Optimierungsgestützte Response Surface Methodology

Die optimierungsgestützte RSM kombiniert ein Response-Surface-Modell zweiter Ordnung mit einer mathematischen Optimierungsroutine – am gebräuchlichsten ist die Desirability-Funktion von Derringer und Suich, aber auch genetische Algorithmen oder gradientenbasierte Löser – um die Faktoreinstellungen zu lokalisieren, die gleichzeitig mehrere Qualitäts- oder Leistungsziele erfüllen. Das Ergebnis ist eine datengesteuerte Empfehlung für optimale Prozess- oder Produktbedingungen, unterstützt durch ein Polynommodell, das an ein strukturiertes experimentelles Design angepasst ist.