実験計画について

決定的スクリーニング計画に特化した統計手法により、決定的スクリーニング計画のデータを分析します。この手法は、「決定的スクリーニング計画の効果的モデル選択」(Effective Model Selection for DSDs)と呼ばれています。この手法は、決定的スクリーニング計画がもつ特殊な構造をうまく利用して、分析を行います。

スクリーニング計画

連続尺度の因子、および、任意の水準数をもつ離散数値とカテゴリカルの因子に対して、スクリーニング計画を作成します。標準的な従来のスクリーニング計画が存在する場合、次の2つのオプションがあります。

–

従来のスクリーニング計画の一覧から選択します。このオプションでは、2水準の連続尺度の因子、2水準または3水準のカテゴリカル因子、2水準または3水準の離散数値の因子をもつ計画を作成できます。

–

主効果に対する直交計画や殆直交計画を生成します。殆直交計画を作成する機能では、2水準である連続尺度の因子、および、任意の水準数をもつカテゴリカル因子と離散数値の因子を扱えます。主効果に対する直交計画や殆直交計画は、交互作用が無視できるほど小さい状況において、主効果を効率よく推定するためのスクリーニング計画となっています。

スクリーニング計画を行いたいのに、標準的な従来のスクリーニング計画には、自分の状況に適したものがない場合があります。そのような場合でも、殆直交計画は作成できます。

応答曲面計画

連続変数の2次式を推定する計画を作成します。応答曲面計画では、2乗の効果を推定するために、各因子は3水準とされます。このプラットフォームでは、最大8因子の応答曲面計画を作成できます。

中心複合計画やBox-Behnken計画を、リストから選択できます。場合によっては、直交しているブロック因子の中心複合計画も選択できます。中心複合計画には、さまざまな調整を行えます。

完全実施要因計画

任意の水準数を持つ、連続変数やカテゴリカル因子で完全実施要因計画を作成します。因子数も任意です。完全実施要因計画は、各因子における水準のすべての組み合わせになっています。完全実施要因計画は大規模になる傾向があります。実験回数は、各因子の水準数を掛け合わせたものです。

配合計画

配合物の成分を因子とした計画を作成します。配合実験では、1つの成分の割合を変更すると、全体の合計を維持するために残りの成分の割合も変更しなければなりません。JMPでは、従来型のアプローチを含め、最適計画、単体重心計画、単体格子計画、端点計画、ABCD計画、Space Filling計画（空間充填計画）が作成できます。最適計画、端点計画、Space Filling計画では、線形不等式の制約を因子に課すことにより、計画の領域を制限できます。

被覆配列

ソフトウェアやネットワークなどのシステムを検証するための組み合わせを作成します。強度tの被覆配列では、t個の因子における水準のすべての組み合わせが、少なくとも1回は実験に出現します。被覆配列では、任意の水準数を持つ任意の個数のカテゴリカルな因子を指定できます。また、許可しない組み合わせも指定できます。

選択モデル計画

異なる属性をもつ製品の候補を比較するための計画を作成します。選択モデル計画では、製品の属性を因子とします。異なる属性をもつ製品を、1回につき2個～4個用意して回答者に提示します。実験では、それらのなかから回答者に好きな製品を選んでもらいます。製品の属性について事前情報がある場合は、それを計画に反映させることができます。

MaxDiff計画

MaxDiff調査のための選択肢集合を含む計画を作成します。MaxDiff調査では、回答者は、小規模の選択肢集合の中から、最も好ましいものと最も好ましくないものだけを回答します。最良のものと最悪のものを選んでもらうので、最良のものだけを選ぶ実験よりも、順位付けに関するより有用な情報を得ることができます。

Space Filling計画

Space Filling計画（空間充填計画）は、調査対象であるシステムが決定論的である（または、ほぼ決定論的な）場合に用います。一般的には、決定論的で、かつ、とても複雑なコンピュータシミュレーションの結果から、単純な近似モデルを作成するときに使用されています。

決定論的なシステムには、ばらつきがありません。そのような場合における分析の目標は、近似的なモデルと真のモデルとの差（バイアス）を最小にすることです。Space Filling計画は、計画点をお互いからできるだけ遠ざけたり、計画領域全体に均等に分散させたりすることで、この目標を達成できるようにします。

JMPでは、7種類のSpace Filling計画が用意されています。このうち、高速柔軟充填計画では、任意の水準数を持つカテゴリカルな因子や、線形制約も指定できます。

加速寿命試験計画

加速寿命試験（故障時間を早めるために過酷な条件下に製品をさらす試験）を作成・拡張できます。試験結果をもとに、通常の運用条件下での製品の信頼性を予測できます。

寿命の分布として、対数正規分布またはWeibull分布のいずれかを仮定できます。1 ～ 2 つの加速因子を指定できます。加速因子が2つの場合は、交互作用を含めることもできます。加速寿命モデルのパラメータに対し、事前分布を指定することができます。D-最適計画と2種類のI-最適計画が作成できます。

非線形計画