応答の最適化機能のすべての統計量およびグラフ

最適化プロットでは、どの程度変数が予測応答に影響を与えるかを示します。最適化プロットが対話モードになると、セルには、対応する応答変数または複合的な望ましさが、その他のすべての変数が固定のままなのに対して、変数の1つの関数としてどの程度変化するかが表示されます。最適化プロットには予測変数設定の適合値が表示されます。

Minitabが表示する適合値の種類は、モデル内の応答変数の種類によって変わります。たとえば、Minitabでは、連続測定またはカウント測定、バイナリデータ、または 変動性の分析を使用するモデルがあるかどうかに応じて、平均、確率、または標準偏差が表示されます。

解釈

最適化プロットを使用して、指定したパラメータを条件とする予測変数の最適な設定を決定します。

断熱データでは、複合的な望ましさが0.7750になります。グラフの最初の列は、カテゴリ変数である材料の各水準における応答値を示します。現在の変数設定は、材料 = 製法2、射出圧力 = 98.4848、射出温度 = 100.0、冷却温度 = 45.0です。到達点は、断熱度の最大化です。その予測値は25.607547、個別望特性は0.85386です。共変量の応答測定時の温度は、制御不可能な騒音の変数としてモデルに含まれ、21.49で固定されます。その他の観測値は以下になります。

• 材料：この列の各セルの 2 つの点は、カテゴリ変数の 2 つのレベルを表します。Formula1とFormula2。ここでは、製法2が最適材料であるように見えます。製法1に変更すると断熱度が下がり密度が上がってしまい、これはどちらも好ましくない変化です。ただし、材料は他の因子と交互作用があるため、この傾向は他の設定では見られないかもしれません。製法1の局所解が求められるかを検討してください。または、垂直バーを移動することで、グラフの製法1の設定値を直接変更することもできます。
• インジプレス: 射出圧力を上げると、3つの応答すべてが増加します。したがって、最適設定は因子水準範囲の中間にし（98.4848）、拮抗し合う各目的に対する妥協案とします。目標は、断熱度を最大化し、密度を最小化し、強度を最大にすることです。
• InjTemp: 射出温度を上げると、すべての応答も増加します。しかし、密度に対する効果は、断熱度に対する効果に比べてごくわずかです。このため、複合的な望ましさは射出温度を最大化することにより高めることができます。射出温度の最適設定は、実験での最大水準であることがわかります。この結果から、より高い温度で実験を行うべきであるということが示されます。
• クールテンプ: 冷却温度を上げると絶縁値は増加しますが、密度と強度の両方が低下します。射出温度と冷却温度の最適設定は、どちらも実験での最大水準になります。この結果から、より高い温度で実験を行うべきであるということが示されます。グラフからは、特に冷却温度を上げることは検討する価値があることがわかります。グラフの外挿が可能であれば、より高い冷却温度で断熱度と密度が改善される可能性もあります。ただし、強度は下がります。

線形回帰モデルの場合、予測区間を調べて、単一の将来値の予想値の範囲がプロセスの許容範囲内にあるかどうかを判断します。灰色の領域は、対応する応答の望特性が0となる場所を示します。

Minitabでは、各応答についての計画パラメータがパラメータ表に表示されます。これらの結果を確認して、表示された計画パラメータが正しいかどうか検証する必要があります。

計画について到達点、下限、目標、上限、および重みを選択すると、各応答の満足関数が定義されます。重要度パラメータは、満足関数が単一の複合的な望ましさの値に統合される方法を決定します。

• 統計 メニューの 応答の最適化機能 には、複数の応答の最適化が含まれています。
• 予測分析モジュール の 応答の最適化機能 には、単一の応答の最適化が含まれています。

Minitabは、この表の変数設定を使用して、最適化手順に含まれる応答のすべての適合値を計算します。

• 統計 メニューの 応答の最適化機能 には、複数の応答の最適化が含まれています。
• 予測分析モジュール の 応答の最適化機能 には、単一の応答の最適化が含まれています。

応答の最適化機能を初めて実行すると、アルゴリズムが識別する最適な値が多重応答予測テーブルに表示されます。グラフの変数設定を変更し、ツールバーの 予測する ボタンをクリックすると、Minitabは新しい設定で表を作成します。

この表を使って、目的の分析が行われたかどうかを検証してください。

適合する値は、適合値または. 適合値は、予測変数の値の平均応答の点推定です。予測変数の値は、X値とも呼ばれます。Minitabは回帰式と変数設定を使用して、適合値を計算します。

Minitabに表示される適合値の種類は、モデル内の応答変数の種類によって変わります。たとえば、Minitabには、連続測定値または計数測定値、2値データ、または変動性の分析を使用するモデルのどれがあるのかによって、平均、確率、または標準偏差が表示されます。

適合値の標準誤差（SE Fit）は、特定の変数設定について推定される平均応答の変動を推定します。平均応答の信頼区間の計算には、適合値の標準誤差が使用されます。標準誤差は常に正数です。この解析では、 統計 メニューのモデルと 予測分析モジュールの 線形回帰 モデルと 2値ロジスティック回帰 モデルの標準誤差が計算されます。

近似の信頼区間は、予測変数の指定された設定が与えられた場合の平均応答の可能値の範囲を提供します。この分析では、 統計 メニューのモデルと、 予測分析モジュールの 線形回帰 と 2値ロジスティック回帰 のモデルの信頼区間が計算されます。

予測区間は、選択した変数設定の組み合わせに対する単一の将来の応答を含む可能性が高い範囲です。この分析では、 統計 メニューのモデルと 予測分析モジュールの 線形回帰 モデルの予測区間が計算されます。

複合望ましさ (D) を使用して、設定が一連の応答を全体的にどの程度最適化するかを評価します。望特性の値の範囲は0～1です。1は理想的なケースを表し、0は、1つ以上の応答が許容限界の外にあることを表します。

• 統計 メニューの 応答の最適化機能 には、複数の応答の最適化が含まれています。
• 予測分析モジュール の 応答の最適化機能 には、単一の応答の最適化が含まれています。

多くの場合、応答が複数あると、すべての応答の望特性を同時に最大化する因子設定はありません。こうした理由から、Minitabは複合的な望ましさを最大化します。複合的な望ましさは、すべての応答変数に対する個別望特性を単一の測度にまとめたものです。その際、重要度の高い応答変数はより強調します。

詳細については、 個別の望ましさと複合的な望ましさとはを参照してください。