|
1.
|
|
2.
|
「スクリーニング」スクリプトを実行します。
|
メモ: 「対比」レポートではモンテカルロシミュレーションを使用してp値を求めるため、「Reactor 32 Runs.jmp」の「対比」レポートと同じ結果にはなりません。詳細は、「「2水準スクリーニングのあてはめ」プラットフォーム」章の「Lenthの擬似的標準誤差（PSE）」（331ページ）を参照してください。
「半正規プロット」を見ると、ラベルつきの効果のうち少なくとも5つは、ランダムな変動だけによるものよりは効果が大きいことが、強く示唆されています。つまり、これらの効果は重要であると言えます。このプロットでは、「濃度*送り速度*攪拌速度」の3次交互作用が重要であるかどうかは、はっきりとはわかりません。
「Reactor 32 Runs.jmp」の「対比」レポートの「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.
|
|
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.
|
|
4.
|
［マクロ］>［完全実施要因］をクリックします。
|
|
5.
|
「手法」を［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」を［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.
|
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、第 “「2水準スクリーニングのあてはめ」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.
|
図12.6 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。