Книга "Оптимальное проектирование экспериментов. Подход на основе кейсов" - это увлекательное и информативное издание о современной практике проектирования экспериментов. Стиль авторов написания книги является занимательным, консультационные диалоги чрезвычайно интересны, а технический материал преподносится блестяще, но без чрезмерного увлечения деталями. Книгу приятно читать. Все, кто занимается проектированием экспериментов или преподает эту тему, должны прочитать эту книгу. - Дуглас К. Монтгомери, профессор кафедры промышленной инженерии, Аризонский государственный университет "Говорят: "Проектируй эксперимент, не экспериментируй для проектирования". Эта книга умело демонстрирует эту идею, показывая, как на заказ созданные оптимальные проекты могут быть эффективно использованы для удовлетворения реальных потребностей клиента. Она должна быть прочитана всеми, кто заинтересован в использовании проектирования экспериментов в промышленных условиях." - Кристофер Дж. Нахтшайм, профессор кафедры управления операциями, школа менеджмента Карлсона, университет Миннесоты. В этой книге демонстрируется полезность компьютерно-поддерживаемого подхода к оптимальному проектированию на реальных примерах из промышленности. Эти примеры решают вопросы, такие как: Как можно провести скрининг не дороже, если нужно исследовать десятки факторов? Что делать, если у меня есть дневная изменчивость и я могу выполнять только 3 запуска в день? Как можно эффективно провести RSM, если есть категориальные факторы? Как можно проектировать и анализировать эксперименты, если есть фактор, который можно изменить всего несколько раз за время исследования? Как можно включить и ингредиенты в смесь, и факторы обработки в одно и то же исследование? Как можно спроектировать эксперимент, если есть множество комбинаций факторов, которые невозможно выполнить? Как можно убедиться, что временная тенденция, связанная с прогревом оборудования, не повлияет на выводы из исследования? Как можно учитывать информацию о партиях при проектировании экспериментов, включающих несколько партий? Как можно добавить запуски в неудачный эксперимент, чтобы разрешить неоднозначности? Отвечая на эти вопросы, книга также показывает, как оценивать и сравнивать проекты. Это позволяет исследователям совершать разумные компромиссы между стоимостью экспериментирования и количеством получаемой информации.
Электронная Книга «Optimal Design of Experiments. A Case Study Approach» написана автором Jones Bradley в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119974000
Описание книги от Jones Bradley
This is an engaging and informative book on the modern practice of experimental design. The authors' writing style is entertaining, the consulting dialogs are extremely enjoyable, and the technical material is presented brilliantly but not overwhelmingly. The book is a joy to read. Everyone who practices or teaches DOE should read this book. – Douglas C. Montgomery, Regents Professor, Department of Industrial Engineering, Arizona State University «It's been said: 'Design for the experiment, don't experiment for the design.' This book ably demonstrates this notion by showing how tailor-made, optimal designs can be effectively employed to meet a client's actual needs. It should be required reading for anyone interested in using the design of experiments in industrial settings.» —Christopher J. Nachtsheim, Frank A Donaldson Chair in Operations Management, Carlson School of Management, University of Minnesota This book demonstrates the utility of the computer-aided optimal design approach using real industrial examples. These examples address questions such as the following: How can I do screening inexpensively if I have dozens of factors to investigate? What can I do if I have day-to-day variability and I can only perform 3 runs a day? How can I do RSM cost effectively if I have categorical factors? How can I design and analyze experiments when there is a factor that can only be changed a few times over the study? How can I include both ingredients in a mixture and processing factors in the same study? How can I design an experiment if there are many factor combinations that are impossible to run? How can I make sure that a time trend due to warming up of equipment does not affect the conclusions from a study? How can I take into account batch information in when designing experiments involving multiple batches? How can I add runs to a botched experiment to resolve ambiguities? While answering these questions the book also shows how to evaluate and compare designs. This allows researchers to make sensible trade-offs between the cost of experimentation and the amount of information they obtain.
