2 1v*345c)
-4 -3 -2 -1 0 1 2 3 4
Beobachteter Wert
-4
-3
-2
-1
0
1
2
3
4
The
oret
isc
her W
ert
Die Messwerte sind normalverteilt. Daraus folgt, dass keine Einflussgröße den Prozess wirklich verändert.
Die untersuchten Parameter sind nicht signifikant.
Zufällige, normal verteilte Daten zeigen im Wahrscheinlichkeitsplot eine Gerade
Erwartetes Ergebnis, wenn keine signifikanten Einflussgrößen vorliegen
32 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einflussgrößen
Effekt
Rauschen; Streuung
Erkenntnis, welche Faktoren welchen Einfluss haben
Ergebnis nach Screening:
33 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Normalverteilungsplot für Var1 (Tabelle2 1v*345c)
-4 -3 -2 -1 0 1 2 3 4
Beobachteter Wert
-4
-3
-2
-1
0
1
2
3
4
The
oret
isc
her
We
rt
Normalverteilungsplot für NeuVar (Tabelle2 2v*345c)
-40 -30 -20 -10 0 10 20 30
Beobachteter Wert
-8
-6
-4
-2
0
2
4
6
The
oret
isc
her
We
rt
Die Messwerte sind normalverteilt. Daraus folgt, dass keine Einflussgröße den Prozess wirklich verändert.
Die untersuchten Parameter sind nicht signifikant.
Die Messwerte weichen von der Normalver-teilung ab. Daraus folgt, dass mindestens eine Einflussgröße den Prozess wirklich verändert.
Die so gefundenen Parameter sind alsosignifikant und können zur Optimierung des Prozesses verwendet werden.
Signifikante Daten zeigen im Wahrscheinlichkeitsplot eine Abweichung von einer Geraden
Test auf signifikante Effekte
34 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anzahl der Einfluss-faktoren
Anzahl der Versuche komplett
Anzahl der Versuche reduziert
2 4 4
3 8 4
4 16 8
5 32 16
6 64 16
7 128 16
8 256 16
9 512 32
10 1024 32
4
1 2
3
8
6
7
5
Mittels Methoden der DoE-Methode lässt sich der Aufwand für die Versuche drastisch reduzieren
Reduzierung des Versuchsaufwands durch Fraktionierung (Vermengung)
35 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
� Auswertung von Versuchsplänen
• Signifikanz der Einflussgrößen
• Modellbildung
• Wechselwirkungen
• Plausibilität
• Ergebnisdarstellung
• Optimierung
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
36 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einstellung 1 Einstellung 2
Zeitliche Reihenfolge der Versuche
Zielgröße, z.B. Rohstoffverbrauch
Würden Sie eine Investitionsentscheidung bei Kenntnis dieser Versuchsergebnisse treffen?
- oder –
Wo bleibt eigentlich die Statistik?
37 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einstellung 1
Zeitliche Reihenfolge der Versuche
Zielgröße
Wiederholung von Messungen ohne Veränderung der Einflussgröße
38 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anzahl der Beobachtungen
Messgröße
0,8 0,9 1,0 1,1 1,2 1,3
Messgröße
Anzahl der Beobachtungen
1,31,21,11,00,90,8
20
15
10
5
0
Mean 0,9925
StDev 0,1136
N 100
HistogrammFit: Normalverteilung
Wiederholung von Messungen ohne Veränderung der Einflussgröße
39 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einstellung 1 Einstellung 2
Zeitliche Reihenfolge der Versuche
Zielgröße
Mittelwerte
Wiederholung von Messungen mit Veränderung einer nicht signifikantenEinflussgröße
40 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anzahl der Beobachtungen
Messgröße
0,8 0,9 1,0 1,1 1,2 1,3Messgröße
Anzahl der Beobachtungen
1,31,21,11,00,90,8
20
15
10
5
0
Mean 0,9925
StDev 0,1136
N 100
HistogrammFit: Normalverteilung
Wiederholung von Messungen mit Veränderung einer nicht signifikantenEinflussgröße
41 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Einstellung 1 Einstellung 2
Zeitliche Reihenfolge der Versuche
Zielgröße
Mittelwerte
Wiederholung von Messungen mit Veränderung einer signifikanten Einflussgröße
42 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anzahl der Beobachtungen
Messgröße
0,8 0,9 1,0 1,1 1,2 1,3
Messgröße
Anzahl der Beobachtungen
25
20
15
10
5
0
Mean 3,006
StDev 3,101
N 200
Fit: Normalverteilung Histogramm
Wiederholung von Messungen mit Veränderung einer signifikanten Einflussgröße
43 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Messgröße
Anzahl der Beobachtungen
2 5
2 0
1 5
1 0
5
0
Mean 3,006
St Dev 3,101
N 200
Fi t: Normalvert eilu ng Histogramm
• Durch Verwendung von Statistik bekommen wir die Erkenntnis, ob gemessene Unterschiede wirklich signifikant, oder ob sie zufällig sind.
• Nur Einflussparameter, die das betrachtete Problem wirklich
signifikant verändern können, sind für eine Optimierung zu gebrauchen.
• Nicht signifikante Parameter brauchen nicht betrachtet zu werden. Dadurch lässt sich der Aufwand für Versuche erheblich einsparen.
Leistung der Statistik
44 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Faktor 1
Faktor 2
1086420
10
8
6
4
2
0
Z ielg röße
-25 - -15
-15 - -5
-5 - 5
5 - 15
15 - 25
<
25 - 35
35 - 45
45 -
-35
55
55 - 65
> 65
-35 - -25
Höhenliniendiagramm: Zielgröße=f(Faktor1, Faktor2)
Fakto
r 2 n
egativer
Ein
fluss
Fakto
r 2 p
osi
tiver
Ein
fluss
-4
-34
14
64
Wechselwirkungen zwischen den Faktoren
45 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Ornithologische Monatsberichte, 44, Nr. 2 (1936), 48, Nr. 1 (1940), Berlin
Nonsense Correlation
Plausibilitätsprüfung: reicht die rein mathematische Theorie?
46 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Ergebnisdarstellung
47 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Beispiel einer Zielfunktion
48 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Stufe 1: Modellierung des Prozesses
MM
Einflussgrößen
Störgrößen
Zielgrößen
Zielgrößen = Funktion (Einflussgrößen) + Berücksichtigung der Störgrößen
-> Das Verhalten des Prozesses ist bekannt -> Prozessmodell (empirisch)
PROZESS
Grundsätzliches Vorgehen bei der Optimierung
49 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
[h]eitReaktionszZ
C][TemperaturT
**048,0*31,1*01,0*6,8*27,18,16 22
=
°=
+−−++= ZTZTZTAusbeute
Simulation DoEKonst 16,0 16,8 Rührerdrehzahl - nicht signifikant
Temperatur 1,30 1,27 Reaktionszeit 9,0 8,6 Katalysatormenge - nicht signifikant
T*T 0,010 - 0,010 - R*R 1,40 - 1,31 - T*R 0,050 0,048
Zufallszahl Ausreißer?
Erinnerung: Prozessmodell bei der Reaktion im Rührkessel
50 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Stufe 2: Optimierung des Prozesses
MM
Gütekriterium, z.B.� hoher Durchsatz� gute Produktqualität� minimale Nebenreaktionen
Prozessmodell
Einstellvorschrift
PROZESS
Grundsätzliches Vorgehen bei der Optimierung
51 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Anwendung der Prozessmodellierung: stabile und instabile Betriebspunkte
16171819 15
Druck
Temperatur
stabil bzgl. Druckschwankungen
instabil bzgl. Druckschwankungen
geforderteEigenschaft
17 ≤ ≤ 18
52 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
�Problem- und Zieldefinition
�Sammlung von Zielgrößen (abhängige Messgrößen)
�Sammlung von Einflussgrößen (unabhängige Einstellparameter)
�Auswahl von Einflussgrößen (Anzahl je nach Versuchsphase)
�Auswahl eines geeigneten Versuchsplantyps
�Generierung der Versuchspunkte nach diversen Kriterien
�Durchführung der Versuche
�Auswertung der Ergebnisse
�Plausibilitätsüberprüfung
�Schlussfolgerungen und Konsequenzen
Teamarbeit
Versuchsplaner
Betrieb
Teamarbeit
Teamarbeit
Teamarbeit
Versuchsplaner
Versuchsplaner
Teamarbeit
Teamarbeit
Zusammenfassung: prinzipielles Vorgehen im DoE-Projekt
53 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Entwicklung einer neuen Rezeptur für Masterbatche
�Durchsatzsteigerung einer laufenden Produktion
�Stabilisierung einer Produktion zur Verminderung von Reklamationen
�Steigerung der Wirksamkeit von Dienstleistungsprozessen
� Ersatz eines teuren Rohstoffs durch eine kostengünstigere Alternative
� Erhöhung der Ausbeute bei einer chemischen Umsetzung (Verminderung von
Nebenreaktionen)
�Veränderung der Zusammensetzung einer Kuchenmischung zur Geschmacks-verbesserung
�Neueinstellung einer Laserschneidmaschine zur Verhinderung von Bartbildung
�Untersuchung von historischen Daten zur Verbesserung der Produktion
�Modellbildung zur Vorhersage der Produktqualität (forward control)
�…
Die Beispiele kommen aus allen Branchen – die Methode ist universell anwendbar!
Beispiele für vorteilhafte Anwendung statistischer Versuchsplanung in Optimierungs- und Entwicklungsprojekten
54 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
� Einstieg: Anforderungen aus der Praxis - Motivation
� Erlebte Anforderungen beim Doing: Live-Optimierung
� Erstellung von Versuchsplänen
� Auswertung von Versuchsplänen
� Projektbeispiel: Verschleißverminderung an einer Transferschmiedepresse
Übersicht
55 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Problemstellung bei Projektstart
Symptom:• Hoher Verschleiß der Werkzeuge
Folgen:• Drei Werkzeugwechsel täglich (je 8.000,- €/Werkzeugsatz)• Zusätzlich Stillstand der Anlage• Geschätzte Verschleißkosten: 30.000,- €/Tag
Umfeld:• Komplexe Zusammenhänge im Fertigungsprozess
Vorversuche:• Längere Versuche durch Betriebsmannschaft• Im Tagesgeschäft konnten Ursachen nicht erkannt werden.
Projektbeispiel
56 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Funktion einer Transferschmiedepresse
Projektbeispiel
Werkzeug Werkstück
57 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
prinzipielle Funktion der Kühlung
Projektbeispiel
Sprühstrahl
Sprühdüsen
Werkzeug
Werkzeug
Zuführung des Werkstücks nach Beendigung der Sprühkühlung
58 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektbeispiel
59 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
60 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Darstellung aus Datenschutzgründen verwischt
Moderation und Brainstorming im Team
Projektbeispiel
61 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Darstellung aus Datenschutzgründen verwischt
Ergebnis der Phase 1 (physikalische Ursachen)
Projektbeispiel
62 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Sprü
hm
itte
lauft
rag
auf die
Gese
nke
Sprühdauer
Sta
rt
Hypothese zum Kühlmittelauftrag
Projektbeispiel
63 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
64 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Darstellung aus Datenschutzgründen verwischt
Erarbeitete Zielgrößen mit Teambewertung zur Wichtigkeit
Projektbeispiel
65 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Klärung der Messbarkeit sowie der Bewertung
Projektbeispiel
66 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
67 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Darstellung aus Datenschutzgründen verwischt
Erarbeitete Einflussgrößen; 38 Parameter!
Projektbeispiel
68 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
69 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Dokumentation VersuchsbedingungenEinmalige Dokumentation
Rohlingwerkstoff
Umformgrad
Grundmaterial
Beschichtung, Aufschweißen(Stellite, Karbid, Nitrierung)
Wärmebehandlung Gravur
Düsenwinkel
Düsengeometrie
Stauchhöhe
Einmalige Dokumentation, gültig für alle Versuchspunkte
Projektbeispiel
70 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Wiederkehrende Dokumentation für jeden Versuchspunkt
Projektbeispiel
71 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Versuchsplan als Anweisung für die Versuchsdurchführenden
Projektbeispiel
72 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
73 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Laut
HeißSchnell
Nebelig
Projektbeispiel
74 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Lochanzahl ist kein Einflussfaktor, sondern ein (unkontrollierbarer) Störfaktor-> Versuchsplan geändert
(iteratives Vorgehen)
Erster Anlauf: Entlüftungsbohrungen schweißen zu(Effekt ist in Produktionshalle nicht zu erkennen!)
Projektbeispiel
75 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
76 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Zuführung des Werkstücks bereits
während der Sprühkühlung
Ergebnis im zweiten Anlauf:
Werkzeuge werden bei bestimmten Einstellungen der Sprühzeiten extrem heiß!
Dieser Effekt kann nicht aus den unterschiedlichen Einstellungen resultieren!
Fotografien und Videoaufnahmen zeigten folgende Ursache:
Projektbeispiel
Werkzeug
Werkzeug
keine Kühlung
77 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Projektablauf:
1. Was ist die physikalische Ursache für Verschleiß?
2. Wie lässt sich der Verschleiß messen?
3. Welche Einflussgrößen könnten die Zielgrößen beeinflussen?
4. Welche Daten müssen während der Versuchsdurchführung dokumentiert werden?
5. Versuchsdurchführung- erster Versuchsplan- zweiter Versuchsplan
6. Welche Konsequenzen folgen aus den Versuchsergebnissen?
Projektbeispiel
78 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Sprü
hm
itte
lauft
rag
auf die
Gese
nke
Sprühdauer
Sta
rt
Diffe
renz
zwis
chen
gew
ollt
em
Effekt
und R
ealit
ät
Sprühdauer
Sta
rt
Sprühung auf Werkstück Sprühung neben Gesenk (Sprüharm bereits zurückgezogen)
Realität: Kein eindeutiger Zusammen-hang zwischen Sprühdauer und Kühlmittelauftrag
Sprühung auf Gesenk
Projektbeispiel
79 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Ursachen des Verschleißes waren gefunden!
Drei Effekte erhöhten den Verschleiß
1. Das Werkstück wird unzulässig abgekühlt. Dadurch erzeugt es einen höheren Wider-stand gegen die Umformung.
2. Das Werkzeug wird nicht ausreichend ge-kühlt. Dadurch gibt der Werkstoff wegen Überhitzung auf und verformt sich.
3. Die beobachtete Verschweißung der Ent-lüftungsbohrungen konnte damit als Folge-effekt der unzureichenden Kühlung erklärt werden.
Projektbeispiel
Werkzeug
Werkzeug
keine Kühlung
Werkstück
80 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
�Verminderung von Werkzeugverschleiß - Ergebnis
� Bei den Projektbeteiligten konnte ein deutlich höheres Verständnis für die Vorgänge beim Schmieden, insbesondere bei der Kühlung erreicht werden. Diese Erkenntnisse können auf andere Anlagen übertragen werden.
� Durch die gezielte Beobachtung der Einflussgrößen im Rahmen der Ver-suchsdurchführung wurde erkannt, dass einige vermutete Zusammen-hänge in der Realität nicht existierten.
� Weiterhin konnten ungünstige kinematische Abläufe in der Maschine identifiziert werden.
� Diese ursächlichen Probleme wurden durch die Kooperation mit dem An-lagenhersteller innerhalb kurzer Zeit behoben.
� Der Verschleiß ist heute "kein Thema mehr".
� Die Amortisationszeit des Projektes lag bei deutlich unter 10 Tagen.
Projektbeispiel
81 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
�Frage
� War die Verfügbarkeit einer Software zur Generierung und Auswertung von Versuchsplänen der wesentliche Erfolgsfaktor in diesem Projekt?
�Erfolgsfaktoren
� Verständnis des Problems
� Teamarbeit
� Klärung der wahren Problemursachen
� Besondere Beobachtung der Versuchsparameter
� Projektmanagement
� Methodenkenntnis (Versuchsplanung und deren Anwendung)
� Verfügbarkeit von Tools (Statistiksoftware zur Erzeugung und Auswertung)
� Erfahrung
Projektbeispiel
82 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Nach dieser Veranstaltung sollten Sie
� eine grobe Vorstellung von der statistische Versuchsplanung haben
Die statistische Versuchsplanung ist ein systematisches Verfahren, um Experimente zielgerichtet
zu planen und so maximale Effizienz zu erzielen
Zusammenfassung
83 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Nach dieser Veranstaltung sollten Sie
� die Vorteile erkannt haben
Die statistische Versuchsplanung liefert:
� ausgewogene Anordung von Versuchspunkten
� reduzierte Umfänge der Versuchspunkte
� Trennung von signifikanten und zufälligen Parametern
� empirisches Modell des Versuchsgegenstandes
� kostengünstige Optimierungsmöglichkeit
Zusammenfassung
84 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Nach dieser Veranstaltung sollten Sie
� die Erfolgsfaktoren kennen
� Verständnis des Problems
� Teamarbeit
� Klärung der wahren Problemursachen
� Besondere Beobachtung der Versuchsparameter
� Projektmanagement
� Methodenkenntnis (Versuchsplanung und deren Anwendung)
� Verfügbarkeit von Tools (Statistiksoftware zur Erzeugung und Auswertung)
� Erfahrung
Zusammenfassung
85 von 85Vortrag "Strukturierte Optimierung" – 13.09.2011 – Dr. Axel Härtl
Nach dieser Veranstaltung sollten Sie
� den Einsatz in Ihrem Umfeld einschätzen können
... und
� Ihren Zeiteinsatz als lohnend beurteilen
Vielen Dank für Ihr Interesse
The End