{"id":4664,"date":"2026-08-12T16:59:59","date_gmt":"2026-08-12T14:59:59","guid":{"rendered":"https:\/\/ellistat.com\/?post_type=guide-dutilisateur&p=4664"},"modified":"2026-08-12T16:59:59","modified_gmt":"2026-08-12T14:59:59","slug":"befullplan","status":"publish","type":"guide-dutilisateur","link":"https:\/\/ellistat.com\/de\/guide-dutilisateur\/plan-de-remplissage\/","title":{"rendered":"F\u00fcllplan"},"content":{"rendered":"

Die vorangegangenen Pl\u00e4ne zielen alle auf die Sch\u00e4tzung eines\u00a0das angegebene Modell<\/strong>\u00a0\u2014 linear, mit Wechselwirkungen, quadratisch. Die F\u00fcllschemata verfolgen andere Ziele:\u00a0den Versuchsraum gleichm\u00e4\u00dfig abdecken<\/strong>, ohne die Form der Antwort vorwegzunehmen.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Das ist das Prinzip der Machine-Learning-Modelle, die die Form erlernen, anstatt sie vorauszusetzen. Die Faktoren m\u00fcssen quantitativ<\/strong>, man braucht sie mindestens zwei<\/strong> und h\u00f6chstens 20<\/strong>.<\/p>\n\n\n\n

1. Berechnete Tabelle oder tabellarische Aufstellung<\/h2>\n\n\n\n

Die Liste der m\u00f6glichen Pl\u00e4ne enth\u00e4lt zwei Gruppen:<\/p>\n\n\n\n

    \n
  • Ellistat-Plan (berechnet)<\/strong>, das als erstes vorgeschlagen und standardm\u00e4\u00dfig ausgew\u00e4hlt wird: das einzige, dessen Anzahl an Versuchen und Kriterien zu Ihrer Konfiguration passt; ; <\/li>\n\n\n\n
  • Die\u00a0Tabellen<\/strong>, bei fester Anzahl von Versuchen: Audze-Eglais (9, 15, 16, 25, 50, 100 Versuche je nach Anzahl der Faktoren), Latin-Hypercube-Design (16, 25, 50) und NOLH 17. Bei mehr als 10 Faktoren bleibt keines davon \u00fcbrig, nur der berechnete Plan erf\u00fcllt die Anforderungen.<\/li>\n<\/ul>\n\n\n\n

    2. Die Einstellungen des berechneten Plans<\/h2>\n\n\n\n
    Einstellung<\/strong><\/td>Rolle<\/strong><\/td><\/tr><\/thead>
    Anzahl der Faktoren<\/strong><\/td>Erinnerung, nur zum Lesen.<\/td><\/tr>
    Anzahl der Versuche<\/strong><\/td>Mindestens k<\/em>+1, maximal 100. Der Standardwert betr\u00e4gt f\u00fcnf Versuche pro Faktor, mindestens 9.<\/td><\/tr>
    Hypothese zu den Faktoren<\/strong><\/td>\u00abAlle Faktoren sind aktiv\u00bb oder \u00abNur einige Faktoren sind aktiv\u00bb.<\/td><\/tr>
    Die Korrelation begrenzen<\/strong><\/td>Erzwingt die maximale Korrelation zwischen den Faktoren. Standardm\u00e4\u00dfig aktiviert.<\/td><\/tr>
    Maximale Korrelation |r|<\/strong><\/td>Der Zielwert betr\u00e4gt standardm\u00e4\u00dfig 0,03.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Die gew\u00e4hlte Hypothese wird auf dem Bildschirm erl\u00e4utert, und die Wahl ist entscheidend:<\/p>\n\n\n\n

      \n
    • Alle Faktoren sind aktiv<\/strong>\u00a0: Nur das Audze-Eglais-Kriterium: vollst\u00e4ndige Raumausf\u00fcllung. Zu w\u00e4hlen, wenn das nachgelagerte Modell alle Faktoren ber\u00fccksichtigt; ;<\/li>\n\n\n\n
    • Es sind nur wenige Faktoren aktiv<\/strong>\u00a0: Audze-Eglais + MaxPro: Erf\u00fcllt auch die Erwartungen in den F\u00e4llen, in denen es darauf ankommt, wie die Daten interpretiert werden, wenn nur zwei oder drei Faktoren wirklich eine Rolle spielen.<\/li>\n<\/ul>\n\n\n\n

      \ud83d\udca1 Diese Einstellung ist es, die zwei F\u00fcllebenen wirklich voneinander unterscheidet, und sie wird unter Ber\u00fccksichtigung folgender Aspekte festgelegt:\u00a0der n\u00e4chste Schritt<\/strong>. Wenn Sie vermuten, dass zwei von acht Faktoren den Gro\u00dfteil ausmachen, l\u00e4sst sich eine Ebene, die den achtdimensionalen Raum gut ausf\u00fcllt, m\u00f6glicherweise nur sehr schlecht auf die Ebene dieser beiden Faktoren projizieren, da sich die Punkte dort \u00fcberlagern und das Modell dort fast nichts erkennen kann. Genau das korrigiert der MaxPro-Term.<\/p>\n\n\n\n

      \u26a0\ufe0f Die Korrelationsbarriere wird empfohlen: Der MaxPro-Term verschlechtert die Korrelationen deutlich, wenn sie nicht aktiviert ist. Eine Deaktivierung ist nur dann sinnvoll, wenn man eine maximale F\u00fcllung anstrebt, ohne auf die Unabh\u00e4ngigkeit der Effekte zu achten.<\/p>\n\n\n\n

