L'un des enjeux majeurs pour les systèmes d'imagerie par diffraction acoustique et micro-onde, est l'amélioration des performances obtenues au moment de la reconstruction des objets étudiés. Cette amélioration peut s'effectuer par la recherche d'algorithmes d'imagerie plus performants d'une part et par la recherche d'une meilleure configuration de mesures d'autre part. La première approche (recherche d'algorithmes) permet d'améliorer le processus d'extraction de l'information présente dans un échantillon de mesures donné. Néanmoins, la qualité des résultats d'imagerie reste limitée par la quantité d'information initialement disponible. La seconde approche consiste à choisir la configuration de mesures de manière à augmenter la quantité d'information disponible dans les données. Pour cette approche, il est nécessaire de quantifier la quantité d'information dans les données. En théorie de l'estimation, ceci équivaut à quantifier la performance du système. Dans cette thèse, nous utilisons la Borne de Cramer Rao comme mesure de performance, car elle permet d'analyser la performance des systèmes de mesures sans être influencé par le choix de la méthode d'inversion utilisée. Deux analyses sont proposées dans ce manuscrit. La première consiste en l'évaluation de l'influence des facteurs expérimentaux sur la performance d'inversion. Cette analyse a été effectuée pour différents objets le tout sous une hypothèse de configuration bidimensionnelle. La seconde analyse consiste à comparer les performances de l'estimateur obtenu avec l'approximation de Born aux valeurs de la borne de Cramer Rao (BCR); l'objectif étant d'illustrer d'autres applications possibles de la BCR. / Improving the performance of diffraction based imaging systems constitutes a major issue in both acoustic and electromagnetic scattering. To solve this problem, two main approaches can be explored. The first one consists in improving the inversion algorithms used in diffraction based imaging. However, while this approach generally leads to a significant improvement of the performance of the imaging system, it remains limited by the initial amount of information available within the measurements. The second one consists in improving the measurement system in order to maximize the amount of information within the experimental data. This approach does require a quantitative mean of measuring the amount of information available. In estimation problems, the {appraisal of the} performance of the system is often used for that purpose. In this Ph.D. thesis, we use the Cramer Rao bound to assess the performance of the imaging system. In fact, this quantity has the advantage of providing an assessment which is independent from the inversion algorithm used. Two main analysis are discussed in this thesis. The first analysis explores the influence on the system's performance, of several experimental conditions such as the antennas positions, the radiation pattern of the source, the properties of the background medium, etc. Two classes of objects are considered: 2D homogeneous circular cylindrical objects and 2D cylindrical objects with defect. The second analysis studies the performance of an estimator based on Born approximation with the Cramer Rao Bound as reference. The aim of this second analysis is to showcase other possible applications for the Cramer Rao Bound.

