Abbildung 1 - Latin Hypercube Sampling

Beschreibung:

Bei einer sehr hohen Menge an Faktoren und/oder Ausprägungen dieser können Experimentpläne sehr schnell eine nicht mehr realisierbare Größe annehmen.

Die dominierende Methode zur Reduzierung der Experimente bei immer noch guter Abdeckung des Wirkungsraumes stellt das Latin Hypercube Sampling dar.

Bei diesem muss nur die gewünschte Anzahl an Experimenten festgelegt werden und es werden entsprechende zufällige Designpunkte generiert.

Empfohlen wird die Verwendung des Latin Hypercube Samplings für alle Simulationsstudien, welche mehr als 10 Faktoren und viele Ausprägungen besitzen.

Das LHS-Verfahren bietet eine sehr gute Space-Filling-Eigenschaft, garantiert aber nicht unbedingt die Orthogonalität, welche die faktoriellen Designs sicherstellen.

Durch eine ausreichendgroße Anzahl an Experimenten lässt sich die Korrelation aber auf einen vernachlässigbaren Promille-Wert reduzieren.

Um in diesem Bereich zu liegen, wird eine Experimentanzahl von größer als 5000 empfohlen.

Jedoch liefern auch kleinere Experimentpläne mit dem Latin Hypercube Sampling in den meisten Fällen eine sehr gute Raumabdeckung, wie beispielhaft in der nebenstehenden Abbildung dargestellt.

Parametrierung:

Duplikate überspringen/erzeugen:

Werden beim Generieren der Experimente Duplikate (bereits erstellte Experimente mit gleicher Parametrierung) gefunden, werden diese, je nach Einstellung entweder übersprungen oder es wird ein Duplikat zum bereits bestehenden Experiment erzeugt und zur Experimentliste hinzugefügt

numExperimente:

Per Pfeiltasten oder Eingabe kann die Anzahl der Experimente parametriert werden.

Abbildung 2 - Dialog Latin Hypercube Sampling