ScholarGate
Assistent
Process / pipelineEngineering methods

Experimentdesign — DOE

Experimentdesign (DOE) är ett systematiskt ramverk för planering, genomförande och analys av kontrollerade experiment för att bestämma hur flera ingångsfaktorer samtidigt påverkar en eller flera responser. DOE, som introducerades av Ronald A. Fisher 1935, gör det möjligt för forskare och ingenjörer att identifiera orsakssamband, kvantifiera faktoreffekter och hitta optimala inställningar effektivt — med betydligt färre körningar än metoder som en-faktor-i-taget. Det är grundläggande inom ingenjörsvetenskap, tillverkning, jordbruk och tillämpade vetenskaper.

Hitta ämne med PaperMindSnartApply, compare, get guidance
Tools & resources
Ladda ner bildspel
Learn & explore
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

+48 till

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Design of Experiments. ScholarGate. https://scholargate.app/sv/experimental-design/design-of-experiments

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

Bayesiansk studiedesignBayesiansk Quality Function DeploymentBayesiansk Taguchi-metodBox-Behnken-design – Responsyte-metodik med tre nivåerCentral Composite DesignKontrollkort – Statistisk processövervakning med Shewhart-diagramGlobal sensitivitetsanalysHybridstyrdiagramHybrid design of experimentsHybrid Quality Function DeploymentHybrid Response Surface MethodologyHybrid Six Sigma DMAICHybrid Taguchi-metod – Integrerad Taguchi-optimeringResponse Surface Methodology (RSM) för industriella tillämpningarLatin Hypercube SamplingMultisvarsförsöksplaneringFraktionerad faktoriell design med flera responserMulti-Response Full Factorial DesignMultivariat processkapabilitetsanalysMulti-response Response Surface MethodologySex Sigma DMAIC med flera responserTaguchis multiresponsmetodOptimering-assisterad försöksplaneringOptimering-assisterad felanalysOptimeringsassisterad bråkdelad faktoriell designOptimiseringsassisterad fullständig faktoriell designOptimeringsassisterad processkapacitetsanalysOptimeringsstödd kvalitetsfunktionsutvecklingOptimiseringsstödd tillförlitlighetsanalysOptimering-assisterad responssytemetodikOptimeringsassisterad Six Sigma DMAICOptimering-assisterad Taguchi-metodQuality Function DeploymentRiskbaserad Box-Behnken-designRisk-baserad design av experimentRiskbaserad fullständig faktoriell designRisk-baserad Taguchi-metodRobust Six Sigma DMAICKänslighetsanalys med styrdiagramKänslighetsanalys med processkapabilitetsanalysKänslighetsanalys med rotorsaksanalysKänslighetsanalys med Six Sigma DMAICKänslighetsanalys-integrerad fullständig faktoriell designKänslighetsanalys-integrerad responssytemetodikKänslighetsanalysintegrerad Taguchi-metodSimuleringsstödd försöksplaneringSimuleringsassisterad fraktionerad faktoriell designSimuleringsstödd fullständig faktoriell designSimuleringsstödd processkapacitetsanalysSimuleringsstödd kvalitetsfunktionsutvecklingSimuleringsstödd responssmetodikSimuleringsassisterad Six Sigma DMAICSimuleringsstödd statistisk processtyrningSimuleringsstödd Taguchi-metodStatistisk processtyrningOptimering baserad på surrogatmodeller
ScholarGateDesign of experiments (Design of Experiments). Hämtad 2026-06-18 från https://scholargate.app/sv/experimental-design/design-of-experiments · Datamängd: https://doi.org/10.5281/zenodo.20539026