Ce projet de thèse se situe dans le cadre de l'étude de la fiabilité prédictive de nouveaux concepts d'assemblages microélectroniques de type « system in package » SiP. L'objectif est de développer une méthodologie de fiabilité prédictive adaptée aux nouveaux concepts d'assemblage qui permet d'optimiser et de prédire les performances dès la phase de conception. Elle est ensuite appliquée sur des projets concrets. Cette méthodologie de fiabilité prédictive fait intervenir des études expérimentales, des simulations thermomécaniques et des analyses statistiques pour traiter les données et évaluer la fiabilité et les risques de défaillance. L'utilisation d'outils de simulation des composants électroniques est bien adaptée pour aider à l'évaluation des zones les plus fragiles, la mise en place des règles de conception et la détermination des paramètres les plus influents avec une réduction du temps de mise en marché d'un produit fiable et une optimisation des performances. Les études réalisées sur le silicium avec deux tests : bille sur anneau et test trois points montrent que le rodage et l'épaisseur ont une influence sur la variation de la contrainte et la déflexion du silicium à la rupture. Avec le test trois points, le déclenchement des fissures est lié à la qualité de sciage et de rodage. Cependant avec le test bille sur anneau, seule la qualité de surface influence le déclenchement des fissures. Le test bille sur anneau est bien adapté pour évaluer la qualité de surface du silicium. Avec les techniques chimiques de réduction de contraintes, comme la gravure humide et plasma, la résistance à la rupture a été considérablement améliorée. Ces tests de rupture sur le silicium ont permis de caractériser la rupture du silicium sous une contrainte de flexion et de compléter les résultats de simulation. Ces travaux démontrent, le besoin et l'utilité du prototypage virtuel des composants électroniques et de l'utilisation d'une méthodologie prédictive dans l'évaluation de la fiabilité en l’appliquant sur des composants réels. / This thesis project is a study of the predictive reliability of new microelectronic package concepts such as "system in package" SiP. The objective is to develop a reliable predictive methodology adapted to the new assembly concepts to optimize and to predict the performance at the design phase. Then, the methodology is applied to concrete projects. This methodology of predictive reliability involves the use of experimental studies, thermomechanical simulations and statistical analysis to process the data and assess the reliability and risks of failure. The use of simulation tools for electronic components is well suited to assist in the evaluation of the most fragile areas, the setting up of design rules and the determination of the most influential parameters with a reduction in the setup time market for a reliable and optimized performance. Studies on silicon strength are conducted with two tests: ball on ring test and on three-point bend test show that the grinding and the thickness influence the variation of the stress and deflection of the silicon at break. With the three points bend test, the onset of crack is linked to defects in sawing and grinding zone. However, with the ball on ring test, only the surface quality influences the initiation of cracks. The ball on ring test is well suited for evaluating the quality of the silicon surface. Chemical techniques of stress release, such as wet etching and plasma etching, improve significantly the strength of silicon samples. These tests on silicon dies are used to characterize the breakdown of silicon under bending test and to complete the simulation results. We have demonstrated in this work, the need and the usefulness of the virtual prototyping of electronic components and the use of a predictive methodology in assessing reliability.

[pt] Colunas de aço estaiadas e protendidas são conhecidas como excelente solução em escoramento de grandes estruturas, como colunas de coberturas de lonas tensionadas, etc. Este trabalho apresenta uma série de ensaios experimentais tridimensionais em escala real desenvolvidos para determinação do comportamento estrutural de colunas de aço estaiadas e protendidas. Foram estudadas as variações no nível de protensão e na rigidez dos estais, além de descrever como os ensaios experimentais das três colunas de aço estaiadas são realizados: compreendendo os materiais utilizados; um novo sistema de medição de força nos estais; os passos e dificuldades na montagem das três colunas e o sistema de protensão aplicado. Existem alguns parâmetros que influenciam diretamente na resistência dessas colunas estaiadas, como por exemplo, a altura da coluna, o diâmetro externo, entre outros. Devido ao comportamento complexo deste tipo de colunas e ao grande esforço computacional para simulação do comportamento estrutural, através de uma análise paramétrica, optou-se por utilizar um projeto de experimentos junto com redes neurais a fim de extrapolar e obter novos resultados para carga crítica do sistema estrutural sem a necessidade de análise por programas de elementos finitos. De forma a complementar a tese, realizou-se um estudo do comportamento do sistema estrutural sujeito a ações dinâmicas através do programa de elementos finitos ANSYS com o objetivo de determinar as frequências naturais associadas aos seus modos de vibração. Também foi estudada a aplicação de um carregamento súbito para determinação do fator de amplificação dinâmico da coluna de aço estaiada e protendida. / [en] Prestressed steel columns are known as an efficient structural solution for great variety of temporary or permanent supporting systems for large span spatial frames and tensile surface structures. This work presents of full-scale three-dimensional tests carriedout for the assessment of structural behaviour of prestressed stayed steel columns. It was studied the effect prestress force level, stiffness of column braces and stays. Test setup and a new force measuring system for the column stays is fully described. Prestressed stayed steel columns have their strength dependant of parameters like: length, hollow section diameter, brace length and stiffness and axial stiffness of stays. Due to the complex behaviour of such columns that demands great computational effort for numerical simulations required for a parametric analysis it was used an experiment design tool coupled with neural network techniques employed to generate new data for the prestressed column buckling load. A study of the dynamic behaviour of prestressed columns using the finite element package ANSYS was carried-out in order to determine the column natural frequencies and their associated vibration modes. It was also studied the application of sudden loads to determine the dynamic amplification factor of this type of prestressed stayed steel column.

