Toepassing van statistische proefopzet in de Belgische industrie

Marktonderzoek naar de toepassing van statistische proefopzet in de Belgische industrie

Door de toenemende druk om in de huidige globaliserende economie sneller nieuwe en verbeterde producten of processen op de markt te brengen, zijn ondernemingen genoodzaakt om kwaliteit al tijdens de ontwerpfase in hun producten of processen in te bouwen. Een onmisbare techniek hierbij is statistische proefopzet of experimenteel ontwerp (Design Of Experiments of DOE), bedoeld om het effect na te gaan van een aantal inputfactoren op één of meerdere kwaliteitskarakteristieken van een product of proces. De toepassingen hiervan zijn legio: in laboratoriumproeven in de biomedische wereld, experimenten in de voedingsindustrie, de studie van consumentengedrag in marketing, enz.

In de literatuur wordt statistische proefopzet voorgesteld als de techniek bij uitstek om experimenten te ontwerpen. In deze thesis wordt de proef op de som genomen en wordt onderzocht in hoeverre ondernemingen in België vertrouwd zijn met statistische proefopzet, hoe zij de techniek ervaren en in welke mate de bedrijfswinst hierdoor wordt beïnvloed. Een online enquête werd opgesteld die gericht was aan de onderzoeksafdeling van 450 bedrijven. De enquête en de volledige thesis zijn momenteel nog te vinden op http://domin.studentenweb.org/roselinde/. In wat volgt wordt eerst dieper ingegaan op statistische proefopzet en daarna komen de resultaten van het onderzoek aan bod.

Bij het opzetten van experimenten is het belangrijk dat men afstapt van de veel gebruikte OFAT (one-factor-at-a-time) methode waarbij één factor wordt veranderd terwijl de andere factoren constant worden gehouden. Het ontwerp van experimenten op basis van statistische proefopzet gebeurt daarentegen door meerdere factoren tezelfdertijd te variëren. Deze deskundig ontworpen experimenten zijn efficiënter omdat ze nauwkeuriger resultaten opleveren en omdat ze toelaten om na te gaan of de verschillende factoren elkaars effecten versterken of afzwakken. Twee categorieën experimentele ontwerpen worden onderscheiden: standaardontwerpen en niet-standaard of optimale experimentele ontwerpen. Hoewel standaardontwerpen een aantal interessante eigenschappen bezitten, is een gebrek aan flexibiliteit hun belangrijkste nadeel. Zo komt het in de praktijk vaak voor dat het experiment wordt aangepast aan het beschikbare standaardontwerp in plaats van het experiment te kiezen dat het beste past bij de gegeven situatie. Dit gebeurt bijvoorbeeld wanneer het aantal beschikbare waarnemingen niet overeenstemt met het aantal waarnemingen van een standaardontwerp. Optimaal experimenteel ontwerp stelt de onderzoeker in staat om het beste experiment te vinden dat volledig aangepast is aan de betrokken situatie. Hiertoe wordt gespecificeerd welke factoren onderzocht moeten worden, welke combinaties van factorinstellingen uitvoerbaar zijn en hoeveel waarnemingen verricht kunnen worden. Met behulp van softwarepakketten kan men dan de combinaties van factorinstellingen bepalen die getest moeten worden om een maximale hoeveelheid informatie uit het experiment te halen. De meeste statistische pakketten bevatten tegenwoordig reeds een module om optimale experimenten te berekenen voor eenvoudige probleemsituaties. Recent werden in de onderzoeksgroep Kwantitatieve Methoden aan het Departement Toegepaste Economische Wetenschappen van de KULeuven een aantal geavanceerde algoritmen ontwikkeld waarmee optimale experimentele ontwerpen bepaald kunnen worden voor meer complexe situaties.

Het bovenstaande toont aan dat het onderzoeksdomein rond statistische proefopzet reeds ver gevorderd is. De vraag werd dan ook gesteld naar de mate van bekendheid van ondernemingen met de techniek en hun praktische ervaring hieromtrent. Met behulp van een enquête en via een tiental bedrijfsbezoeken konden enkele besluiten worden geformuleerd.

De resultaten van het onderzoek naar de toepassing van statistische proefopzet in de Belgische industrie zijn gebaseerd op de antwoorden van 109 ondernemingen die experimenten uitvoeren. De resultaten hebben aangetoond dat statistische proefopzet door 75% van de 109 ondernemingen gekend is, maar slechts door de helft van deze 109 bedrijven wordt toegepast. Standaardontwerpen zijn hierbij erg populair. Voornamelijk in de chemische sector is de techniek goed vertegenwoordigd. De voedingssector scoort daarentegen het slechtst. Onderzoekers uit de voedingsindustrie argumenteren dat de productie van voedingsmiddelen te complex is opdat een goed technisch resultaat automatisch tot een goed product zou leiden. De onderzoekers zoeken hun toevlucht dan ook tot de OFAT-methode omdat deze ontwerptechniek hen meer ruimte zou bieden om hun eigen kennis omtrent het probleem in het ontwerp te integreren. In het algemeen is dit ook één van de voornaamste redenen waarom de OFAT-methode nog zo veel toepassing vindt: 83% van de 109 ondernemingen maakt er immers gebruik van.

Onderzoekers die veel praktische ervaring hebben met experimenteel ontwerp, zijn er zich van bewust dat de techniek in de literatuur wordt voorgesteld als de ultieme oplossing voor problemen. Hoewel in de literatuur wordt beklemtoond dat in vergelijking met de OFAT-methode statistische proefopzet minder observaties vereist voor dezelfde graad van nauwkeurigheid –en dus tijd kan worden bespaard–, menen deze onderzoekers echter dat er juist veel tijd moet worden geïnvesteerd om een experiment met statistische proefopzet te ontwerpen. Via brainstormsessies moet immers op zoek gegaan worden naar een zo goed mogelijke invulling van het ontwerp en met welke respons het resultaat het best kan worden gemeten. Desondanks werpt statistische proefopzet nadien wel haar vruchten af. Bijna alle bedrijven die het toepassen, bekomen hiermee nuttige resultaten die vaak gepaard gaan met kostenbesparingen. Verder hebben de meeste van deze bedrijven wel eens vaag gehoord over optimaal ontwerp, maar slechts een vijftal ondernemingen maakt er ook effectief gebruik van. 

In het algemeen kent statistische proefopzet dus nog geen grootschalige toepassing in de bedrijven. OFAT-experimenten primeren nog steeds. Onderzoekers verklaren dat ze te weinig parate kennis hebben om praktisch gebruik te maken van statistische proefopzet. Vele ingenieurs hebben wel een theoretisch begrip van de techniek, maar vragen zich af op welke manier zij deze het best kunnen implementeren binnen hun specifieke onderzoeksdomein. Daarom  werden in de thesis vijf richtlijnen opgesteld waarvan tijdens het onderzoek is gebleken dat zij aan de basis liggen van een succesvolle implementatie van statistische proefopzet binnen om het even welke onderneming.

Tenslotte bieden de resultaten van het onderzoek een benchmark voor de bedrijven waartegen zij hun eigen experimentele aanpak kunnen beoordelen. Ondernemingen kunnen hieruit hun conclusies trekken en indien nodig stappen ondernemen om (meer) van (optimaal) experimenteel ontwerp gebruik te maken.