Optimalisatie-ondersteund fractioneel factorieel ontwerp
Optimaal-ondersteund fractioneel factorieel ontwerp (OA-FFD) combineert klassieke fractionele factoriële screening met algoritmische optimaliteitscriteria – zoals D-, I- of A-optimaliteit – om experimentmatrices te construeren die de statistische efficiëntie maximaliseren. In plaats van uitsluitend te vertrouwen op standaard orthogonale-arraytabellen, selecteert een computer-algoritme de beste subset van runs uit een kandidaatset, waardoor experimentatoren onregelmatige factorbeperkingen, gemengde factortypen en aangepaste run-groottes kunnen hanteren die standaardtabellen niet kunnen accommoderen.
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
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Optimization-Assisted Fractional Factorial Design. ScholarGate. https://scholargate.app/nl/experimental-design/optimization-assisted-fractional-factorial-design
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 →