Optimierungsgestützte fraktionierte faktorielle Versuchsplanung
Die optimierungsgestützte fraktionierte faktorielle Versuchsplanung (OA-FFD) kombiniert klassische fraktionierte faktorielle Screening-Verfahren mit algorithmischen Optimalitätskriterien – wie D-, I- oder A-Optimalität –, um Versuchsmatrizen zu konstruieren, die die statistische Effizienz maximieren. Anstatt sich ausschließlich auf Standard-Orthogonal-Tabellen zu verlassen, wählt ein Computer-Algorithmus die beste Teilmenge von Läufen aus einer Kandidatenmenge aus. Dies ermöglicht es den Versuchsplanern, unregelmäßige Faktor-Beschränkungen, gemischte Faktortypen und benutzerdefinierte Laufzahlen zu handhaben, die Standardtabellen nicht berücksichtigen können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Atkinson, A. C., Donev, A. N., & Tobias, R. D. (2007). Optimum Experimental Designs, with SAS. Oxford University Press. ISBN: 978-0199296606
- Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley. ISBN: 978-1119320937
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Optimization-Assisted Fractional Factorial Design. ScholarGate. https://scholargate.app/de/experimental-design/optimization-assisted-fractional-factorial-design
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Box-Behnken-DesignVersuchsplanung↔ vergleichen
- Zentrales Komposit-DesignVersuchsplanung↔ vergleichen
- Design of ExperimentsVersuchsplanung↔ vergleichen
- Response-Oberflächenmethode (ROM)Versuchsplanung↔ vergleichen
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →