これは、2023 年夏のウェビナー シリーズ「DOE のパワーのロック解除」の最初のプレゼンテーションです。
このプレゼンテーションでは、統計的実験計画法 (DOE) の基礎について学びます。 このセッションでは、この実験方法が従来の方法とどのように異なるのか、またこの実験方法により科学者やエンジニアが実験の投資収益率を最大化できる方法について説明します。
質疑応答
Q: 因子が応答と非線形の関係にある場合はどうなりますか?
A: 多項式項または他のモデル項を追加できます。近似非線形応答。 線形回帰に基づいていない追加のモデリング機能 (デシジョン ツリー、ニューラル ネットワークなど) の使用を検討することもできます。
Q: JMP を使用して、一度に 1 因子ずつアプローチが使用された以前の実験を分析するにはどうすればよいですか?
A: JMP を使用すると、設計をモデル化するのと同じように履歴データをモデル化できます。 ただし、これらの要因には相関がある可能性があり、結果として得られるモデルが適切に適合しない可能性があります。 さらに使用することもできます高度な回帰手法を使用してモデルを作成するか、因子スクリーニング (応答スクリーニングまたは予測子スクリーニング) を使用して重要な変数を特定します。
Q: 因子を正確に制御できない場合でも、実験計画を使用してシステムを研究できますか?
A: この状況に対処できる方法がいくつかあります。 1) 設定の変動によって高設定と低設定が重ならないように、係数設定に十分な範囲を確保することができます。 2) プロファイル シミュレーターを使用して因子設定の分散をシミュレートし、因子の分散が応答にどのような影響を与えるかを確認することもできます。
Q: X ファクター設定がデザインの設定ポイントから変更された場合、これをどのように処理しますか? たとえば、DOE が係数設定 8 を要求したが、係数の制御に制限があるため、設定 8.2 で実行した場合はどうなるでしょうか。
A: DOE のレベルに制御できない変数がある場合は、データ テーブルに実際の X の列を作成して、係数設定の実際の値を記録できます。 次に、設計に必要な設定点をモデル化し、実際の値もモデル化して違いがあるかどうかを確認できます。