AlNiCo magnets are known for high-temperature stability and superior corrosion resistance and have been widely used for various applications. Reported magnetic energy density ((BH) max) for these magnets is around 10 MGOe. Theoretical calculations show that ((BH) max) of 20 MGOe is achievable which will be helpful in covering the gap between AlNiCo and Rare-Earth Elements (REE) based magnets. An extended family of AlNiCo alloys was studied in this dissertation that consists of eight elements, and hence it is important to determine composition-property relationship between each of the alloying elements and their influence on the bulk properties. In the present research, we proposed a novel approach to efficiently use a set of computational tools based on several concepts of artificial intelligence to address a complex problem of design and optimization of high temperature REE-free magnetic alloys. A multi-dimensional random number generation algorithm was used to generate the initial set of chemical concentrations. These alloys were then examined for phase equilibria and associated magnetic properties as a screening tool to form the initial set of alloy. These alloys were manufactured and tested for desired properties. These properties were fitted with a set of multi-dimensional response surfaces and the most accurate meta-models were chosen for prediction. These properties were simultaneously extremized by utilizing a set of multi-objective optimization algorithm. This provided a set of concentrations of each of the alloying elements for optimized properties. A few of the best predicted Pareto-optimal alloy compositions were then manufactured and tested to evaluate the predicted properties. These alloys were then added to the existing data set and used to improve the accuracy of meta-models. The multi-objective optimizer then used the new meta-models to find a new set of improved Pareto-optimized chemical concentrations. This design cycle was repeated twelve times in this work. Several of these Pareto-optimized alloys outperformed most of the candidate alloys on most of the objectives. Unsupervised learning methods such as Principal Component Analysis (PCA) and Heirarchical Cluster Analysis (HCA) were used to discover various patterns within the dataset. This proves the efficacy of the combined meta-modeling and experimental approach in design optimization of magnetic alloys.

La pile à combustible est un générateur électrique en voie d'atteindre une maturité technologique et commerciale. Pour que ce moyen de production d'énergie puisse concurrencer des systèmes similaires, tels que les batteries et les groupes électrogènes, des obstacles restent néanmoins à franchir. L'un d'entre eux est la capacité de la pile à démarrer et fonctionner à température ambiante négative. Afin d'étudier le comportement à froid d'un système de type PEMFC, nous proposons la définition de plusieurs critères de performances exergétiques adaptés au fonctionnement de chaque module du système. Les modules sont ensuite caractérisés à température ambiante négative à l'aide de bancs d'essais dédiés. A partir des résultats expérimentaux obtenus, différents modèles empiriques ou semi-analytiques sont alors présentés pour la batterie, le compresseur et l'humidificateur. D'autre part, un modèle analytique thermique à l'échelle des stacks est réalisé. Il permet notamment de reproduire l'élévation en température de la pile au cours d'un démarrage à froid. Enfin, à l'issue de l'analyse des résultats expérimentaux et des modèles, des recommandations destinées à favoriser le démarrage à froid du système sont fournies. En suivant ces recommandations, il est ainsi possible de démarrer le système pile de manière fiable à une température ambiante de -10 °C. / Fuel cells are electric generators on the way to achieve technological and commercial maturity. Nevertheless, to compete with similar energy generating systems such as batteries and engines generators, fuel cells must overcome several obstacles. Among them, the ability to start at negative ambient temperatures is decisive. In order to study the behaviour of a PEMFC system in cold weather, we propose different exergetic criteria adapted to the working conditions of each module. Thanks to dedicated test benches, the modules are then characterized at negative ambient temperature. From experimental results, empirical or semi-analytical models are introduced for the battery, the compressor and the humidifier. On the other hand, a thermal analytical model at the stacks scale is developed. It enables to reproduce the fuel cell temperature rise during a cold start up. Eventually, at the end of the analysis of experimental results and models, recommendations are given to favour the cold start of the system. By following these recommendations, the fuel cell cold start at -10 °C is ensured.

