以下<実験計画 DOE カスタム計画を使用して、最適なミルク ティー レシピを見つける>、< JMP 分割実験計画を使用しておいしい真珠を作成する> レレと父親が最高のミルク ティー フレーバーと真珠を見つけた後、母親の誕生日まであと 2 週間しかありませんでした。その後、彼らは母親が最も愛したこれらの材料とミルクの割合、および適切な氷を見つけたいと考えていました。キューブと甘さの構成は、お母さんの誕生日にサプライズを与えます - おいしいパールミルクティーを彼女に贈ってください。
レレ: 最後に、パールミルクティーのレシピを見つけなければなりませんが、お母さんがどの味を好むかどうやって知ることができますか?
お父さん: 私たちはお母さんに見つからずにお母さんの味の評価を集めるためにここにいます。だから、この 2 週間で実験版のパールミルク ティーを次々に与えるつもりです。一度にあまり多くの杯は与えないでください。そうしないとお母さんが発見する。
レレ：もう一つ大きな問題があって、紅茶とミルクと真珠を混ぜる必要があるのですが、これらの合計量は一定の量でなければなりません。以前に行った実験にはそのような制限はありませんでした。
お父さん: あなたはとても強力です。あなたはこの問題に気づいたので、今回は JMP の助けを借りてこの実験計画の制約を設定する必要があります。
Lele: JMP がこの問題を処理できるほど強力だとは思いませんでした。それでは、早速 JMP に実験の設計を手伝ってもらいましょう!
お父さんはコンピュータを取り出して、JMP を起動しました。彼はさらにこう続けました。まず、考慮された要因とその対応結果を整理しましょう。もちろん、回答結果はパールミルクティーの味覚スコアであり、要素には紅茶、ミルク、パールの割合、氷と砂糖の量が含まれます。これらの応答結果と係数をカスタム設計プラットフォームに入力します (図 1)。ただし、入力時に混合係数（Mixture）として紅茶、ミルク、パールを設定することができますが、これは紅茶＋ミルク＋パール＝１、つまりこれら 3 つを合計して 1 カップになるように修正し、どの割合が最適な組み合わせかを見つけてください。 。
図 1、パールミルクティー実験の応答結果と因子設定
Lele さんは因子の設定を見て、父親に尋ねました。なぜ Bing と Tang の設定は連続因子ではなく、不連続な数値因子 (離散数値) なのでしょうか?
お父さん「氷と砂糖の正確な量を測るのは難しいと思うから。氷と同じように、氷1個、氷2個、氷3個で調整できるけど、ぴったり2.5個入れるのは難しい」 cubes. 立方体アイスなので、最初は不連続な数値要素として設定しました。また、紅茶、ミルク、パールもこの3つの成分が多すぎず、少なすぎないように適切な範囲で調整しました。
お父さんはモデル プロジェクトを拡張するために連続ボタンを押し続け、次のように言いました。ここでは、氷と砂糖の最適な量を確認したいので、氷と砂糖の 2 次項 (図 2) を追加して、反り返る現象。
図 2: モデルは、角氷と砂糖の二次効果項を追加します。
次に、お父さんは、カスタム デザイン プラットフォームを [デザイン生成] まで下にスクロールし、[サイズのランダム ブロックにグループ ラン] をオンにして、3 を入力し、中心点の数の後に 2 を入力しました (図 3)。
お父さん: ほら、グループ実行のサイズをランダムなブロックに 3 と入力しました。これは、データが多くのブロックに分割され、各ブロックに 3 つの実験が含まれていることを意味します。母にタピオカミルクティーの味を試してもらう場合、怪しまれるといけないので一度にたくさん与えることができないので、4日に分けて飲ませてから飲みました。毎回 3 つの実験結果があり、彼女が病気になる可能性が低くなるのではないかという疑惑。
また、中心点の状態をより正確に把握できるよう、中心点数の後に中心点を2点指定し、あらかじめ設定された実験回数12回を選択します。
図 3、ブロック、中心点、繰り返し回数、実験回数の設定
すべての設定が完了したら、お父さんは [デザインの作成] を押して実験計画を開始し、次に [テーブルの作成] を押して実験の組み合わせのテーブルの作成を完了しました (図 4)。
図 4、JMP を使用して生成された実験計画の組み合わせ
お父さんは言いました：レレ、ほら、計画された実験では、各実験の紅茶 + ミルク + 真珠は 1 に等しいので、この実験の組み合わせはパールミルク ティーを作るためのこれら 3 つの材料の割合を表し、ランダム ブロックは私たちの実験は 4 つのクラスターに分割され、各クラスターには 3 つの実験が含まれます。そしてこの表をもとに実験をして母に渡します。
その後 2 週間、JMP が作成した実験台の組み合わせに基づいて、父は 4 日間で実験を完了し、この実験で得られたパールミルク ティーを同僚へのおやつとして母に飲んでもらい、母のお茶を手に入れました。これらの実験の味の評価。
母の誕生日の前日に、父とレレは食卓を囲み、集めた情報をもとに母の好みに一番合うタピオカミルクティーのレシピを見つけました。
お父さん：分かった、ついに分析用のデータを集めたんだ。次に、JMPの分析機能を使って分析してみましょう。
Lele 氏は JMP データシートを指してこう言いました。「左側のモデルを押して分析を実行できると言ったのを覚えています。」 (写真5)
図 5. 左側のモデル スクリプトは、収集された実験計画結果に基づいて回帰分析を実行できます。
お父さん: どんどん上手になってきていますね。分析の実行方法もわかっていますね。はい、後続の分析を実行するには、このモデル スクリプトを押すだけです。それからお父さんは Model スクリプトを押しました。
お父さん: 回帰分析の開始プラットフォーム (図 6) を見てください。カスタマイズされた設計でモデル効果項目として以前に設定した項目が、構築されたモデル効果項目に考慮されています。さらに、ランダムブロックアイテム。これは、実験を複数日に分けた場合に影響があるかどうかを確認するために使用される係数です。
図 6、回帰分析の開始プラットフォーム
次に、お父さんは「実行」を押して回帰分析レポートを完成させました。
お父さん: まず、効果の概要をご覧ください (図 7)。ここでは、いくつかの効果項目の P 値が 0.05 を超えていることがわかります。重要でない効果項目を順番に削除した後、砂糖と氷の二次効果項を削除しました。効果項。これは、氷と砂糖が再帰しないこと、つまり、氷と砂糖の最適な配合が範囲の中央の特定の値で明らかに発生しないことも意味します。砂糖の主効果の P 値は 0.066 で、0.05 を大きく超えていないため、モデルにそのまま保持されます。
図 7、回帰分析レポート - 効果の概要
お父さんはレポートを下にスクロールして続けました: 次に、REML 分散成分推定レポート (図 8) を使用して、異なる日のデータ収集に違いがあるかどうかを確認します。ここで、Wald p 値が大幅に大きいことがわかります。これは、異なるブロックによって違いが生じないことを意味し、異なる日にデータを収集しても味の判断に影響を与えないことを意味します。
図 8、回帰分析レポート - REML 分散成分推定レポート
Lele: では、この結果を直接使用して、最高のタピオカミルクティーレシピの組み合わせを見つけることができるのでしょうか?
お父さん：そうだね。次はどのツールを使って最適な組み合わせを見つけよう？
レレ: わかっています、プロファイラー。
お父さん：はい、使い方を覚えていますか？
Lele: 最初に目的の値を設定し、次に目的の値を最適化する必要があることはわかっています。
お父さん: はい、あなたはとても強力です。まず、[Set Desirability] に移動して、欲望の値を設定します。たとえば、大きなものと小さなもの、または目を見て、欲望値を最適化するために好感度を最大化するなど、最良の結果を得たい場合のレシピ設定を見つけることができます。
いくつかの操作の後、レレは結果を出しました。 レレ: 見つけました。紅茶:牛乳：パール=0.6:0.2:0.2飲むときは、氷と小さじ1杯の砂糖と混ぜると、お母さんのお気に入りのタピオカミルクティーのレシピが完成します（写真9）。
図 9、プロファイラーを使用して取得した最適なタピオカ ミルク ティー レシピの組み合わせ
お父さん: よかった、ついにお母さんのお気に入りのタピオカミルクティーのレシピを見つけたよ。明日、お母さんのために特別に作ったタピオカミルクティーを受け取ると、お母さんはきっと驚いて喜ぶだろうね。
翌日の誕生日パーティーで、レレさんのパールミルクティーは母親に大好評で、レレさんは誇らしげで幸せな一方で、愛情たっぷりのこの特別な一杯のパールミルクティーを作るのを手伝ってくれたJMPに静かに感謝しました。今JMP を 30 日間無料でお試しください。
DOE が推奨する読書:
