ScholarGate
Assistent
Process / pipelineEngineering methods

Design of Experiments — DOE

Design of Experiments (DOE) er et systematisk rammeværk til planlægning, udførelse og analyse af kontrollerede eksperimenter for at bestemme, hvordan flere inputfaktorer samtidigt påvirker én eller flere responser. DOE, introduceret af Ronald A. Fisher i 1935, gør det muligt for forskere og ingeniører at identificere årsagssammenhænge, kvantificere faktoreffekter og finde optimale indstillinger effektivt — ved at bruge langt færre forsøgsgange end metoder, der varierer én faktor ad gangen. Det er grundlæggende inden for ingeniørvidenskab, produktion, landbrug og anvendte videnskaber.

Find emne med PaperMindSnartApply, compare, get guidance
Tools & resources
Hent slides
Learn & explore
VideoSnart

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

+48 mere

Kilder

  1. Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd. link
  2. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley. ISBN: 978-1119492443

Sådan citerer du denne side

ScholarGate. (2026, June 3). Design of Experiments. ScholarGate. https://scholargate.app/da/experimental-design/design-of-experiments

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side

Refereret af

Bayesiansk design af eksperimenterBayesiansk Quality Function DeploymentBayesiansk Taguchi-metodeBox-Behnken DesignCentral Composite DesignKontrolskemaGlobal følsomhedsanalyseHybrid kontrolkortHybrid Design of ExperimentsHybrid Quality Function DeploymentHybrid Response Surface MethodologyHybrid Six Sigma DMAICHybrid Taguchi MetodeIndustriel Anvendelse af Response Surface MethodologyLatin Hypercube SamplingMulti-response Design of ExperimentsMulti-response Fractional Factorial DesignMulti-respons Fuldfaktorielt DesignAnalyse af proceskapacitet med flere responserMulti-respons Responsflade-metodologiMulti-response Six Sigma DMAICMulti-respons Taguchi-metodenOptimering-assisteret design af eksperimenterOptimiseringsassisteret Fejltilstands- og EffektanalyseOptimering-assisteret fraktioneret faktordesignOptimiseringsassisteret fuld faktordesignOptimering-assisteret proceskapacitetsanalyseOptimiseringsassisteret Quality Function DeploymentOptimationsassisteret PålidelighedsanalyseOptimiseringsunderstøttet responsoverflademetodeOptimiseringsassisteret Six Sigma DMAICOptimiseringsassisteret Taguchi-metodeQuality Function DeploymentRisikobaseret Box-Behnken DesignRisikobaseret forsøgsdesignRisikobaseret fuldfaktorielt designRisikobaseret Taguchi-metodeRobust Six Sigma DMAICFølsomhedsanalyse med kontrolskemaFølsomhedsanalyse med proceskapabilitetsanalyseFølsomhedsanalyse med RodårsagsanalyseFølsomhedsanalyse integreret med Six Sigma DMAICFølsomhedsanalyse-integreret fuldfaktordesignFølsomhedsanalyse-integreret responsoverflademetodeFølsomhedsanalyse-integreret Taguchi-metodeSimuleringsassisteret design af eksperimenterSimuleringsassisteret fraktioneret faktordesignSimuleringsassisteret fuld faktordesignSimuleringsassisteret proceskapacitetsanalyseSimuleringsassisteret Quality Function DeploymentSimulationsassisteret responsflademetodologiSimuleringsassisteret Six Sigma DMAICSimuleringsassisteret statistisk proceskontrolSimuleringsassisteret Taguchi-metodeStatistisk proceskontrolSurrogatbaseret optimering
ScholarGateDesign of experiments (Design of Experiments). Hentet 2026-06-17 fra https://scholargate.app/da/experimental-design/design-of-experiments · Datasæt: https://doi.org/10.5281/zenodo.20539026