ScholarGate
Assistente
Process / pipelineEngineering methods

Design of Experiments — DOE

Il Design of Experiments (DOE), o Progettazione degli Esperimenti, è un quadro sistematico per la pianificazione, la conduzione e l'analisi di esperimenti controllati al fine di determinare come molteplici fattori di input influenzino simultaneamente una o più risposte. Introdotto da Ronald A. Fisher nel 1935, il DOE consente a ricercatori e ingegneri di identificare relazioni causali, quantificare gli effetti dei fattori e trovare impostazioni ottimali in modo efficiente, utilizzando un numero di prove significativamente inferiore rispetto agli approcci "un fattore alla volta". È fondamentale nell'ingegneria, nella produzione, nell'agricoltura e nelle scienze applicate.

Trova un argomento con PaperMindIn arrivoApply, compare, get guidance
Tools & resources
Scarica le diapositive
Learn & explore
VideoIn arrivo

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Mappa dei metodi

Il vicinato dei metodi correlati — seleziona un nodo per esplorare.

+48 altri

Fonti

  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

Come citare questa pagina

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

Quale metodo?

Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.

Confronta affiancati

Citato da

Progettazione Bayesiana di EsperimentiQuality Function Deployment BayesianoMetodo Taguchi BayesianoBox-Behnken DesignDisegno Centrale CompositoCarta di controlloAnalisi di Sensitività GlobaleGrafico di controllo ibridoProgettazione di esperimenti ibridaQuality Function Deployment IbridaMetodologia Ibrida delle Superfici di RispostaSix Sigma DMAIC IbridoMetodo Taguchi IbridoApplicazioni Industriali della Metodologia delle Superfici di RispostaLatin Hypercube SamplingProgettazione di Esperimenti Multi-RispostaDisegno Fattoriale Frazionato Multi-RispostaProgettazione Fattoriale Completa Multi-RispostaAnalisi di capacità di processo multi-rispostaMetodologia della Superficie di Risposta a Risposte MultipleSix Sigma DMAIC Multi-rispostaMetodo Taguchi Multi-RispostaProgettazione di esperimenti assistita da ottimizzazioneAnalisi dei Modi di Guasto e dei loro Effetti assistita dall'OttimizzazioneProgettazione Fattoriale Frazionaria Assistita da OttimizzazioneProgettazione Fattoriale Completa Assistita da OttimizzazioneAnalisi della capacità di processo assistita da ottimizzazioneDistribuzione della Qualità Assistita da OttimizzazioneAnalisi di Affidabilità Assistita da OttimizzazioneMetodologia della Superficie di Risposta Assistita dall'OttimizzazioneOttimizzazione-assistita Six Sigma DMAICMetodo Taguchi assistito dall'ottimizzazioneQuality Function DeploymentProgettazione Box-Behnken Basata sul RischioProgettazione di Esperimenti Basata sul RischioProgettazione Fattoriale Completa Basata sul RischioMetodo Taguchi Basato sul RischioRobust Six Sigma DMAICAnalisi di Sensibilità con Carte di ControlloAnalisi di Sensibilità con Analisi di Capacità di ProcessoAnalisi di Sensibilità con Analisi delle Cause RadiceAnalisi di Sensibilità con Six Sigma DMAICAnalisi di Sensibilità Integrata con Disegno Fattoriale CompletoAnalisi di Sensibilità - Metodologia della Superficie di Risposta IntegrataAnalisi di Sensibilità-integrata Metodo TaguchiProgettazione di Esperimenti Assistita da SimulazioneProgettazione fattoriale frazionaria assistita da simulazioneProgettazione Fattoriale Completa Assistita da SimulazioneAnalisi di Capacità di Processo Assistita da SimulazioneQuality Function Deployment assistita da simulazioneMetodologia delle Superfici di Risposta Assistita da SimulazioneDMAIC Six Sigma assistito da simulazioneControllo Statistico di Processo Assistito da SimulazioneMetodo Taguchi assistito da simulazioneControllo Statistico di ProcessoOttimizzazione basata su surrogati
ScholarGateDesign of experiments (Design of Experiments). Consultato il 2026-06-17 da https://scholargate.app/it/experimental-design/design-of-experiments · Insieme di dati: https://doi.org/10.5281/zenodo.20539026