Versnelde productontwikkeling: DOE beter dan trial & error

Gepubliceerd op 10 februari 2015

‘Design Of Experiments’ (DOE): het klinkt als iets waar enkel wetenschappers plezier aan kunnen beleven. Toch kan het ook het werk van productontwikkelaars in de voedingsindustrie vooruit helpen. Zeker nu statistische softwarepakketten zo gebruiksvriendelijk zijn dat er weinig voorkennis van experimenteel ontwerp vereist is om aan de slag te gaan: DOEn!

De kwaliteit van een voedingsproduct begint bij een goed productontwerp. Het creëren van innovatieve producten en het afstemmen van recepturen op klantspecifieke wensen, wetgeving en voedselveiligheidsvoorschriften stelt de R&D afdeling echter voor de nodige uitdagingen. Klassiek wordt bij productontwikkeling gebruik gemaakt van een 'stap voor stap’ benadering waarbij gekeken wordt naar het effect van variabelen (in statistisch jargon factoren genoemd) door ze één voor één te laten variëren, terwijl men de andere variabelen constant houdt. Dat kent zo zijn beperkingen: het is niet de snelste manier van werken, het levert slechts beperkte informatie op en men kan er de optimale combinatie van variabelen niet mee bepalen (zie Figuur 1).

Figuur 1: Reeds voor het bepalen van de optimale combinatie van twee variabelen schiet de één voor één benadering met twee experimenten te kort. Dit wordt hier geïllustreerd voor het optimaliseren van een temperatuur-tijd behandeling (isolijnen geven opbrengst aan). Twee aparte experimenten dienen te worden uitgevoerd: zie horizontale stippellijn (keuze 1 vaste temperatuur, enkel tijd varieert) en vervolgens verticale stippellijn (keuze ‘geoptimaliseerde’ tijd, enkel temperatuur varieert). DOE, daarentegen, bepaalt in een gericht experiment een optimum met een veel hogere opbrengst (zie: ‘true optimum’). [Bron: Joglekar and May, 1990]

Een andere, snelle en efficiënte manier van werken is mogelijk via ‘experimenteel ontwerp’ (Engels: ‘Design Of Experiments’, afgekort: ‘DOE’). Dit is een statistische ontwerpmethode waarmee efficiënte experimenten opgezet kunnen worden met meerdere variabelen. Hierdoor wordt maximaal inzicht verkregen in een bepaald (on)gewenst effect, en dit met een beperkt aantal metingen. DOE laat dus beter toe om kwaliteit in het product te ontwerpen, omdat het de mogelijkheid biedt om:

interacties tussen variabelen te bepalen
de optimale combinatie van variabelen te bepalen
de omvang van de experimenten te beperken

Bijgevolg leidt DOE tot versnelde productontwikkeling en lagere O&O kost.

DOE verloopt in twee stadia: screening en optimalisering. Het eerste heeft als doel om de kritische controle variabelen aan te duiden uit een verzameling van potentiële variabelen. In het tweede stadium worden optimale waarden van de kritische controle variabelen bepaald die tegemoet komen aan de gewenste producteisen. Dit alles gebeurt aan de hand van een analyse van de resultaten die verkregen zijn uit specifieke designs (bijvoorbeeld 'full/fractional factorial designs'). Vermeldenswaardig is dat bij productontwikkeling een techniek zoals een fractional factorial design bijzonder nuttig is omdat die om kan met de vele factoren en meetniveaus die bij productkwaliteit betrokken zijn. Deze techniek slaagt er wonderwel in om gericht een beperkt aantal testcombinaties te selecteren die de meest bruikbare informatie kan opleveren. DOE op zijn best dus en heel wat gerichter dan het trial & error principe waarbij lukraak een aantal mogelijke oplossingen worden uitgetest.

Voor toepassing in de praktijk kunnen productontwikkelaars beroep doen op software pakketten. De laatste jaren zijn die een stuk gebruiksvriendelijker geworden, zodat DOE in het bereik van voedingsbedrijven komt. Ook wordt er meer aandacht besteed aan de visuele voorstelling van de data en analyseresultaten (bv. bekomen via ‘response surface’ methoden).

U wil graag meedoen? Daar drinken we op!

Op 26 maart 2015 organiseren we een interactieve training: 'Experimenteel Ontwerp - Het trial & error tijdperk is voorbij!'

Inschrijven kan via de Flanders’ FOOD website

Figuur 2: Als case studie trachten we in de training de ideale cocktail te bereiden op basis van enkele analytisch opgemeten kwaliteitsparameters. Eerst via een trial & error benadering en vervolgens met software ondersteunde DOE. Proef het verschil!

Bronnen

Joglekar A.M., May A.T. (1990) Product excellence through experimental design. In: Food Product Development: From Concept to the Marketplace, Ernst Graf, I. Sam Saguy (ed), Springer Science & Business Media, 31 okt.1990, Chapter 10.
Granto D., de Araújo Calado V.M. (2014) The use and importance of design of experiments (DOE) in process modelling in food science and technology. In: Mathematical and Statistical Methods in Food Science and Technology, Daniel Granato, Gaston Ares (ed), Wiley-Blackwell, February 2014, Section 1.