DoEアプリケーション（QbD、ロバスト性）向けにベイズオプトを拡張する方法こんにちは、みんな、
ENBISのベイズコースでは、一連のベイズ最適化実験を拡張してデータセットをQbD/ロバスト性研究に適した形式に変換するというアイデアが紹介されており、これは当社のお客様にとって良いユースケースとなります。
私が疑問に思っているのは、DoEメニューの「拡張」ツールを使用する際に、交絡がないことを確認するために必要な追加実行回数を正確に決定するにはどうすればよいかということです（つまり、相関関係が明確なカラーマップになるかどうか）。上記の3因子の例では、単純な線形モデルを適用した場合でも、応答曲面法（RSM）を適用した場合でも、推奨される追加実行回数は常に8回です。
これをカスタムデザインと比較すると、モデルを変更すると推奨される実験の数が変わりますが、ここでも同様のことが可能かどうか、あるいは少なくとも、手動で数を増やして毎回確認することなく、設定された基準（D効率、低い相関など）に対して必要な追加実験の数が明確になるかどうか疑問に思っています。
@Florian_Vogt @Phil_Kay @chris_gotwalt1
ありがとう！
ベン
Re: DoEアプリケーション（QbD、ロバスト性）向けにベイズオプトを拡張する方法素晴らしい質問ですね。統計学者がよく使う答え、「場合による」ということをご存知ないのが意外です。
それは状況によりますね。
ベイズ最適化プロジェクトのデータを拡張して、相関がゼロの設計にたどり着くことはまず不可能でしょう。したがって、ほとんどの場合、どの程度の相関が許容できるかという問題に帰着します。そして、それを判断するのは非常に難しいでしょう。
Custom Designで推奨される実行回数がどのように決定されるのかはっきりとは分かりませんが、推定対象モデルのパラメータ数に5（誤差自由度分）を加えた数のようなものだと思います。これに対する正解はありませんが、妥当な「経験則」を示すのは比較的簡単です。
実験者にとって最適な方法は、現実的に実行可能な実験回数を考慮し、その最大回数まで異なる実験回数で3種類の拡張実験計画を作成することだと思います。その後、「実験計画の比較」機能を使用して、効果の相関関係を含むさまざまな実験計画診断に基づいて、3つの実験計画を迅速かつ容易に比較できます。これは他のソフトウェアでは不可能だと思いますので、JMPの優れた差別化要因と言えるでしょう。
Re: DoEアプリケーション（QbD、ロバスト性）向けにベイズオプトを拡張する方法こんにちは、 @Phil_Kay さん。
もちろん、分かっていたはず！違いを説明してくれてありがとう。そうやって説明すれば、質問されたときにどう応用できるか、良いアプローチになりますね。
ありがとう、
ベン
Re: DoEアプリケーション（QbD、ロバスト性）向けにベイズオプトを拡張する方法追加の質問：JMPのBayesOptは、DOE Augment Designに代わる、ガウス過程に基づく効果的な代替手段だと理解しています（おそらく私の理解は浅薄ですが）。これは誤解でしょうか？BayesOptを再度回して設計点を増やすのではなく、Augmentを使用すべき一般的なガイドラインはありますか？
Re: DoEアプリケーション（QbD、ロバスト性）向けにベイズオプトを拡張する方法その名の通り、目標は最適化であり、特性評価やモデリングではありません。可能な限り迅速に（つまり、最小限の拡張/実行回数で）最適な設定を見つけることを目的としています。最適な設定が見つかれば、それで完了となる場合もあります。ただし、製薬やバイオテクノロジーなどの分野では、その後、実験計画法（DOE）を用いて周辺表面をモデリングすることもあります。QbD（品質設計）やデザインスペースを念頭に置いてください。
