Prozessoptimierung mittels Design of Experiments

Fakultät

Fakultät Ingenieurwissenschaften und Informatik (IuI)

Version

Version 1 vom 24.02.2026.

Modulkennung

11M2234

Niveaustufe

Master

Unterrichtssprache

Deutsch

ECTS-Leistungspunkte und Benotung

5.0

Häufigkeit des Angebots des Moduls

nur Sommersemester

Dauer des Moduls

1 Semester

 

 

Kurzbeschreibung

Die Herstellung industrieller Produkte setzt umfassende Kenntnisse bzgl. der material- und fertigungsorientierten Produkt- und Prozessoptimierung voraus. Dies erfordert Kenntnisse der systematisch-empirischen Methoden zur Prozessanalyse und -optimierung, da die aus industriellen Prozessen resultierende Produktqualität oft von zahlreichen Prozessparametern abhängt und aufgrund der oftmals hohen Komplexität allein durch theoretische Ansätze nicht hinreichend genau beschrieben bzw. optimiert werden kann. Ziel dieses Moduls ist es, dass die Absolventen diese wissenschaftlich-empirischen Methoden kennen, bewerten, anwenden, und mittels einer Projektaufgabe an einem konkreten Fallbeispiel umsetzen.

Lehr-Lerninhalte

Theorieteil: allgemeine Grundlagen zur empirisch-wissenschaftlichen Prozessanalyse und -optimierung. Produkt- und Prozessoptimierung mittels statistischer Versuchsmethodik DoE (Design of Experiments), Grundprinzipien der DoE,  Screening-Versuchspläne, faktorielle und teilfaktorielle Versuchspläne, Taguchi, Shainin, Response surface Designs (wie CCD, BoxBehnken,...). Auswertung von Versuchsplänen, ANOVA, Regressionsmethodik, Graphische und numerische Optimierung mehrerer Zielgrößen.

Praxisteil: Auswahl eines Demoprozesses (z. B. Kunststoff-Spritzgießprozess, Metall-Schweißprozess, o.ä.). Definition der Einflussgrößen und der zu optimierenden Zielgrößen (Produktmerkmale z. B. Maße, Gewicht, Festigkeit). Analyse und Optimierung der Prozessparameter mittels DoE. Auswertung der Versuchsergebnisse mit wissenschaftlichen Methoden und unter Verwendung von DoE Software. Erstellung eines Projektberichts mit Darstellung der geeigneten Versuchspläne, Parameter- und Prozesseinstellungen, Messmittelfähigkeitsnachweise, Effektanalyse und -bewertung, Darstellung der Optimierungsergebnisse, Schlussfolgerungen für Produktqualität und Herstellungsprozess.

Gesamtarbeitsaufwand

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

Lehr- und Lernformen
Dozentengebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
30Vorlesung-
15Labor-Aktivität-
Dozentenungebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
40Veranstaltungsvor- und -nachbereitung-
15Literaturstudium-
20Arbeit in Kleingruppen-
15Prüfungsvorbereitung-
15Erstellung von Prüfungsleistungen-
Benotete Prüfungsleistung
  • Klausur
Unbenotete Prüfungsleistung
  • experimentelle Arbeit
Prüfungsdauer und Prüfungsumfang

  • Klausur (K1): siehe jeweils gültige Studienordnung
  • Experimentelle Arbeit: schriftlicher Bericht (Gruppenarbeit), ca. 40 Seiten

Empfohlene Vorkenntnisse

Grundlagen der Mathematik, Statistik, Qualitätsmanagement, Werkstofftechnik, Metallkunde, Kunststofftechnik

Wissensverbreiterung

Die Studierenden haben Kenntnisse von und Erfahrungen mit den modernen DoE-Optimierungstechniken zur Produkt- und Prozessoptimierung. Im Theorieteil des Moduls werden diese Methoden und deren Potenziale zur Prozessanalyse und -optimierung umfassend dargestellt und im Praxisteil an einem Fallbeispiel umgesetzt.

Die Studierenden können Industrieprozesse auf dem aktuellsten Wissensstand hinsichtlich Produktqualität und Wirtschaftlichkeit optimieren, unter Anwendung wissenschaftlich basierter DoE-Methoden sowie mathematisch statistischer Auswertungsverfahren.

Wissensverständnis

Die Studierenden beherrschen eine Bandbreite fortgeschrittener fachbezogener Methoden auf Basis DoE, um bei industriellen Fertigungsprozessen die Einflüsse der Verabeitungsparameter auf die Produktqualität zu analysieren, zu bewerten und zu optimieren. Oftmals werden Zusammenhänge zwischen Einflussgröße-Zielgröße, inkl. der Wechselwirkungen der Parameter, entdeckt, die aufgrund der Komplexität von Prozessen ohne die Anwendung von DoE nicht erkannt worden wären. Dies führt dazu, dass Studierende DoE als ein starkes Instrument zum Erkenntnisgewinn und Optimierung von Prozessen und Qualitätsgrößen verstehen.

Nutzung und Transfer

Steigende Anforderungen an die Qualität industrieller Produkte erfordern die Kenntnis der Zusammenhänge zwischen Prozessparametern und Produktqualität sowie Bewertung von Optimierungspotenzialen. Die Studierenden haben die Kompetenz, die dazu erforderlichen wissenschaftlich basierten DoE-Methoden und damit verbundenen Fertigkeiten auf beliebige industrielle Prozesse anwenden zu können.

Wissenschaftliche Innovation

Die Absolventen sind in der Lage, bei der Entwicklung neuer Produkte in Industrie und Forschung die erforderlichen Untersuchungen, Prozessanalysen und -optimierungen zu initiieren, durchzuführen und zu bewerten.

Kommunikation und Kooperation

Die Studierenden reflektieren, integrieren und erweitern Wissen, Methoden und Fähigkeiten im fachbezogenen Kontext. Im Team werden diese Inhalte zur Bearbeitung eines Fallbeispiels umgesetzt und die Ergebnisse im fachlichem Austausch unter Anleitung diskutiert und anschließend schriftlich zusammengefasst, interpretiert und bewertet.

Literatur

Siebertz, K.; van Bebber, D.; Hochkirchen, T. (2018): Statistische Versuchsplanung, Design of Experiments (DoE), Springer Vieweg Verlag

Kleppmann, W. (2009): Taschenbuch Versuchsplanung, Hanser-Verlag

Kulkarni, S. (2010): Robust process development and scientific molding, Theory and practice, Hanser Verlag

Schiefer, H.; Schiefer, F. (2018): Statistik für Ingenieure, Springer Vieweg Verlag

Bourdon, R, et al. (2012): Standardisierte Prozess- und Qualitätsoptimierung - Kurzanleitung für die Praxis beim Spritzgießen, Zeitschrift Kunststofftechnik, Hanser-Verl., 2012

Montgomery, D.: Design and Analysis of Experiments, Wiley Verlag, 2019

Verwendbarkeit nach Studiengängen

  • Angewandte Werkstoffwissenschaften
    • Angewandte Werkstoffwissenschaften M.Sc. (01.09.2025)

    Modulpromotor*in
    • Schröder, Cathrin
    Lehrende
    • Schröder, Cathrin
    Weitere Lehrende

    R. Schwegmann, A. Giertler