Optimalisatie-ondersteund experimenteel ontwerp
Optimalisatie-ondersteund experimenteel ontwerp (OA-DoE) koppelt een gestructureerd experimenteel plan aan een wiskundige optimalisatiemotor om factorinstellingen te vinden die simultaan meerdere responsdoelstellingen bevredigen. In plaats van te stoppen bij het fitten van een respons-oppervlaktemodel, past de analist wenselijkheidsfuncties, genetische algoritmen of andere optimizers toe op het gefitte model om het globale of bijna-globale optimum te identificeren over alle responsen van belang.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Optimization-Assisted Design of Experiments. ScholarGate. https://scholargate.app/nl/experimental-design/optimization-assisted-design-of-experiments
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Box-Behnken-ontwerpExperimenteel ontwerp↔ vergelijken
- Centraal Composite OntwerpExperimenteel ontwerp↔ vergelijken
- Experimenteel OntwerpExperimenteel ontwerp↔ vergelijken
- Response Surface Methodology (RSM)Experimenteel ontwerp↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →