実験計画法（DOE）は長きに渡って、イノベーション、品質改善、製品の最適化の中核をなしてきました。完全要因実験や部分要因実験などの古典的な計画は依然として基本ですが、現代のエンジニアリングや製品開発の課題では、ますます柔軟性が求められます。そこで最適計画が登場します。Effexの最適な設計機能の追加など、Minitabがこの分野に継続的に投資し、ポートフォリオを有意義な形で強化しているのはこのためです。
最適計画は、特定のモデリングの制約または実践的な制約を満たすように構築されたコンピュータ生成の実験計画です。事前に定義された計画構造（2^k要因など）に依存する代わりに、最適計画ではアルゴリズムを使用して、以下に基づいて最も情報価値のある実験の実施を選択します。
本質的には、最適計画は次の重要な質問に答えます。
現実世界の制約を考慮した場合、私たちが実施できる最も統計的に効率的な実験セットは何ですか？
この柔軟性は、教科書に書かれている設計では問題に合わないことが多い現代の産業環境、製薬環境、先進製造環境、研究開発環境において不可欠です。
組織は、以下に対して増大するプレッシャーに直面しています。
従来の要因計画または応答曲面計画は、理想的な条件下でうまく機能します。しかし、現実世界で行われる実験が理想的な条件下で行われることはめったにありません。
最適計画により、実践者は以下のことが可能になります。
1. 不規則な計画空間の処理
特定の因子の組み合わせが実行不可能、安全でない、または不可能である場合、最適計画は、統計的検出力を維持しながら、これらの領域を除外することができます。
2. 混合因子タイプの管理
実験には、多くの場合、連続因子、カテゴリ因子、および制約付き混合成分の組み合わせが含まれます。最適計画アルゴリズムは、この複雑さにシームレスに対応します。
3. 情報を最大化しながら試行回数を最小化
航空宇宙試験、医薬品開発、高付加価値製造など、試行が高価である場合、最適計画により、各試行が目的のモデルに最大限の情報を提供します。
4. カスタムモデリングの目標をサポート
異なる問題には、異なる最適性基準が必要です。
最適計画により、チームはビジネス目標に沿った基準を選択できます。
Minitabは、包括的なDOEプラットフォームの一環として、最適計画を長年サポートし、ユーザーに以下を提供してきました。
Effexの最適計画技術を追加することで、Minitabのポートフォリオは有意義な方法でさらに強化されます。
1. アルゴリズムの高度な深度
Effexは、計画生成の範囲と堅牢性を拡大する追加の最適化技術と計算アプローチをもたらします。これにより、以下が強化されます。
実験が多次元化するにつれて、アルゴリズムの洗練化がますます重要になります。
2. 複雑な制約の中での柔軟性の向上
現代の実験には、多くの場合、以下が含まれます。
Effexの機能により、厳しい制約が課された条件下でも統計的に効率的な計画を生成することが可能となり、実現可能性と統計的検出力の間の妥協を抑えられます。
3. 高度なモデリングニーズへのサポート強化
高度な研究開発環境では、チームは以下を必要とする場合があります。
MinitabとEffexを組み合わせたポートフォリオは、利用可能な計画生成戦略を拡張することで、これらの高度なユースケースをより良くサポートします。