This work is devoted to study the influence of the composition on mechanical properties of high performance concret based on portland cement. 29 samples of high performance concrete (HPC) warying in composition were prepared. The constituents used for HPC preparation were: cement Aalborg White, silica fume, finelly ground blast furnace slag, finelly ground silica, calcinated bauxite and polycarboxylate based superplasticizer. The mechanical parameters (flexural and compressive strength) of the samples were observed after 7 and 28 days of moist curing. Compressive strength values after 28 days were in the range of 92 to 194 MPa and the flexural strength values were in the range of 7 to 23 MPa (without using of fiber reinforcement). The graphs showing mechanical parameters depending on the mixture composition were constructed and consequently evaluated.

This thesis is aimed to Design of Experiments methodology. Main purpose of this thesis is to create detailed materials for lessons of Design of Experiments in Quality Control courses. Thesis contains case studies which are applicable for education purposes. Design of Experiments has been applied for solder joints quality evaluation. Solder joints have been modeled in software ANSYS and finite element method has been applied for thermomechanical stress evaluation.

This master‘s thesis deals with problems of optimization of cooling in electrical machines. This work includes introduction to the theory of mathematical optimization and brief introduction to optimization problems. This thesis deals with using of program Ansys Workbench for the thermal analysis in electrical machines and optimization of their cooling. Thesis contains thermal analyse of specific asynchronous motor with the squirrel cage and optimization of its cooling.

The thesis presents methods and criteria for creation and optimization of design of computer experiments. Using the core of a program Freet the optimized designs were created by combination of these methods and criteria. Then, the suitability of the designs for statistical analysis of the tasks vith input random variables was assessed by comparison of the obtained results of six selected functions and the exact (analytically obtained) solutions. Basic theory, definitions of the evaluated functions, description of the setting of optimization and the discussion of the obtained results, including recommendations related to identified weaknesses of certain designs, are presented. The thesis also contains a description of an application that was created to display the results.

Gegenstand der vorliegenden Arbeit ist die Untersuchung des Foulardierprozesses zur chemischen Nassausrüstung von Vliesstoffen bei Warengeschwindigkeiten bis zu 250 m/min. Hintergrund ist die abweisende Ausrüstung von Polypropylen-Spinnvliesstoffen für die Anwendung als Operationskittel. Wo bislang nach dem Stand der Technik eine Veredlung bei Lohnausrüstern bei geringen Warengeschwindigkeiten durchgeführt wurde, zeigt die Tendenz in der Vliesstoffindustrie in Richtung der eigenen Prozessbeherrschung. Eine grundlegende Voraussetzung, um den Foulardierprozess für diese Anwendung nutzbar zu machen, ist die Kenntnis über die Prozesseigenschaften bei den geforderten hohen Warengeschwindigkeiten. Für den abzudeckenden Versuchsraum mit sechs Einflussgrößen bei jeweils drei Faktorstufen wurde mittels der Methodik der statistischen Versuchsplanung ein D-optimaler Versuchsplan erstellt. Die Versuchsdurchführung erfolgte auf einem in eine Technikumsanlage eingebundenen Foulard mit horizontaler Walzenanordnung. Für jede der sieben Zielgrößen wurde auf Grundlage der erhaltenen Messwerte eine lineare Regressionsanalyse erstellt und ausgewertet. Eine detaillierte Analyse und Diskussion der Regressionsmodelle liefert Informationen zu Wirkungsrichtung und Intensität der einzelnen Einflussgrößen sowie zu Faktor-Faktor-Wechselwirkungen.:1 Einleitung 8 1.1 Ausgangspunkt 8 1.2 Produktionsmengen 8 1.3 Vliesstoffe in der medizinischen Anwendung 11 1.4 Vliesstoffauswahl 13 2 Wissenschaftlich-technische Problemstellung 16 2.1 Stand der Technik 16 2.2 Zielstellung und Vorgehensweise 21 3 Foulardierprozess: Prozessbeschreibung und Einflussgrößen 22 3.1 Foulardieren: Prozessbeschreibung 22 3.2 Foulardieren: Einflussgrößen 25 3.2.1 Einflussfaktoren Maschinendesign 25 3.2.2 Einflussfaktoren Verfahrensparameter 29 3.2.3 Einflussfaktoren Vliesstoffmaterial 30 3.2.4 Einflussfaktoren Imprägnierflotte 31 3.3 Einflussgrößen und Zielgrößen 33 4 Versuchsanordnung und Versuchsfoulard 34 4.1 Technikumsanlage am STFI 34 4.2 Versuchsfoulard 35 4.2.1 Horizontale Walzenanordnung 37 4.2.2 Hilfstrieb auf der S-Walze 38 4.2.3 Druckgebung und Quetschfugenbreite 38 4.2.4 Flottenführung 38 4.2.5 Niveauregelung, Flottenvolumen 39 4.2.6 Flottenverbrauch 40 4.2.7 Tauchstrecke, Verweilstrecke und Verweilzeit 42 4.2.8 Flottentemperatur 43 5 Material und Methoden 45 5.1 Vliesstoffmaterial 45 5.2 Ausrüstungsflotte 46 5.3 Mess- und Prüfmethoden 48 5.3.1 Feuchteaufnahme 48 5.3.2 Dicke 49 5.3.3 Luftdurchlässigkeit 50 5.3.4 Zugfestigkeit und Höchstzugkraftdehnung 50 6 Statistische Versuchsplanung und Regressionsanalyse 51 6.1 Vorbemerkung 51 6.2 D-optimale Versuchspläne 51 6.3 Versuchsplan 54 6.4 Darstellung des Versuchsraums 57 6.4.1 Faktor-Faktor-Kombinationen 57 6.4.2 Flottentemperatur TSoll versus TIst 58 6.5 Regressionsanalyse 59 6.5.1 Allgemeine Regressionsgleichung 59 6.5.2 Generelle Vorgehensweise 61 7 Regressionsanalyse für Zielgröße Feuchteaufnahme 62 7.1 Datenplausibilität der Zielgröße 62 7.2 Erstellen und Prüfen der Regressionsgleichung 64 7.2.1 Erstellen einer Regressionsgleichung 64 7.2.2 Bewertung der Güte der Regression, Residuenanalyse 69 7.2.3 Nachprüfen des Modells anhand von Beispieldaten 75 7.3 Auswerten der Regressionsgleichung 76 7.3.1 Intensität und Wichtung der Einflussgrößen 76 7.3.2 Wechselwirkungen 85 7.4 Grafische Darstellung des Gesamtmodells 90 8 Regressionsanalyse für Zielgröße Dicke 95 8.1 Datenplausibilität der Zielgröße 95 8.2 Erstellen und Prüfen der Regressionsgleichung 96 8.2.1 Erstellen einer Regressionsgleichung 96 8.2.2 Bewertung der Güte der Regression, Residuenanalyse 96 8.2.3 Nachprüfen des Modells anhand von Beispieldaten 97 8.3 Auswerten der Regressionsgleichung 98 8.3.1 Intensität und Wichtung der Einflussgrößen 98 8.3.2 Wechselwirkungen 103 8.4 Grafische Darstellung des Gesamtmodells 105 9 Regressionsanalyse für Zielgröße Luftdurchlässigkeit 107 9.1 Datenplausibilität der Zielgröße 107 9.2 Erstellen und Prüfen der Regressionsgleichung 107 9.2.1 Erstellen einer Regressionsgleichung 107 9.2.2 Bewertung der Güte der Regression, Residuenanalyse 108 9.2.3 Nachprüfen des Modells anhand von Beispieldaten 109 9.3 Auswerten der Regressionsgleichung 110 9.3.1 Intensität und Wichtung der Einflussgrößen 110 9.3.2 Wechselwirkungen 115 9.4 Grafische Darstellung des Gesamtmodells 118 10 Regressionsanalyse für Zielgröße Zugfestigkeit MD 120 10.1 Datenplausibilität der Zielgröße 120 10.2 Erstellen und Prüfen der Regressionsgleichung 120 10.2.1 Erstellen einer Regressionsgleichung 120 10.2.2 Bewertung der Güte der Regression, Residuenanalyse 121 10.2.3 Nachprüfen des Modells anhand von Beispieldaten 122 10.3 Auswerten der Regressionsgleichung 123 10.3.1 Intensität und Wichtung der Einflussgrößen 123 10.3.2 Wechselwirkungen 128 10.4 Grafische Darstellung des Gesamtmodells 131 11 Regressionsanalyse für Zielgröße Zugfestigkeit CD 133 11.1 Datenplausibilität der Zielgröße 133 11.2 Erstellen und Prüfen der Regressionsgleichung 133 11.2.1 Erstellen einer Regressionsgleichung 133 11.2.2 Bewertung der Güte der Regression, Residuenanalyse 134 11.2.3 Nachprüfen des Modells anhand von Beispieldaten 135 11.3 Auswerten der Regressionsgleichung 136 11.3.1 Intensität und Wichtung der Einflussgrößen 136 11.3.2 Wechselwirkungen 140 11.4 Grafische Darstellung des Gesamtmodells 141 12 Regressionsanalyse für Zielgröße Höchstzugkraftdehnung MD 143 12.1 Datenplausibilität der Zielgröße 143 12.2 Erstellen und Prüfen der Regressionsgleichung 144 12.2.1 Erstellen einer Regressionsgleichung 144 12.2.2 Bewertung der Güte der Regression, Residuenanalyse 144 12.2.3 Nachprüfen des Modells anhand von Beispieldaten 145 12.3 Auswerten der Regressionsgleichung 146 12.3.1 Intensität und Wichtung der Einflussgrößen 146 12.3.2 Wechselwirkungen 151 12.4 Grafische Darstellung des Gesamtmodells 153 13 Regressionsanalyse für Zielgröße Höchstzugkraftdehnung CD 155 13.1 Datenplausibilität der Zielgröße 155 13.2 Erstellen und Prüfen der Regressionsgleichung 155 13.2.1 Erstellen einer Regressionsgleichung 155 13.2.2 Bewertung der Güte der Regression, Residuenanalyse 156 13.2.3 Nachprüfen des Modells anhand von Beispieldaten 157 13.3 Auswerten der Regressionsgleichung 158 13.3.1 Intensität und Wichtung der Einflussgrößen 158 13.3.2 Wechselwirkungen 160 13.4 Grafische Darstellung des Gesamtmodells 161 14 Zusammenfassung 163 15 Ausblick 167 Literaturverzeichnis 169 Verzeichnis der Abbildungen 173 Verzeichnis der Tabellen 176 Verzeichnis der Anhänge 180 / The subject of the work presented here is the study of the padding process for the chemical wet finishing of nonwovens at web speeds up to 250 m/min. Background to the topic is the repellent