Een interactie-effect treedt op wanneer het effect van de ene procesfactor op een respons afhankelijk is van de instelling van een andere factor. Bij design of experiments (DOE) helpen interacties te verklaren waarom het wijzigen van een temperatuur, druk of andere procesinstelling tot verschillende resultaten leidt onder verschillende procesomstandigheden.
Neem een hypothetisch hechtingsexperiment met twee temperaturen en twee drukken. Het verhogen van de temperatuur van 150°C naar 170°C verhoogt de gemiddelde hechtsterkte met 2 MPa bij lage druk en met 10 MPa bij hoge druk. Het verschil tussen die temperatuureffecten duidt op een interactie. Een aanbeveling over temperatuur moet daarom de drukinstelling specificeren waarop de verwachte verbetering van toepassing is.
In de praktijk stelt een factorieel DOE het team in staat om interacties samen met hoofdeffecten te schatten. Een interactiegrafiek toont de respons over factorcombinaties; niet-parallelle lijnen duiden op een interactie. Statistische analyse beoordeelt vervolgens het bewijs ten opzichte van experimentele fouten. De operationele beslissing hangt er ook van af of het geschatte effect van belang is ten opzichte van de vereisten, zoals een minimale hechtsterkte.
Interactie-analyse hoort thuis binnen DOE en ondersteunt beslissingen in de Improve-fase in DMAIC. Proeven waarbij één factor per keer wordt gewijzigd, kunnen interacties missen omdat ze veranderingen onderzoeken terwijl andere instellingen vast blijven staan. Na het selecteren van een factorcombinatie testen bevestigingsproeven of de voorspelde respons wordt gereproduceerd. Een proefopstelling kan vervolgens de prestaties onder routinematige bedrijfsomstandigheden beoordelen.
