- ホーム
- > 洋書
- > ドイツ書
- > Mathematics, Sciences & Technology
- > Technology
- > mechanical engineering & production engineering
Description
Die statistische Versuchsplanung (Design of Experiments, DoE) kommt in Entwicklung und Fertigung häufig zum Einsatz. Das Buch richtet sich an Ingenieur*innen und Naturwissenschaftler*innen, die technische Systeme systematisch analysieren und optimieren möchten.
DoE bietet ein universell einsetzbares Verfahren zur Untersuchung komplexer Zusammenhänge und eignet sich gleichermaßen für Produkt- und Prozessoptimierung. Der Schwerpunkt liegt auf der Planung und Umsetzung praxisnaher Versuchsreihen. Darüber hinaus zeigt das Buch, wie DoE den effizienten Einsatz von Simulationen unterstützt.
DoE ist heute zunehmend in Datenanalyse-, Simulations- und Machine-Learning-Prozesse eingebettet. Daher behandelt das Buch neben der klassischen DoE auch Metamodelle und moderne Optimierungsverfahren. Es bildet damit eine klare Grundlage für die methodische Auswahl.
Die dritte Auflage wurde umfassend aktualisiert. Neue Versuchspläne, aktuelle Softwarefunktionen und ein Viertel neuer Quellen sind integriert. Die Clusteranalyse kam hinzu. So bietet die dritte Auflage einen aktuellen, fundierten und zugleich praxisnahen Leitfaden für alle, die DoE wirksam einsetzen möchten.
Grundlagen.- Versuchspläne.- Kontrollverfahren.- Statistische Modellbildung.- Varianten der statistischen Versuchsplanung.- Computer-Experiment.- Versuchspläne für komplexe Zusammenhänge.- Metamodelle.- Optimierung.- Sensitivitätsanalyse.- Strategie.
Dr. Karl Siebertz ist promovierter Ingenieur mit Schwerpunkten in Biomechanik, Fahrzeugsicherheit, Simulation und Datenanalyse und arbeitet seit 1995 mit DoE.
Dr. David van Bebber ist promovierter Ingenieur mit Schwerpunkt Simulation, Datenanalyse, maschinelles Lernen, Optimierung und Softwareentwicklung.
Dr. Thomas Hochkirchen ist promovierter Mathematiker und Spezialist für Statistik.
Van Bebber und Hochkirchen sind Six Sigma Black Belts; Siebertz und van Bebber lehrten von 2005 bis 2024 DoE im Masterstudium.
Alle Autoren verfügen über jahrzehntelange industrielle Erfahrung in Forschung, Entwicklung und Datenanalyse.
