Die Bayes'sche Optimierung scheint der aufstrebende Stern am Himmel der industriellen Experimente zu sein, aber wie fügt sie sich in die traditionellen DOE-Ansätze ein? Ihre adaptive, zielorientierte Strategie kann die Effizienz und die Erkenntnisgewinnung in komplexen Systemen dramatisch verbessern, dennoch bleibt DOE ein Eckpfeiler in der Industrie.
In diesem Vortrag teile ich Erkenntnisse aus meiner Forschung und Diskussionen mit Praktikern und skizziere praktische Strategien für die Anwendung der Bayes'schen Optimierung innerhalb von JMP-Workflows sowie die Verbindung klassischer und moderner Methoden für industrielle Experimente.