treatment of polypropylene spunbond nonwovens applied for surgical gowns. Finishing carried out at subcontractors corresponding to best practice technology up to now, the trend in the nonwovens industry is turning towards an in-house process mastery. Essential requirement to make the padding process technologically exploitable for this kind of application is the knowledge of the process characteristics at the high web speeds claimed. For the experimental scenario to be covered comprising six determining factors at three level steps each, a D-optimal trial plan was defined using the statistic method of the design of experiments (DOE). The realization of the trials carried out on a padder with horizontal roll arrangement installed in a pilot line. For each of the seven responses a linear regression analyses was compiled and evaluated. A detailed analysis and discussion of the regression models provides information on direction of influence as well as intensity of each of the determining factors and factor-factor-interactions.:1 Einleitung 8 1.1 Ausgangspunkt 8 1.2 Produktionsmengen 8 1.3 Vliesstoffe in der medizinischen Anwendung 11 1.4 Vliesstoffauswahl 13 2 Wissenschaftlich-technische Problemstellung 16 2.1 Stand der Technik 16 2.2 Zielstellung und Vorgehensweise 21 3 Foulardierprozess: Prozessbeschreibung und Einflussgrößen 22 3.1 Foulardieren: Prozessbeschreibung 22 3.2 Foulardieren: Einflussgrößen 25 3.2.1 Einflussfaktoren Maschinendesign 25 3.2.2 Einflussfaktoren Verfahrensparameter 29 3.2.3 Einflussfaktoren Vliesstoffmaterial 30 3.2.4 Einflussfaktoren Imprägnierflotte 31 3.3 Einflussgrößen und Zielgrößen 33 4 Versuchsanordnung und Versuchsfoulard 34 4.1 Technikumsanlage am STFI 34 4.2 Versuchsfoulard 35 4.2.1 Horizontale Walzenanordnung 37 4.2.2 Hilfstrieb auf der S-Walze 38 4.2.3 Druckgebung und Quetschfugenbreite 38 4.2.4 Flottenführung 38 4.2.5 Niveauregelung, Flottenvolumen 39 4.2.6 Flottenverbrauch 40 4.2.7 Tauchstrecke, Verweilstrecke und Verweilzeit 42 4.2.8 Flottentemperatur 43 5 Material und Methoden 45 5.1 Vliesstoffmaterial 45 5.2 Ausrüstungsflotte 46 5.3 Mess- und Prüfmethoden 48 5.3.1 Feuchteaufnahme 48 5.3.2 Dicke 49 5.3.3 Luftdurchlässigkeit 50 5.3.4 Zugfestigkeit und Höchstzugkraftdehnung 50 6 Statistische Versuchsplanung und Regressionsanalyse 51 6.1 Vorbemerkung 51 6.2 D-optimale Versuchspläne 51 6.3 Versuchsplan 54 6.4 Darstellung des Versuchsraums 57 6.4.1 Faktor-Faktor-Kombinationen 57 6.4.2 Flottentemperatur TSoll versus TIst 58 6.5 Regressionsanalyse 59 6.5.1 Allgemeine Regressionsgleichung 59 6.5.2 Generelle Vorgehensweise 61 7 Regressionsanalyse für Zielgröße Feuchteaufnahme 62 7.1 Datenplausibilität der Zielgröße 62 7.2 Erstellen und Prüfen der Regressionsgleichung 64 7.2.1 Erstellen einer Regressionsgleichung 64 7.2.2 Bewertung der Güte der Regression, Residuenanalyse 69 7.2.3 Nachprüfen des Modells anhand von Beispieldaten 75 7.3 Auswerten der Regressionsgleichung 76 7.3.1 Intensität und Wichtung der Einflussgrößen 76 7.3.2 Wechselwirkungen 85 7.4 Grafische Darstellung des Gesamtmodells 90 8 Regressionsanalyse