Optimiseringsunderstøttet responsoverflademetode
Optimiseringsunderstøttet RSM kombinerer en andenordens responsoverfladmodel med en matematisk optimeringsrutine — oftest Derringer og Suichs desirability-funktion, men også genetiske algoritmer eller gradientbaserede løsere — til at lokalisere de faktorerindstillinger, der samtidigt opfylder flere kvalitets- eller præstationsmål. Resultatet er en datadrevet anbefaling til optimale proces- eller produktbetingelser, understøttet af en polynomisk model tilpasset et struktureret eksperimentelt design.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12(4), 214–219. DOI: 10.1080/00224065.1980.11980968 ↗
- Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). Response Surface Methodology: Process and Product Optimization Using Designed Experiments (4th ed.). Wiley. ISBN: 978-1118916018
Sådan citerer du denne side
ScholarGate. (2026, June 3). Optimization-Assisted Response Surface Methodology. ScholarGate. https://scholargate.app/da/experimental-design/optimization-assisted-response-surface-methodology
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.
- Box-Behnken DesignForsøgsdesign↔ sammenlign
- Central Composite DesignForsøgsdesign↔ sammenlign
- Design of ExperimentsForsøgsdesign↔ sammenlign
- Multi-respons Responsflade-metodologiForsøgsdesign↔ sammenlign
- Responsflademetodologi (RSM)Forsøgsdesign↔ sammenlign
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →