Diseño de experimentos

Los métodos de Diseño de Experimentos (DOE) en HyperStudy incluyen:

La matriz del estudio puede consistir en variables continuas o discretas que pueden ser controladas o no controladas. Los estudios de DOE se pueden realizar usando la simulación exacta o el modelo de ajuste.

Método de superficie de respuesta (ajuste)

Los métodos de superficie de respuesta disponibles son:

Las superficies de respuesta se pueden utilizar para realizar intercambios, DOE, optimización y estudios estocásticos.

Optimización

Los métodos completos de optimización de HyperStudy resuelven diferentes tipos de problemas de diseño, incluyendo optimización de diseño multiobjetivo y análisis de fiabilidad/robustez. Estos métodos son:

Los estudios de optimización se pueden realizar utilizando la simulación exacta o el modelo de ajuste. Además, HyperStudy proporciona una API para incorporar algoritmos de optimización externos.

Estocástica

El enfoque estocástico en HyperStudy permite a los ingenieros evaluar la fiabilidad y la robustez de los diseños y proporcionar una orientación cualitativa para la mejora y optimización sobre la base de estas evaluaciones. Los métodos de muestreo de HyperStudy son:

Los estudios estocásticos se pueden realizar utilizando la simulación exacta o el modelo de ajuste.

Post-procesamiento y minería de datos

HyperStudy ayuda a los ingenieros a obtener una comprensión más profunda de un diseño a través de extensas capacidades de post-procesamiento y extracción de datos. Esto simplifica significativamente las tareas de estudio, clasificación y análisis de los resultados. Los resultados del estudio se pueden procesar posteriormente como datos estadísticos, matrices de correlación, diagramas de dispersión, diagrama de bloques, gráficos de efectos de interacción, histogramas y coordenadas paralelas entre otros. Además, HyperStudy guía al usuario en la selección de los métodos de post-procesamiento a utilizar en función de los objetivos de diseño.