Saturday, August 8, 2015

Design and Analysis of Simulation Experiments






Design and Analysis of Simulation Experiments
Buku ini diterbitkan tahun 2008  oleh  Springer Science+Business Media, LLC. New York adalah buku Edisi Pertama.


Judul:  Design and Analysis of Simulation Experiments
Oleh:  Jack P.C. Kleijnen
Penerbit:   Springer Science+Business Media, LLC. New York
Tahun: 2008
Jumlah Halaman:  229  hal.


Penulis:
Jack P.C. Kleijnen

Tilburg University
Tilburg, The Netherlands

Lingkup Pembahasan:
Buku ini merupakan penerus dari beberapa buku lain yang saya tulis di (sekitar) topik yang sama. Buku pertama terdiri dari dua volume, dan diterbitkan di 1974/1975 (dan diterjemahkan ke dalam bahasa Rusia pada tahun 1978). Penggantinya diterbitkan pada tahun 1987. Pada tahun 1992, bersama dengan Willem van Groenendaal menulis lebih umum buku tentang simulasi, yang termasuk update dari bagian dari buku saya tahun 1987. Buku ini  berfokus pada aspek-aspek Dase.

Daftar Isi:    


1  Introduction 1
    1.1 What is simulation? 1
    1.2 What is DASE?  7
    1.3 DASE symbols and terms  10
    1.4 Solutions for exercises   12
2  Low-order polynomial regression metamodels and their designs: basics 15
    2.1 Introduction  16
    2.2 Linear regression analysis: basics  19
    2.3 Linear regression analysis: first-order polynomials  27
        2.3.1 First-order polynomial with a single factor  27
        2.3.2 First-order polynomial with several factors   28
    2.4 Designs for first-order polynomials: resolution-III   36
        2.4.1 2k−p designs of resolution-III   36
        2.4.2 Plackett-Burman designs of resolution-III  39
    2.5 Regression analysis: factor interactions  40
    2.6 Designs allowing two-factor interactions: resolution-IV  42
    2.7 Designs for two-factor interactions: resolution-V  46
    2.8 Regression analysis: second-order polynomials  49
    2.9 Designs for second-degree polynomials: Central Composite Designs (CCDs)  50
    2.10 Optimal designs and other designs  51
    2.11 Validation of metamodels  54
        2.11.1 Coefficients of determination and correlation coefficients  54
        2.11.2 Cross-validation  57
    2.12 More simulation applications  63
    2.13 Conclusions   66
    2.14 Appendix: coding of nominal factors  66
    2.15 Solutions for exercises  69
3  Classic assumptions revisited 73
    3.1 Introduction  73
    3.2 Multivariate simulation output  74
        3.2.1 Designs for multivariate simulation output  77
    3.3 Nonnormal simulation output  78
        3.3.1 Realistic normality assumption?  78
        3.3.2 Testing the normality assumption  79
        3.3.3 Transformations of simulation I/O data, jackknifing, and bootstrapping  80
    3.4 Heterogeneous simulation output variances  87
        3.4.1 Realistic constant variance assumption? 87
        3.4.2 Testing for constant variances  88
        3.4.3 Variance stabilizing transformations 89
        3.4.4 LS estimators in case of heterogeneous variances  89
        3.4.5 Designs in case of heterogeneous variances    92
    3.5 Common random numbers (CRN)   93
        3.5.1 Realistic CRN assumption?   94
        3.5.2 Alternative analysis methods   94
        3.5.3 Designs in case of CRN   96
    3.6 Nonvalid low-order polynomial metamodel  97
        3.6.1 Testing the validity of the metamodel  97
        3.6.2 Transformations of independent and dependent regression variables  98
        3.6.3 Adding high-order terms to a low-order polynomial metamodel  98
        3.6.4 Nonlinear metamodels   99
    3.7 Conclusions   99
    3.8 Solutions for exercises   100

4  Simulation optimization 101
    4.1 Introduction  101
    4.2 RSM: classic variant  105
    4.3 Generalized RSM: multiple outputs and constraints  110
    4.4 Testing an estimated optimum: KKT conditions   116
    4.5 Risk analysis   123
        4.5.1 Latin Hypercube Sampling (LHS)   126
    4.6 Robust optimization: Taguchian approach  130
        4.6.1 Case study: Ericsson’s supply chain  135
    4.7 Conclusions  137
    4.8 Solutions for exercises   138
5  Kriging metamodels 139
    5.1 Introduction   139
    5.2 Kriging basics  140
    5.3 Kriging: new results  147
    5.4 Designs for Kriging   149
        5.4.1 Predictor variance in random simulation  151
        5.4.2 Predictor variance in deterministic simulation  152
        5.4.3 Related designs   154
    5.5 Conclusions   155
    5.6 Solutions for exercises   156
6  Screening designs 157
    6.1 Introduction   157
    6.2 Sequential Bifurcation  160
        6.2.1 Outline of simplest SB   160
        6.2.2 Mathematical details of simplest SB   165
        6.2.3 Case study: Ericsson’s supply chain  167
        6.2.4 SB with two-factor interactions   169
    6.3 Conclusions   171
    6.4 Solutions for exercises  172
7  Epilogue 173

References 175
Index 211


Berminat?
Email: zanetapm@gmail.com





Design and Analysis of Simulation Experiments Rating: 4.5 Diposkan Oleh: Unknown

0 comments:

Post a Comment