実験計画 には、大きなメリットがあります。 さまざまな状況で使用でき、複数の入力因子を効果的に扱って、目的の応答に対する効果を割り出すことができます。 また、一度に1つの因子を実験した場合に見逃す可能性のある重要な交互作用を特定します。
実験計画（DOE）の計画段階は、成功に不可欠です。 DOEは、計画段階で障害が発見されることで途中で停止することがよくあります。たとえば、コストが高すぎる、複雑すぎる、または重要な情報が不足しているように見えるDOEは、実行前に破棄されることがよくあります。高度な予測分析 は、アクセス可能な強力なツールであり、DOE作成の障害を排除するまたは成功の可能性を高めるのに役立ちます。
実験計画のスクリーニング（スクリーニングDOE）は、潜在的な変数がたくさんあるフィールドからプロセスで最も重要な変数を特定するために、使用されるものです。これを行えば、実験サイズを小さくでき、時間と費用を節約できます。データの取得が困難な場合やコストがかかる場合には、特にそうです。
スクリーニング実験をするために、システムやプロセスを停止できない場合は？または、スクリーニング用にデータポイントを収集するのにコストがかかりすぎて、実施の意義を示しづらい場合は？
解決策 1: 予測分析で、最も重要な変数を簡単に特定できます。
恐れることはありません。予測分析があるんです！システムまたはプロセスのデータを分析することで、お気に入りの機械学習アルゴリズムを活用したり、自動機械学習を実行したりして 、応答に影響を与える可能性のある予測因子を特定できます。 Minitabがあれば簡単です。最も重要な変数を特定できるように特別に構築された、相対的変数重要度チャートを使用できます。
DOEを実行する場合、実験はレベルと呼ばれるさまざまな因子値で実行されます。 このレベルは、応答を測定する独立変数であり、従属変数と呼ばれています。 たとえば、機器の速度を最適化する場合、最高速度と最低速度の制限を設定して、プロセスを最適化する速度の範囲を構築する必要があります。 別の例として、ケーキを焼く場合のオーブンの温度があります。 経験から、華氏300度未満ではケーキが焼けず、華氏400度では焦げるとわかっているので、制限を設定することができます。 ですが、ケーキを焼いた経験がなかったら？または、新しいオーブンを使うことになり、制限をどう設定するのかわからなかったら？
解決策 2: 予測分析は、合理的な制限を設定するのに役立つ視覚化を提供します。
Minitabの予測分析を実行すると、1つまたは複数の変数が予測結果に与える影響の視覚化が生成されます。 結果を予測できるよう、このプロットは、応答と変数の間の関係が線形、単調、または複雑かを強調することを目的としています。 この視覚化は、DOEにもとても役立ちます。
上記の例で、強度を最適化する実験をするとします。 強度と金型温度の間には関係があると考えていて、機械を最高温度にすると、過熱や製造コストの増加などの悪影響が生じるとも考えています。 また、実験で他の変数（圧力など）との交互作用がありそうだとも考えています。 グラフを見ると、温度が1,200度を超えると強度がわずかに上がることがわかります。 計画する実験では、金型温度を1,000度と1,200度に設定して、最大強度を目標とする実験を実行できます。 ただし、最小強度を目標とするのであれば、グラフから、金型温度の範囲を低くすることで、テストがより合理的になることがわかります。
予測分析は、DOEと連携する多くのツールの1つにすぎません。
DOEは、多くの人にとって重要なツールであり、孤立させるべきではありません。 前述のように、計画はDOEの成功に不可欠です。そのため、Minitabは計画プロセスの支援を目的としたDOE計画ワークシート を特別に作成しました。 DOEが初めての方、またはスキルを磨きたいだけの方は、その助けとなるサポート 、リソース 、ソリューション が、Minitabより提供されています。