L'optimisation bayésienne semble être la nouvelle tendance en matière d'expérimentation industrielle, mais comment s'intègre-t-elle aux approches traditionnelles de planification d'expériences (DOE) ? Sa stratégie adaptative et orientée vers un objectif précis peut considérablement améliorer l'efficacité et la production de connaissances dans les systèmes complexes, mais la DOE demeure une pierre angulaire de l'industrie.
Dans cette présentation, je partage les enseignements tirés de mes recherches et de mes discussions avec des praticiens, en décrivant des stratégies pratiques pour appliquer l'optimisation bayésienne dans les flux de travail JMP et en établissant un lien entre les méthodes classiques et modernes d'expérimentation industrielle.