für Zielgröße Dicke 95 8.1 Datenplausibilität der Zielgröße 95 8.2 Erstellen und Prüfen der Regressionsgleichung 96 8.2.1 Erstellen einer Regressionsgleichung 96 8.2.2 Bewertung der Güte der Regression, Residuenanalyse 96 8.2.3 Nachprüfen des Modells anhand von Beispieldaten 97 8.3 Auswerten der Regressionsgleichung 98 8.3.1 Intensität und Wichtung der Einflussgrößen 98 8.3.2 Wechselwirkungen 103 8.4 Grafische Darstellung des Gesamtmodells 105 9 Regressionsanalyse für Zielgröße Luftdurchlässigkeit 107 9.1 Datenplausibilität der Zielgröße 107 9.2 Erstellen und Prüfen der Regressionsgleichung 107 9.2.1 Erstellen einer Regressionsgleichung 107 9.2.2 Bewertung der Güte der Regression, Residuenanalyse 108 9.2.3 Nachprüfen des Modells anhand von Beispieldaten 109 9.3 Auswerten der Regressionsgleichung 110 9.3.1 Intensität und Wichtung der Einflussgrößen 110 9.3.2 Wechselwirkungen 115 9.4 Grafische Darstellung des Gesamtmodells 118 10 Regressionsanalyse für Zielgröße Zugfestigkeit MD 120 10.1 Datenplausibilität der Zielgröße 120 10.2 Erstellen und Prüfen der Regressionsgleichung 120 10.2.1 Erstellen einer Regressionsgleichung 120 10.2.2 Bewertung der Güte der Regression, Residuenanalyse 121 10.2.3 Nachprüfen des Modells anhand von Beispieldaten 122 10.3 Auswerten der Regressionsgleichung 123 10.3.1 Intensität und Wichtung der Einflussgrößen 123 10.3.2 Wechselwirkungen 128 10.4 Grafische Darstellung des Gesamtmodells 131 11 Regressionsanalyse für Zielgröße Zugfestigkeit CD 133 11.1 Datenplausibilität der Zielgröße 133 11.2 Erstellen und Prüfen der Regressionsgleichung 133 11.2.1 Erstellen einer Regressionsgleichung 133 11.2.2 Bewertung der Güte der Regression, Residuenanalyse 134 11.2.3 Nachprüfen des Modells anhand von Beispieldaten 135 11.3 Auswerten der Regressionsgleichung 136 11.3.1 Intensität und Wichtung der Einflussgrößen 136 11.3.2 Wechselwirkungen 140 11.4 Grafische Darstellung des Gesamtmodells 141 12 Regressionsanalyse für Zielgröße Höchstzugkraftdehnung MD 143 12.1 Datenplausibilität der Zielgröße 143 12.2 Erstellen und Prüfen der Regressionsgleichung 144 12.2.1 Erstellen einer Regressionsgleichung 144 12.2.2 Bewertung der Güte der Regression, Residuenanalyse 144 12.2.3 Nachprüfen des Modells anhand von Beispieldaten 145 12.3 Auswerten der Regressionsgleichung 146 12.3.1 Intensität und Wichtung der Einflussgrößen 146 12.3.2 Wechselwirkungen 151 12.4 Grafische Darstellung des Gesamtmodells 153 13 Regressionsanalyse für Zielgröße Höchstzugkraftdehnung CD 155 13.1 Datenplausibilität der Zielgröße 155 13.2 Erstellen und Prüfen der Regressionsgleichung 155 13.2.1 Erstellen einer Regressionsgleichung 155 13.2.2 Bewertung der Güte der Regression, Residuenanalyse 156 13.2.3 Nachprüfen des Modells anhand von Beispieldaten 157 13.3 Auswerten der Regressionsgleichung 158 13.3.1 Intensität und Wichtung der Einflussgrößen 158 13.3.2 Wechselwirkungen 160 13.4 Grafische Darstellung des Gesamtmodells 161 14 Zusammenfassung 163 15 Ausblick 167 Literaturverzeichnis 169 Verzeichnis der Abbildungen 173 Verzeichnis der Tabellen 176 Verzeichnis der Anhänge 180