Методология поверхности отклика с оптимизацией
Методология поверхности отклика с оптимизацией (RSM) сочетает квадратичную модель поверхности отклика с процедурой математической оптимизации — чаще всего с функцией желательности Деррингера и Суича, но также с генетическими алгоритмами или градиентными решателями — для определения настроек факторов, которые одновременно удовлетворяют множественным целям качества или производительности. Результатом является основанная на данных рекомендация оптимальных условий процесса или продукта, подкрепленная полиномиальной моделью, подогнанной к структурированному экспериментальному плану.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Optimization-Assisted Response Surface Methodology. ScholarGate. https://scholargate.app/ru/experimental-design/optimization-assisted-response-surface-methodology
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Дизайн Бокса-БенкенаПланирование эксперимента↔ сравнить
- Центральное композиционное планированиеПланирование эксперимента↔ сравнить
- Планирование экспериментаПланирование эксперимента↔ сравнить
- Multi-response Response Surface MethodologyПланирование эксперимента↔ сравнить
- Методология поверхности отклика (RSM)Планирование эксперимента↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →