Hvordan en design av eksperimenter Software Solution kan spare Engineers Time

I dag &'; s konkurransedyktig landskap, ingeniører og designteam er stadig på jakt etter måter å spare tid, penger og verdifulle ressurser. En av dagens beste metodene for å gjøre dette er utnyttelse av design av eksperimenter (DOE) verktøy. Spesielt utforming av forsøket programvare.

Design av eksperimenter ble først utviklet i 1920 av en britisk statistiker ved navn Ronald Fisher. Noen 70 år senere, har Fisher metode blitt et kraftig verktøy for ingeniører og forskere.

I hovedsak utforming av eksperimenter er en matematisk metode som definerer en optimal sett av eksperimenter i design plass, for å få den mest relevante informasjonen mulig med den høyeste nøyaktighet til lavest mulig kostnad. Vitenskapelig utforskning av design plass erstatter en langtekkelig, manuell, prøving og feiling, og er den raskeste måten å skaffe seg mest mulig relevant informasjon med et minimum beregnings innsats.

DOE verktøy og DOE programvare lar brukeren bestemme målene for en virtuell eksperiment, og velg deretter faktorer for studien. Den beste design av eksperiment programvare sette opp og analysere statistisk solid design av eksperimenter med letthet. Dette gjør de ved montering av data inn i matematiske ligninger som predikerer utfall for en kombinasjon av verdier. De kan da legge ut en detaljert eksperimentell plan som definerer de eksperimenter som skal kjøres.

Vel valgt eksperimentelle design maksimere mengden av verdifull informasjon som kan oppnås for en gitt mengde eksperimentelle forsøk. Ved å bruke DOE programvare, ingeniører, vitenskapsmenn og forskere i nesten alle bransjer kan optimalisere svar og oppdage vinnende kombinasjoner. Dette kan bety å kutte seks til tolv måneder av produksjonsplaner og en årlig besparelse på seks tall eller mer.

Når du velger DOE programvare, er det viktig å ikke bare se etter en statistisk motor som er raskt og nøyaktig, men også følgende faktorer:

• Et enkelt og intuitivt brukergrensesnitt
• En velskrevet manual med enkle å forstå tutorials
• Et bredt utvalg av design for screening og optimalisering av prosesser eller produkt formuleringer
• En fleksibel dataregistrering regneark fleksibel som lett kan forholde seg til manglende data og endret faktornivåer
• Programvare som randomiserer rekkefølgen av eksperimentelle går. (Randomisering er viktig fordi den sikrer at interferensfaktorer vil spre seg tilfeldig på tvers av alle kontrollfaktorer.)
&Bull; Design evalueringsverktøy som vil avsløre dekknavn og andre potensielle fallgruver.

Og selvfølgelig, det viktigste er å plukke et design av eksperiment programvarepakke som fungerer best for deg og ditt team. Når dette er gjort er du på vei til å spare tid, penger og energi ved å bruke DOE verktøy
.