Проект экспериментов (DOE)

Планирование экспериментов с систематическим набором данных

Пассивный набор данных приводит к ряду проблем в статистическом моделировании. Наблюдаемые изменения в переменной отклика могут быть коррелированы с, но не вызваны, наблюдаемыми изменениями в отдельных factors (переменные процесса). Одновременные изменения нескольких факторов могут привести к взаимодействиям, которые трудно разделить на отдельные эффекты. Наблюдения могут быть зависимыми, в то время как модель данных считает их независимыми.

Разработанные эксперименты решают эти проблемы. В рамках запланированного эксперимента процесс создания данных активно манипулируется с целью улучшения качества информации и устранения избыточных данных. Общая цель всех экспериментальных проектов состоит в том, чтобы собрать данные как можно более парсимонально, предоставляя достаточную информацию для точной оценки параметров модели.

Функции

расширить все

ff2nДвухуровневый полный факториальный проект
fullfactПолный факториальный проект
fracfactДробный факториальный проект
fracfactgenДробные генераторы факториального проекта
bbdesignБокс-Бенкен- проект
ccdesignЦентральный композитный проект
candexchD-оптимальный проект из набора кандидатов с использованием обмена строками
candgenГенерация набора кандидатов
cordexchОбмен координатами
daugmentD -оптимальное увеличение
dcovaryD -оптимальный проект с фиксированными ковариатами
rowexchОбмен строками
rsmdemoДемонстрация поверхности интерактивного отклика
lhsdesignЛатинские гиперкубы выборки
lhsnormЛатинская выборка гиперкуба из нормального распределения
haltonsetНабор точек Halton quasirandom
qrandstreamСоздайте квазислучайное число
sobolsetНабор точек Соболь квазирандом
interactionplotГрафик взаимодействия для сгруппированных данных
maineffectsplotГрафик основных эффектов для сгруппированных данных
multivarichartМультиварийный график для сгруппированных данных
rsmdemoДемонстрация поверхности интерактивного отклика
rstoolМоделирование интерактивной поверхности отклика

Темы

Полные факториальные проекты

Проекты для всех процедур

Дробные факториальные проекты

Проекты для выбранных обработок

Проекты поверхности отклика

Квадратичные полиномиальные модели

Улучшите вентилятор охлаждения Engine, используя проект для шести методов Sigma

В этом примере показано, как улучшить эффективность вентилятора охлаждения двигателя с помощью подхода Design for Six Sigma с помощью Define, Measure, Analyze, Improve, and Control (DMAIC).

D-оптимальные проекты

Оценки параметров минимального отклонения

Для просмотра документации необходимо авторизоваться на сайте