DOE設計の評価方法こんにちは、みんな、
私は以下の要素を考慮して DOE に取り組んでいます。
-
4つのレベルを持つ1つのカテゴリ変数
-
2つの連続変数
実験を実行する前に、次の点を確実にするために設計を評価する方法を知りたいです。
また、各実験を反復して行う予定なので、最小限の実験回数だけ行うのは避けたいと思っています。設計の妥当性を評価する方法や、使用するツールや指標に関する推奨事項について、アドバイスをいただければ幸いです。
実験計画法DOE設計の評価方法こんにちは、マークさん。ご返信ありがとうございます。残念ながら、以前このガイドを参照したことがあるのですが、質問への回答を得ることができませんでした。具体的には、私の計画によって応答に最も影響を与える変数を特定できるかどうか、そしてこれらの変数のどのレベルが応答を最大化できるかをどのように評価できるかを知りたいです。また、最小限の実行回数で実行したいと考えています。そのために、エイリアシングマトリックスを含む2つの計画を用意していますが、12回の実行回数を持つ計画でそれが可能かどうかはわかりません。
さらに、応答内のノイズについても、因子レベルを変更すると応答がどの程度変化するかについてもわかりません。
再度、感謝します
DOE設計の評価方法初期の小規模な計画では、2因子交互作用を含む一次モデルを推定します。実験回数が少ないため、推定値間の相関（エイリアス行列）を低下させたり消失させたりする因子水準の組み合わせは考慮されません。実験回数を増やすことで、より多くの組み合わせが可能になり、有意な効果の検定力が向上します。
2つ目の、より大規模な計画では、X2とX3の変化に対する応答の曲率も推定します。これは、最初の計画で提案されたモデルとは異なるモデルです。また、実験回数が多いため、パラメータ推定値の相関を排除するための組み合わせを形成することも可能になりました。これにより、有意差検定の検出力が最大化されます。
応答標準偏差やこれらの要因の影響を事前に知ることができない場合、まず初期計画を実行し、そこから得られる知見を得て、必要に応じて「DOE」＞「計画の拡張」を用いて新たな実験を行い、計画を拡張することができます。初期実験は失敗することはなく、失望させるだけです。その場合、最初からやり直したり中止したりすることなく、実験を改善できます。
DOE設計の評価方法@Mark_Bailey さんの意見には全て賛成です。もう一つ付け加えるとすれば、測定システムのノイズも無視してはいけないということです。これは未知の応答標準偏差にも内在するものです。そのため、その知識が不足しているため、小規模な設計と大胆なレベル設定を選び、そこから学ぶのが良いでしょう。そして、Mark さんが提案されているように、目の前の実用的な問題を解決していない場合は、拡張を加えてください。
