Leistungsangebot des Steinbeistransferzentrums Prozesskontrolle und Datenanalyse

• 1. Datenanalyse
• 2. Statistische Versuchsplanung
• 3. Prozesskontrolle
• 4. Kosten

1. Datenanalyse

1.1 Deskriptive univariate Datenanalyse

Die Daten werden auf statistische Konsistenz und Relevanz ausgewertet. Außerdem wird analysiert, inwieweit Korrelationen zwischen den einzelnen Variablen bestehen.

Die Auswertung und Präsentation der Ergebnisse ist so angelegt, dass ein Wissenstransfer über die Daten und auch die Methoden zum Kunden möglichst zeitnah stattfindet.

Verwendete Verfahren der univariaten Datenanalyse:
• Prüfen der Verteilung
• Berechnung der Verteilungskenngrößen
• Grafische Analyse der Daten (z.B. Scatter Plot, Box-Plots ..)
• Korrelationsanalyse

1.2 Multivariate Datenanalyse

Mit Hilfe der multivariaten Datenanalyse wird untersucht, ob Strukturen oder Klassen innerhalb der Daten zu erkennen sind. Wenn Zielgrößen vorgegeben werden, kann eine mehrdimensionale Regression auf diese Zielgrößen berechnet werden.

Verwendete Verfahren der multivariaten Datenanalyse
• Verschiedene Datenvorverarbeitungen (Standardisierung, Ableitungen, ..)
• Korrektur von eventuellen Streueinflüssen bei spektroskopischen Daten
• Hauptkomponentenanalyse (PCA)
• Partial Least Squares Regression (PLS)
• Klassifizierung mit SIMCA, Diskriminanzanalyse oder Clusteranalyse

Bei diesen Auswertemethoden ist die Interpretation der Loadings (Faktorenladungen), der Scores (Faktorenwerte) und der Regressionskoeffizienten sehr wichtig und wird deshalb standardmäßig mitgeliefert. Besonders bei der Auswertung spektroskopischer Daten geben die Loadings wichtige Anhaltspunkte, die anhand chemischer Zusammenhänge interpretiert werden.

1.3 Erweiterte Multivariate Datenanalyse

Zusätzlich zu den unter 1.2. erwähnten Verfahren stehen folgende weitere multivariaten Methoden zur Verfügung:

Verwendete Verfahren der erweiterten multivariaten Datenanalyse
• Multiway Principal Component Analysis (PARAFAC)
• Regression 3-dimensionaler Daten mit vorgegebenen Zielgrößen (N-PLS)
• Multivariate Curve Resolution (MCR) für die Analyse von Spektren oder Daten (auch Prozessdaten), die z. B. während einer chemischen Reaktion aufgenommen wurden und eine zeitliche Abhängigkeit aufweisen. Es können mit dieser Methode die eventuell entstehenden Zwischenstufen erfasst und quantifiziert werden
• Klassifizierung von Daten mit Hilfe Neuronaler Netze, insbesondere Kohonennetzen

2. Statistische Versuchsplanung (Experimental Design)

Bei der Datengenerierung der zu analysierenden Daten wird empfohlen, nach dem Schema der statistischen Versuchsplanung (Experimental Design) vorzugehen. Hiermit wird gewährleistet, dass der Versuchsraum vollständig abgedeckt wird und alle möglichen Wechselwirkungen der Faktoren mit erfasst werden.

Die Erzeugung und Auswertung statistischer Versuchspläne erfordert sehr viel Erfahrung, um für die gegebene Problemstellung den am besten geeigneten Versuchsplan auszuwählen. Neben den statistischen Grundkenntnissen sind oft auch pragmatische Lösungsvorschläge notwendig.

Vorgehensweise bei der statistischen Versuchsplanung

• Vorschlag des am besten geeigneten Versuchsplans
• Statistische Datenanalyse der gemessenen Zielgrößen
• Modellbildung mit Berücksichtung der Signifikanz der Faktoren
• Berechnen der Effekte und Wechselwirkungen
• Response Suface Analyse
• Berechnung der Regressionsgleichung
• Optimierung auf einzelne oder mehrere Zielgrößen

3. Prozesskontrolle

Das Steinbeis Technologietransferzentrum für Prozesskontrolle und Datenanalyse arbeitet eng mit der Abteilung Prozesskontrolle im Institut für Angewandte Forschung der Hochschule Reutlingen zusammen. Nähere Informationen über die angebotenen Messmethoden finden Sie unter: Reutlingen Research Institute

4. Kosten für Datenauswertung

Die Daten werden vom Auftraggeber im abgesprochenen Datenformat geliefert.
Der Preis für Auswertung wird tageweise berechnet, die Kosten betragen pro Tag je nach Schwierigkeit der Aufgabe ca. 800 €, dazu kommen Bericht und Dokumentation je nach Umfang. Eventuell anfallende Fahrt- und Übernachtungskosten werden nach Aufwand abgerechnet und getrennt in Rechnung gestellt.
Erfahrungsgemäß sind bei einem größeren Datenset ca. 3 bis 4 Tage für die Auswertung erforderlich.