Optimizācijas palīdzības daļējās faktorālās izlases dizains
Optimizācijas palīdzības daļējās faktorālās izlases dizains (OA-FFD) apvieno klasisko daļējo faktorālās izlases skrīningu ar algoritmiskiem optimālības kritērijiem — piemēram, D-, I- vai A-optimālību — lai konstruētu eksperimentu matricas, kas maksimizē statistisko efektivitāti. Tā vietā, lai paļautos tikai uz standarta ortogonālo masīvu tabulām, dators izvēlas labāko izmēģinājumu apakškopumu no kandidātu kopuma, ļaujot eksperimentētājiem apstrādāt neregulāras faktoru saistības, dažādus faktoru tipus un pielāgotus izmēģinājumu skaitus, ko standarta tabulas nevar nodrošināt.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Optimization-Assisted Fractional Factorial Design. ScholarGate. https://scholargate.app/lv/experimental-design/optimization-assisted-fractional-factorial-design
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Box-Behnkena dizainsEksperimentu plānošana↔ salīdzināt
- Centrālais kompozītais plānsEksperimentu plānošana↔ salīdzināt
- Eksperimentu plānošanaEksperimentu plānošana↔ salīdzināt
- Metodoloģija virsmas atbildes (RSM)Eksperimentu plānošana↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →