実験計画とは、複数の入力変数を同時に意図的に変更し、応答を観測するという一連のプロセスのことです。

製造業では、実験計画により、製品品質に影響するプロセス変数やプロダクト変数を体系的に調査することが可能になります。製品品質に影響するプロセスの条件や製品の成分が見つかれば、製造適性、信頼性、品質、実用性能を向上させるにはどうすればいいかが分かります。

実験計画からの出力を追加するには、フォームを追加して入力する に進みます。

2k 実施要因実験計画

2 水準実施要因計画を使用して、2~15 の因子の効果を分析する実験計画を作成します。 2 水準実施要因計画では、追加実験で注目すべき重要な因子を特定できます。

たとえば、技師たちが銅板の反りに対する 3 つの因子の効果を調査するために実験を計画しているとします。ブロックや中心点を含む、計画の情報を指定することで、2 水準実施要因計画を作成します。例を参照するには、Minitab ヘルプ:2 水準実施要因計画の作成例に移動します。

2k 実施要因実験計画には次のタイプがあります。
2k 完全実施要因計画
この実験では、因子設定のすべての可能な組み合わせを使用し、3 つの因子に対して 8 回の実行、4 つの因子に対して 16 回の実行、5 つの因子に対して 32 回の実行などを行います。
2k 一部実施要因計画
この実験では、因子設定のすべての可能な組み合わせの分数 (2 分の 1、4 分の 1 など) を使用し、2k 完全実施要因計画よりも実行数が少なくなります。

このフォームを使用して実験からの測定値を記録します。実験計画策定フォームを使用すると、実験の計画に役立ちます。

実行可能な計画に関する詳細は、Minitab ヘルプ:実施要因計画と一部実施要因計画を参照してください。

データに関する考慮事項

完全実施要因と一部実施要因のどちらの実験計画を実行するかを決定します。
  • 因子数が 5 未満の場合は、2k 完全実施要因計画を実行して、8 (3 因子) または 16 (4 因子) の実行のみですべての 2 因子交互作用をモデル化できるようにします。
  • 因子数が 5 以上の場合は、分解能 V 以上の 2k 一部実施要因計画を実行して、すべての 2 因子交互作用をモデル化しながら実行数を減らします。

一般完全実施要因実験計画

一般完全実施要因計画を使用して、水準数に制限がない因子を分析する実験計画を作成します。 一般完全実施要因計画を使用して、フル分解能、8 個以上の因子の2水準計画を作成できます。

たとえば、ある営業部長は、被験者があるオンライン広告を思い出せるかどうかに対して 3 つのカテゴリ因子が与える影響力を調べようとしています。実験には 3 つの水準を持つ因子が含まれるので、一般完全実施要因計画を使用します。例を参照するには、Minitab ヘルプ:一般完全実施要因計画の作成の例に移動します。

このフォームを使用して実験からの測定値を記録します。実験計画策定フォームを使用すると、実験の計画に役立ちます。

実行可能な計画に関する詳細は、Minitab ヘルプ:実施要因計画を選択するを参照してください。

データに関する考慮事項

一般完全実施要因 (GFF) 計画は、潜在的に重要な入力の数をスクリーニングまたは削減する際に使用することは推奨されません。実験のサイズは大きくなる可能性があるため、高価になります。また、スクリーニングの目的の場合、GFF 計画は必要以上に多くの情報を提供します。2 つの水準を使用してすべての可能な入力を選別し、3 つ以上の水準を必要とする入力をスクリーニングされた計画に追加する必要があります。

混合実験計画

混合実験は応答曲面実験の1形態で、調査の対象となる製品が複数の成分または原料で構成されているのが特徴です。

産業界での製品設計や製品開発では、混合や配合が行われることが多いため、混合実験が役に立ちます。混合や配合を行うとき、応答は使用する原料成分の比率の関数になります。たとえば、小麦粉、ベーキングパウダー、牛乳、卵、食用油からホットケーキミックスを開発するかもしれません。あるいは、4種類の化学原料を配合して殺虫剤を開発するかもしれません。例を参照するには、Minitab ヘルプ:混合計画(単体重心)の作成の例に移動します

データに関する考慮事項

混合計画を使う前に、実験にどの計画が適しているかを調べる必要があります。Minitab が作成できる計画は、単体重心、単体格子、極値頂点です。次の手順を考慮してください。
  1. 対象となる成分、プロセス変数、混合量を明らかにする。
  2. 適合させるモデルを決定する。
  3. 実験の対象領域が十分に網羅されていることを確認する。
  4. 計画を選択する上でその他の条件をどの程度考慮する必要があるかを判断する。その他の条件には、費用、時間、設備、上限および下限の制約などがあります。

実行可能な計画に関する詳細は、Minitab ヘルプ:混合計画を選択するを参照してください。

複数応答の最適化

複数応答の最適化を使用して、単一の出力または複数の競合する出力を使用した実験で最適な設定を決定します。

最適計画は、元の実験計画での実行数の削減または追補から選択された「最良の」計画点のグループを使用します。最適計画機能は、一般完全実施要因計画、応答曲面計画、混合計画に使用できます。例を参照するには、Minitab ヘルプ:D最適応答曲面計画選択の例に移動します。

データに関する考慮事項

候補となる点は一般完全実施要因計画、応答曲面計画、または混合計画である必要があります。サンプルサイズと検出力は、実質的に重要な効果のサイズに対して好ましいものでなければなりません。通常、最適計画は実験の回数を減らすために使用されますが、サンプルサイズが小さいと、小さな効果を十分な検出力で検出できないことがあります。詳細については、Minitab ヘルプ:最適計画の選択のデータに関する考慮事項を参照してください。

応答曲面実験計画

応答曲面計画とは、応答について理解して最適化するのに役立つ一組の高度な実験計画手法です。

応答曲面計画は、スクリーニング計画や実施要因計画で重要な因子を特定した後、応答に曲面性が存在すると思われる場合に、モデルをさらに細かく調べるために使用されます。

たとえば、あるエンジニアがプラスチック部品の射出成形プロセスを解析したいとします。まず、技師は一部実施要因計画を実行し、重要な因子 (温度、圧力、冷却速度) を特定し、曲率がデータに存在すると判断します。次に、技師は中心複合計画を作成して曲率を解析し、最適な因子設定を見つけます。例を参照するには、Minitab ヘルプ:応答曲面計画(中心複合)の作成の例に移動します。

データに関する考慮事項

応答曲面計画には、次の 2 つの主要なタイプがあります。
中心複合計画
中心複合計画では、完全 2 次モデルを適合させることができます。これらの計画では、適正にプランニングされた実施要因実験からの情報を組み込むことができるため、計画策定で連続的な実験を行う必要がある場合によく使用されます。
ボックスーベンケン計画
ボックスーベンケン計画による実験計画は一般に中心複合計画よりも計画点が少なく、そのため同じ因子数で比べた場合に中心複合計画よりも少ないコストで実施できます。この計画では、1 次と 2 次の係数を効果的に推定できますが、実施要因計画の実行を含めることができません。ボックス-ベンケン計画は、最大 5 水準まで可能な中心複合計画とは異なり、常に 1 因子あたり 3 水準となります。さらに中心複合計画とは異なり、ボックス-ベンケン計画では、すべての因子が極端な設定 (たとえば、すべて低い設定) の実行を含めることはありません。

実行可能な計画に関する詳細は、Minitab ヘルプ:応答曲面計画、中心複合計画、ボックスーベンケン計画とはを参照してください。