ScholarGate
Assistent
Process / pipelineEngineering methods

Design av eksperimenter (DOE)

Design av eksperimenter (DOE) er et systematisk rammeverk for planlegging, gjennomføring og analyse av kontrollerte eksperimenter for å bestemme hvordan flere inndatafaktorer samtidig påvirker én eller flere responser. Introdusert av Ronald A. Fisher i 1935, lar DOE forskere og ingeniører identifisere årsakssammenhenger, kvantifisere faktoreffekter og finne optimale innstillinger effektivt – ved å bruke langt færre forsøk enn én-faktor-om-gangen-tilnærminger. Det er grunnleggende innen ingeniørfag, produksjon, landbruk og anvendt vitenskap.

Finn tema med PaperMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

+48 more

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Design of Experiments. ScholarGate. https://scholargate.app/no/experimental-design/design-of-experiments

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.

Compare side by side

Referert av

Bayesiansk forsøksdesignBayesiansk kvalitetsutviklingBayesiansk Taguchi-metodeBox-Behnken DesignSentralt komposittdesignKontrollskjemaGlobal sensitivitetsanalyseHybrid kontrollkartHybrid eksperimentdesignHybrid Quality Function DeploymentHybrid Responsflate-metodologiHybrid Six Sigma DMAICHybrid Taguchi-metode – Integrert Taguchi-optimaliseringIndustrielle anvendelser Responsflate-metodologiLatin Hypercube SamplingMulti-response Design of ExperimentsMulti-respons fraksjonelt faktoriell designMulti-respons Full Factorial DesignFlerrespons prosesskapabilitetsanalyseMetodikk for responsoverflate med flere responserMulti-respons Six Sigma DMAICMulti-respons Taguchi-metodeOptimalisering-assistert eksperimentdesignOptimaliseringsassistert feilmodus- og effekanalyseOptimaliseringsassistert fraksjonell faktoriell designOptimaliseringsassistert full faktordesignOptimaliseringsassistert prosesskapabilitetsanalyseOptimalitetsassistert kvalitetsfunksjonsutviklingOptimaliseringsassistert pålitelighetsanalyseOptimalisering-assistert responsoverflatemetodikkOptimalisering-assistert Six Sigma DMAICOptimaliseringsassistert Taguchi-metodeKvalitetsfunksjonsutviklingRisikobasert Box-Behnken-design – Risikoprioritert responsflateeksperimenteringRisikobasert forsøksdesignRisikobasert full faktoriell design – Risikoinformert eksperimentell planleggingRisikobasert Taguchi-metodeRobust Six Sigma DMAICFølsomhetsanalyse med kontrollkartFølsomhetsanalyse med prosesskapabilitetsanalyseFølsomhetsanalyse med rotårsaksanalyseFølsomhetsanalyse med Six Sigma DMAICFølsomhetsanalyse-integrert full faktorielt designFølsomhetsanalyse-integrert responsoverflatemetodikkFølsomhetsanalyse-integrert Taguchi-metodeSimuleringsassistert forsøksdesignSimuleringsassistert fraksjonert faktordesignSimuleringsassistert full faktorielt designSimuleringsassistert prosesskapasitetsanalyseSimuleringsassistert Quality Function DeploymentSimuleringsassistert responsoverflatemetodikkSimuleringsassistert Six Sigma DMAICSimuleringsassistert statistisk prosesskontrollSimuleringsassistert Taguchi-metodeStatistisk prosesskontrollSurrogate-basert optimering
ScholarGateDesign of experiments (Design of Experiments). Hentet 2026-06-15 fra https://scholargate.app/no/experimental-design/design-of-experiments · Datasett: https://doi.org/10.5281/zenodo.20539026