Байесовский метод Тагучи — Байесовское проектирование робастных параметров
Байесовский метод Тагучи интегрирует философию проектирования робастных параметров Геничи Тагучи с байесовским статистическим выводом. Кодируя предварительные инженерные знания в виде вероятностных распределений и обновляя эти распределения экспериментальными данными, подход определяет настройки факторов, которые одновременно минимизируют вариабельность процесса и удерживают среднее значение на целевом уровне — даже при ограниченном количестве экспериментов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Hamada, M., & Wu, C. F. J. (1992). Analysis of designed experiments with complex aliasing. Journal of Quality Technology, 24(3), 130–137. DOI: 10.1080/00224065.1992.11979383 ↗
- Box, G. E. P., & Jones, S. (1992). Designing products that are robust to the environment. Total Quality Management, 3(3), 265–282. DOI: 10.1080/09544129200000034 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Robust Parameter Design (Taguchi Framework). ScholarGate. https://scholargate.app/ru/experimental-design/bayesian-taguchi-method
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.
- Байесовское планирование экспериментаПланирование эксперимента↔ compare
- Планирование экспериментаПланирование эксперимента↔ compare
- Методология поверхности отклика (RSM)Планирование эксперимента↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →