آشنایی با موضوع

طراحی آزمایش(به انگلیسی: design of experiment) به فرایند گردآوری داده در حالی که یکی یا چند متغیر در حال تغییراند گفته می‌شود. در آمار طراحی آزمایش معمولاً به طراحی آزمایش کنترل‌شده گفته می‌شود هرچند انواع دیگر آزمایشها مانند نظرسنجی و آزمایش‌های علوم طبیعی نیز وجود دارند. در طراحی آزمایش، طراح معمولاً علاقه‌مند بررسی اثر برخی متغیرها یا دخالت‌ها (مانند معالجات) در مقادیر یا رفتار متغیرهای پاسخ است. طراحی آزمایش موضوع بحث گستره زیادی از علوم طبیعی و انسانی است. طراحی آزمایش ها یکی از مهم ترین مباحثی است که امروزه در صنایع مختلف به ویژه فعالیت های آزمایشگاهی مطرح می گردد. در واقع، طراحی آماری جهت آزمایش های تجربی یک اصل اساسی در انجام تحقیقات آزمایشگاهی و صنعتی محسوب می شود. این طراحی ها باعث دستیابی به نتایج مطمئن تر، صرفه جویی در زمان و کاهش قابل ملاحظه در تعداد آزمایش ها شده و در نهایت منجر به بهینه سازی فرایند می گردد. طراحی آزمایش، روش مفیدی است که به کمک آن، داده ها جهت کسب اعتبار و استنتاج عینی آنالیز می شوند، پیش از آن که آزمایش اجرا گردد. با اجرای طرح های آزمایشی می توان مقدار بهینه ی نتایج اندازه گیری (پاسخ ها) و یا شرایطی را که در آن، پاسخ های مغایر از سازگاری مناسبی برخوردارند را تعیین نمود. همچنین شناخت روش های غربالگری (مثل طراحی فاکتوریل) و بهینه سازی (روش سطح پاسخ و طراحی مخلوط) مهم ترین بخش طراحی آزمایش است که در این آموزش به آن ها می پردازیم. تاکنون اکثر آموزش هایی که در این زمینه وجود داشته کمتر به نحوه ی استفاده از نرم افزار پرداخته که در این آموزش سعی شده مباحث با دسته بندی و ترتیب صحیح به همراه چکیده ای مفید از روش ها، همچنین نحوه ی کار با نرم افزار و مثال آورده شود. "طراحی آزمایش ها به بررسی هایی اطلاق می شود که بصورت برنامه ریزی شده انجام پذیرفته، و بر پایه ارزیابی آماری نتایج، برای رسیدن به جوابهایی در یک سطح اطمینان مشخص قرار دارند. " هر چند DOE در کشور ما، همانند خیلی چیزهای دیگر نا آشناست ولی سابقه خوبی در کشور های صنعتی و پیشرو دارد. بطور مثال، تقریباً تمام شرکت های مهم تولیدی ژاپن از دهه های 1950 و 1960 از تکنیک DOE استفاده می کردند. امروزه DOE یکی از پرطرفدارترین تکنیک های آماری در کشور های پیشرو می باشد و هدف از اجرای آن کاهش پراکندگی و افزایش قابلیت فرایند است. محققان برای شناخت پدیده‌ها، آزمایش‌هایی را انجام می‌دهنـد تا حقیقتی را در مورد سیستم یا فرآینـدی کشف کنند. انجام آزمایش همواره متضمن هزینـه و زمان است. از این رو انجام آزمایش‌های مؤثـر که با صرف حداقل هزینه و زمان بیشترین اطلاعات را بدست بدهد آرمان هر مهندس یا محقق است و این هزینه و زمان هنگامی‌که تعداد عوامل افزایش پیدا کند به صورت صعودی افزایش پیدا می‌کند. بنابراین به روشی نیاز است که در آن بتوان با صرف حداقل هزینه و زمان، به بیشترین اطلاعات در مورد فرآیند دست پیدا کرد، نتیجه‌گیری‌های منطقی ارائه کرد و مدارک مستند در خصوص فرآیند بدست آورد. روشی که به بهترین شکل اهداف ذکر شده را برآورده می‌سازد، طراحی آزمایش‌های صنعتی (DOE (Design Of Experiments نام دارد. همچنین استفاده از طراحی آزمایش‌ها به مهندسین کمک می‌کند تا تولید را توسعه و تکامل داده و فرآیندهایی را ایجاد کنند که مقابل عوامل محیطی و منابع دیگـر تغییر مقاومند. کاربرد به موقع و موفقیت آمیز طراحی آزمایش در توسعه فرآیند تولید می‌تواند اساسا زمان تولید و هزینه‌ها را تقلیل داده و به فرآیندها و فراورده‌هایی منتهی شود که در نوع خود عملکرد بهتر و اعتماد پذیری بالاتر از آنهایی دارند که با کاربـرد شیوه های دیگر بدست آمده‌اند. با بکارگیری و درک مفهوم طراحی آزمایش‌ها، مدیران و مهندسان در می‌یابند که چگونه می‌توان محصولات فاقد قدرت رقابتی را مجدداً با کیفیتی بالاتر به صحنه رقابت بین المللی برگرداند. مدیران و مهندسان امروز لازم است که قبل از تصمیم‌گیری در مورد میزان بهبود و توسعه محصول و فرآیند، خود، اطلاعات کافی از روشهای طراحی آزمایش داشته باشند. به همین خاطر است که شرکتهای بین المللی نظیر تویوتا سالانه تعداد زیادی از مهندسان خود را تحت دوره‌های آموزشی DOE قرار می‌دهند و شرکتی مثل فورد در آمریکا، حتی تأمین کنندگان قطعات خود را ملزم به استفاده از این تکنیک می‌نماید. با توجه به آنچه گذشت می‌توان دریافت که تکنیک DOE را می‌توان در اغلب فرآیندها جهت بهبود کیفیت مورد استفاده قرار داد.

در این صفحه تعداد 364 مقاله تخصصی درباره طراحی آزمایش که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI طراحی آزمایش (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; CA; citric acid; CaCl2; calcium chloride; Ct; chitosan; DoE; design of experiment; Ind; indomethacin; SEM; scanning electron microscope; SS; sodium salicylate; x-Ct; crosslinked chitosan; Dual drug platform; Synchronized release rates; Crosslinked chitosa
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; BCS; biopharmaceutics classification system; DoE; design of experiment; FASSIF; fasted simulated intestinal fluid; FESSIF; fed simulated intestinal fluid; IVIVC; in vitro in vivo correlation; GIT; gastrointestinal tract; API; active pharmaceutical ingredi
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; Parameterized fragility functions; Damage states; Controlled rocking steel braced frames; Monte Carlo simulation; Surrogate models; Design of experiment;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; AC; Applied current; AM; Anode material; ANOVA; Analysis of variance; BFW; Boiler feed water; BOD; Biological oxygen demand; BP; Bipolar; C; Coagulant concentration; CC; Chemical coagulant; CCC; Critical coagulation concentration; COD; Chemical oxygen dem
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; 5α-adiol; 5α-androstan-3α,17β-diol; 5β-adiol; 5β-androstan-3α,17β-diol; A; androsterone; ANOVA; analysis of variance; AUC; area under the curve; CV%; coefficient of variation; CV; cross validation; DA; discriminant analysis; DHEA; dehydroepiandros
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: طراحی آزمایش; Carbohydrate-based fat mimetics; Experimental design; Optimization; Response surface methodology; Adj. R2; adjusted determination coefficient; ANOVA; analysis of variance; b0; constant value in the polynomial model; b1; linear coefficient for shortening r