1.
[ヘルプ]>[サンプルデータライブラリ]を選択し、「Design Experiment」フォルダの「Reactor 32 Runs.jmp」を開きます。
2.
「スクリーニング」スクリプトを実行します。
図11.4 「Reactor 32 Runs.jmp」の「対比」レポート
図11.5 「Reactor 32 Runs.jmp」の半正規プロット
図11.4 の「対比」アウトラインによると、「濃度*送り速度*攪拌速度」の3次交互作用の個別p値と同時p値は、それぞれ0.0705と0.7592となっています。「半正規プロット」で目立たないのに加え、p値も大きいので、この効果はモデルに含めないことにします。
3.
「半正規プロット」上でドラッグして四角い枠を描き、「濃度*送り速度*攪拌速度」を除くラベルつきの効果をすべて選択します。
4.
[モデルの作成]をクリックすると、5つの効果を含むモデルのあてはめウィンドウが開きます。
5.
[実行]をクリックします。
1.
「Reactor 32 Runs.jmp」データテーブルに戻るか、または[ヘルプ]>[サンプルデータライブラリ]を選択し、「Design Experiment」フォルダの「Reactor 32 Runs.jmp」を再び開きます。
2.
「モデル」スクリプトを実行します。
3.
「列の選択」リストで、「送り速度」から「濃度」までを選択します。
4.
[マクロ]>[完全実施要因]をクリックします。
5.
「手法」[ステップワイズ法]に変更します。
6.
[実行]をクリックします。
7.
「停止ルール」[最小AICc]に変更します。
8.
[実行]をクリックします。
9.
[モデルの実行]をクリックします。
10.
「効果の要約」アウトラインから「触媒*温度*濃度」を選択し、[削除]をクリックします。
「触媒*濃度」p値は0.08960です。この効果も取り除きましょう。
11.
「効果の要約」アウトラインから「触媒*濃度」を選択し、[削除]をクリックします。
残る5つの効果はすべて高度に有意です。この5つの効果は、「スクリーニング」プラットフォームを使った分析で「スクリーニング」プラットフォームを使って特定した効果と同じです。
1.
「Reactor 32 Runs.jmp」データテーブルで、「縮小モデル」スクリプトを実行します。
2.
[実行]をクリックします。
3.
「予測プロファイル」の赤い三角ボタンをクリックして、[最適化と満足度]>[満足度の最大化]を選択します。
図11.6 満足度を最適化する設定と予測プロファイル
この設定における「反応率(%)」の予測平均値は95.875で、信頼区間は92.91から98.84となっています。ここで特定された3つの因子の設定値は、どれも実験に使用した範囲のうち、最高または最低の値となっていることに注目してください。今後の実験では、この設定値を超える値を使用して、工程の振る舞いを調べる必要があるでしょう。