      3. Berechnen und das Ergebnis ablesen<\/h2>\n\n\n\n

      Die Schaltfl\u00e4che Berechnen<\/strong> Startet den Gl\u00fchvorgang in einem Worker, mit einem Fortschrittsbalken und einer Schaltfl\u00e4che Beenden<\/strong>. Der erhaltene Plan wird im Versuchsplan gespeichert: Er bleibt auch nach der Navigation erhalten.<\/p>\n\n\n\n

      Neben der Schaltfl\u00e4che werden drei Anzeigen eingeblendet:<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n
        \n
      • Audze-Eglais<\/strong>\u00a0: das F\u00fcllungskriterium \u2013 je niedriger der Wert, desto besser ist der Raum ausgef\u00fcllt; ; <\/li>\n\n\n\n
      • MaxPro<\/strong>\u00a0: das Kriterium f\u00fcr die Ausf\u00fcllung der Prognosen, das angezeigt wird, wenn die Annahme \u00abeinige aktive Faktoren\u00bb zugrunde gelegt wird; ;<\/li>\n\n\n\n
      • Max |r|<\/strong>\u00a0: die st\u00e4rkste absolute Korrelation zwischen zwei Faktoren.<\/li>\n<\/ul>\n\n\n\n

        Die Schaltfl\u00e4che\u00a0Korrelationsmatrix<\/strong>\u00a0Plakat:\u00a0<\/p>\n\n\n\n

        <\/p>\n\n\n\n

        Die Schaltfl\u00e4che\u00a0Punktwolken<\/strong>\u00a0er\u00f6ffnet zwei sich erg\u00e4nzende Lesarten: <\/p>\n\n\n\n

          \n
        • die Matrix der\u00a0Zusammenh\u00e4nge zwischen Faktoren<\/strong>, auf einer festen Skala von \u22121 bis +1 \u2014 ein gut optimierter Plan erscheint dort daher nahezu neutral, was korrekt ist <\/li>\n\n\n\n
        • und die\u00a0Punktwolken nach Faktorpaaren<\/strong>, die zeigen,\u00a0warum<\/em>\u00a0Eine Korrelation ist schwach: Die Punkte sind gut verteilt oder bilden eine diagonale Struktur.<\/li>\n<\/ul>\n\n\n\n
          \"\"<\/figure>\n\n\n\n

          \ud83d\udca1 Die feste Skalierung der Matrix ist kein Einstellungsfehler. Eine an die Daten angepasste Skalierung w\u00fcrde Korrelationen im Bereich von wenigen Hundertstel in leuchtenden Farben darstellen, was den falschen Eindruck einer fehlerhaften Darstellung erwecken w\u00fcrde. Hier ist eine nahezu orthogonale Darstellung als solche erkennbar.<\/p>\n\n\n\n

          \u26a0\ufe0f Die Schaltfl\u00e4che D-Optimal<\/strong> wird bewusst aus den F\u00fcllpl\u00e4nen weggelassen: Die Suche nach einer D-optimalen Teilmenge eines F\u00fcllplans ist sinnlos, da der Plan auf die Abdeckung des Raums abzielt und nicht auf die Sch\u00e4tzung eines bestimmten Modells.<\/p>","protected":false},"featured_media":0,"menu_order":100,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[24],"class_list":["post-4664","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-7-doe-plans-dexperiences"],"acf":[],"yoast_head":"\nPlan de remplissage - Ellistat<\/title>\n<meta name=\"description\" content=\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/de\/benutzerhandbuch\/befullplan\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Plan de remplissage - Ellistat\" \/>\n<meta property=\"og:description\" content=\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/de\/benutzerhandbuch\/befullplan\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png\" \/>\n\t<meta property=\"og:image:width\" content=\"644\" \/>\n\t<meta property=\"og:image:height\" content=\"298\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"4\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\",\"name\":\"Plan de remplissage - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\",\"datePublished\":\"2026-08-12T14:59:59+00:00\",\"description\":\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Plan de remplissage\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l'industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"F\u00fcllplan - Ellistat","description":"Latin Hypercube, Audze-Eglais, MaxPro: Erstellen Sie einen optimierten Raumf\u00fcllplan, um Ihre Machine-Learning-Modelle ohne a-priori-Annahmen zu trainieren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/de\/benutzerhandbuch\/befullplan\/","og_locale":"de_DE","og_type":"article","og_title":"Plan de remplissage - Ellistat","og_description":"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.","og_url":"https:\/\/ellistat.com\/de\/benutzerhandbuch\/befullplan\/","og_site_name":"Ellistat","og_image":[{"width":644,"height":298,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"4\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/","url":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/","name":"F\u00fcllplan - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","datePublished":"2026-08-12T14:59:59+00:00","description":"Latin Hypercube, Audze-Eglais, MaxPro: Erstellen Sie einen optimierten Raumf\u00fcllplan, um Ihre Machine-Learning-Modelle ohne a-priori-Annahmen zu trainieren.","breadcrumb":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Plan de remplissage"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"Die Qualit\u00e4tssuite der Maschinenbauindustrie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/de\/wp-json\/wp\/v2\/guide-dutilisateur\/4664","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/de\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/ellistat.com\/de\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/de\/wp-json\/wp\/v2\/media?parent=4664"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/ellistat.com\/de\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=4664"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}