Optimization-assisted fractional factorial design
Optimization-assisted fractional factorial design (OA-FFD) combines classical fractional factorial screening with algorithmic optimality criteria — such as D-, I-, or A-optimality — to construct experiment matrices that maximize statistical efficiency. Instead of relying solely on standard orthogonal-array tables, a computer algorithm selects the best subset of runs from a candidate set, enabling experimenters to handle irregular factor constraints, mixed factor types, and custom run sizes that standard tables cannot accommodate.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.