プロセス最適化における戦略の有効性を示す研究は数多くあります。一般的に行われる比較は、「一度に 1 つの要因」または OFAT 実験と「実験計画」アプローチとの間で行われます。なじみのない高次元のプロセス空間 (例: 10 を超える要因) に直面した場合、研究者は解釈しやすい OFAT 手法に頼ることがよくあります。一般的に、どの戦略が他の戦略よりも優れているかを評価するためだけに、同じ目的に向けた複数の実験を実行するのは、コストがかかり、ロジスティック的に困難です。これらの問題を回避するために、12 のなじみのない連続およびカテゴリ要因を備えたポリメラーゼ連鎖反応 (PCR) シミュレーターを使用して、これらの質問を検討しました。
私たちのチームは、電子材料業界でのプロセス最適化の数十年にわたる経験を持っています (元 Apple などの従業員)。私たちは、多数の要因とそれらの複雑な相互作用が多くの応答に及ぼす影響をシミュレートする機能を持つ、まったく未知の研究分野から意図的にシミュレーターを探し、選択しました。実験を自動化するために、Python Web 自動化スクリプトを使用しました。シミュレーターとスクリプトを使用することで、私たち自身の職業人生で見てきたような現実の制約と実験予算を模倣しながら、多くの実験を実行できます。実行予算ルールを順守しながら、業界で一般的に使用されている 2 つの OFAT タイプの戦略と、DOE および高度な DOE ジャンルの 3 つの戦略の 5 つの戦略の効率と精度を比較します。すべての実験分析とモデリングには JMP が使用され、戦略を客観的に比較する試みがなされています。
