Méthodologie de surface de réponse assistée par optimisation
La RSM assistée par optimisation couple un modèle de surface de réponse du second ordre avec une routine d'optimisation mathématique — le plus souvent la fonction de désirabilité de Derringer et Suich, mais aussi des algorithmes génétiques ou des solveurs basés sur le gradient — pour localiser les paramètres des facteurs qui satisfont simultanément plusieurs objectifs de qualité ou de performance. Le résultat est une recommandation basée sur les données pour des conditions optimales de processus ou de produit, étayée par un modèle polynomial ajusté à un plan expérimental structuré.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Optimization-Assisted Response Surface Methodology. ScholarGate. https://scholargate.app/fr/experimental-design/optimization-assisted-response-surface-methodology
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Plan de Box-BehnkenPlans d'expériences↔ compare
- Planification Composite CentralePlans d'expériences↔ compare
- Planification d'ExpériencesPlans d'expériences↔ compare
- Méthodologie des surfaces de réponse à réponses multiplesPlans d'expériences↔ compare
- Méthodologie des surfaces de réponse (RSM)Plans d'expériences↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →