Optimering-assisterad försöksplanering
Optimering-assisterad försöksplanering (OA-DoE) kombinerar en strukturerad experimentell plan med en matematisk optimeringsmotor för att lokalisera faktorerinställningar som samtidigt uppfyller flera responsmål. Istället för att stanna vid anpassning av en responssytemodell, tillämpar analytikern önskvärdhetsfunktioner, genetiska algoritmer eller andra optimerare på den anpassade modellen för att identifiera det globala eller nära-globala optimum över alla relevanta responser.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Optimization-Assisted Design of Experiments. ScholarGate. https://scholargate.app/sv/experimental-design/optimization-assisted-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.
- Box-Behnken-design – Responsyte-metodik med tre nivåerFörsöksplanering↔ jämför
- Central Composite DesignFörsöksplanering↔ jämför
- ExperimentdesignFörsöksplanering↔ jämför
- Responsytsmetodologi (RSM)Försöksplanering↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →