Optimalisatie-ondersteunde Response Surface Methodology
RSM met optimalisatie koppelt een respons-oppervlakmodel van de tweede orde aan een wiskundige optimalisatieroutine — meest voorkomend is de wenselijkheidsfunctie van Derringer en Suich, maar ook genetische algoritmen of gradiëntgebaseerde oplossers — om de factorinstellingen te lokaliseren die tegelijkertijd aan meerdere kwaliteits- of prestatiedoelstellingen voldoen. Het resultaat is een datagedreven aanbeveling voor optimale proces- of productcondities, ondersteund door een polynomiaal model dat is aangepast aan een gestructureerd experimenteel ontwerp.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
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 Response Surface Methodology. ScholarGate. https://scholargate.app/nl/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.
- Box-Behnken-ontwerpExperimenteel ontwerp↔ compare
- Centraal Composite OntwerpExperimenteel ontwerp↔ compare
- Experimenteel OntwerpExperimenteel ontwerp↔ compare
- Multi-respons Oppervlakte Respons MethodologieExperimenteel ontwerp↔ compare
- Response Surface Methodology (RSM)Experimenteel ontwerp↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →