Análisis de modelos > Herramientas de Creo Behavioral Modeling > Estudios de diseño > Estudio de diseño con varios objetivos > Terminología utilizada en el estudio de diseño de varios objetivos
Terminología utilizada en el estudio de diseño de varios objetivos
En el estudio de diseño de varios objetivos se utiliza la siguiente terminología:
Experimento (Experiment): prueba cuya finalidad es obtener objetivos de diseño para una determinada combinación de variables de diseño.
Tabla maestra (Master table): tabla que contiene registros de todos los experimentos realizados en el rango especificado de variables de diseño (cotas).
Método de realización de pruebas (Sampling Method): están disponibles dos métodos de realización de pruebas:
Automático (Automatic): método que permite seleccionar y borrar variables de diseño (cotas y parámetros) y establecer sus valores máximo y mínimo. También permite configurar valores de incremento definidos por el usuario y por el sistema para las variables de diseño.
Manual: método que permite seleccionar y borrar manualmente las variables de diseño. También permite a los métodos Todas las combinaciones (All Combinations) o Una por fila (One per row) determinar el número de experimentos que se realizarán para el estudio de diseño.
Tabla derivada (Derived Table): tabla que se deriva de una tabla padre a través de un método concreto (restricciones o Pareto) para seleccionar los experimentos que cumplen determinadas condiciones.
Método de restricciones (Constraints method): método que permite crear una tabla derivada mediante la especificación de un valor mínimo o máximo para cada objetivo de diseño seleccionado. El sistema busca los experimentos que cumplen las condiciones en la tabla padre.
Método Pareto (Pareto method): método que permite crear una tabla derivada mediante la selección de los objetivos de diseño que se desean optimizar (minimizar o maximizar). El sistema busca los experimentos cuyos resultados se encuentran dentro de un rango óptimo en la tabla padre. Este método puede ofrecer varias soluciones óptimas: mientras una solución ofrece el mejor resultado para un objetivo, la otra solución ofrece un resultado mejor para otro objetivo. Dado que ninguna de las soluciones Pareto es mejor que las demás, el sistema permite al usuario decidir la que prefiera.
¿Fue esto útil?