Submit Search
Upload
実験計画法入門 Part 4
•
5 likes
•
4,295 views
haji mizu
Follow
実験計画法入門のレクチャースライド,4部構成のうちの第4部です.
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 53
Recommended
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
実験計画法入門 Part 2
実験計画法入門 Part 2
haji mizu
実験計画法入門 Part 1
実験計画法入門 Part 1
haji mizu
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
Shogo Muramatsu
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
PRML輪読#8
PRML輪読#8
matsuolab
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Recommended
実験計画法入門 Part 3
実験計画法入門 Part 3
haji mizu
実験計画法入門 Part 2
実験計画法入門 Part 2
haji mizu
実験計画法入門 Part 1
実験計画法入門 Part 1
haji mizu
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
Shogo Muramatsu
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
PRML輪読#8
PRML輪読#8
matsuolab
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
正準相関分析
正準相関分析
Akisato Kimura
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化
Shunsuke Ono
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
Hiroyuki Kato
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Satoshi Kato
PRML8章
PRML8章
弘毅 露崎
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1
hirokazutanaka
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
PRML 第4章
PRML 第4章
Akira Miyazawa
PRML輪読#4
PRML輪読#4
matsuolab
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
haji mizu
集合知メカニズムの研究
集合知メカニズムの研究
haji mizu
More Related Content
What's hot
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
正準相関分析
正準相関分析
Akisato Kimura
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化
Shunsuke Ono
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
Hiroyuki Kato
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Satoshi Kato
PRML8章
PRML8章
弘毅 露崎
Rで実験計画法 前編
Rで実験計画法 前編
itoyan110
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1
hirokazutanaka
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
PRML 第4章
PRML 第4章
Akira Miyazawa
PRML輪読#4
PRML輪読#4
matsuolab
What's hot
(20)
重回帰分析で交互作用効果
重回帰分析で交互作用効果
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
正準相関分析
正準相関分析
Rで実験計画法 後編
Rで実験計画法 後編
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
2 1.予測と確率分布
2 1.予測と確率分布
信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化
【解説】 一般逆行列
【解説】 一般逆行列
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
PRML上巻勉強会 at 東京大学 資料 第4章4.3.1 〜 4.5.2
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
PRML8章
PRML8章
Rで実験計画法 前編
Rで実験計画法 前編
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1
グラフィカルモデル入門
グラフィカルモデル入門
PRML 第4章
PRML 第4章
PRML輪読#4
PRML輪読#4
Viewers also liked
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
haji mizu
集合知メカニズムの研究
集合知メカニズムの研究
haji mizu
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
haji mizu
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
haji mizu
マーケティング技術
マーケティング技術
haji mizu
Process analytical technology innovative pharmaceutical development
Process analytical technology innovative pharmaceutical development
Vamsi Anil Krishna Chandu
PAT Process Control IFPAC 2013
PAT Process Control IFPAC 2013
Paul Brodbeck
実験計画法(直交表実験)の応用によるLpoの実例 slide share
実験計画法(直交表実験)の応用によるLpoの実例 slide share
Kazuya Obanayama
Quality-by-Design by chattar
Quality-by-Design by chattar
Dr. Chattar singh Yadav
Process Analytical Technology
Process Analytical Technology
PT Asia Ltd.
The role of process analytical technology (pat) in green chemistry and green ...
The role of process analytical technology (pat) in green chemistry and green ...
dominev
DOE Applications in Process Chemistry Presentation
DOE Applications in Process Chemistry Presentation
saweissman
営業向け ABテストの統計学 データアーティスト
営業向け ABテストの統計学 データアーティスト
Satoru Yamamoto
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
Nattawut Huayyai
QbD and PAT Presentation
QbD and PAT Presentation
sunp994
Viewers also liked
(15)
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
製品・サービスに対する主観的属性収集のためのGWAPシステムの提案
集合知メカニズムの研究
集合知メカニズムの研究
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
A Serious Game for Eliciting Tacit Strategies for Dynamic Table Assignment in...
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
集団意思決定における知識生産のモデル化とそれに基づくプロトコル分析
マーケティング技術
マーケティング技術
Process analytical technology innovative pharmaceutical development
Process analytical technology innovative pharmaceutical development
PAT Process Control IFPAC 2013
PAT Process Control IFPAC 2013
実験計画法(直交表実験)の応用によるLpoの実例 slide share
実験計画法(直交表実験)の応用によるLpoの実例 slide share
Quality-by-Design by chattar
Quality-by-Design by chattar
Process Analytical Technology
Process Analytical Technology
The role of process analytical technology (pat) in green chemistry and green ...
The role of process analytical technology (pat) in green chemistry and green ...
DOE Applications in Process Chemistry Presentation
DOE Applications in Process Chemistry Presentation
営業向け ABテストの統計学 データアーティスト
営業向け ABテストの統計学 データアーティスト
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
21.2 - Part 2 Reactions of Carboxylic Acid Derivatives - Wade 7th
QbD and PAT Presentation
QbD and PAT Presentation
Similar to 実験計画法入門 Part 4
ベイズ統計によるデータ解析
ベイズ統計によるデータ解析
Kunihiro Hisatsune
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Time series analysis with python chapter2-1
Time series analysis with python chapter2-1
ShoKumada
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
Masayuki Tanaka
Light weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_face
ishii yasunori
Asj2017 3 bileveloptnmf
Asj2017 3 bileveloptnmf
SaruwatariLabUTokyo
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
Shogo Muramatsu
Similar to 実験計画法入門 Part 4
(7)
ベイズ統計によるデータ解析
ベイズ統計によるデータ解析
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Time series analysis with python chapter2-1
Time series analysis with python chapter2-1
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
Light weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_face
Asj2017 3 bileveloptnmf
Asj2017 3 bileveloptnmf
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
More from haji mizu
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
haji mizu
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
haji mizu
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
haji mizu
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
haji mizu
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
haji mizu
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
haji mizu
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
haji mizu
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
haji mizu
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
haji mizu
More from haji mizu
(9)
ゲームで切り込む暗黙知的なスキルやノウハウ
ゲームで切り込む暗黙知的なスキルやノウハウ
ColPMan: A Serious Game for Practicing Collaborative Production Management
ColPMan: A Serious Game for Practicing Collaborative Production Management
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
A Prototype Prediction Market Game for Enhancing Knowledge Sharing among Sale...
予測と意思決定のためのマーケット:予測市場とその周辺
予測と意思決定のためのマーケット:予測市場とその周辺
集合知とコミュニケーション場のメカニズムデザイン
集合知とコミュニケーション場のメカニズムデザイン
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prototype Crowdsourcing Approach for Document Summarization Service
A Prediction Market Game for Route Selection under Uncertainty
A Prediction Market Game for Route Selection under Uncertainty
A comparison between choice experiments and prediction markets for collecting...
A comparison between choice experiments and prediction markets for collecting...
Trading Uncertainty for Collective Wisdom
Trading Uncertainty for Collective Wisdom
実験計画法入門 Part 4
1.
© Hajime Mizuyama An
Introduction to Design of Experiments (DOE) 青山学院大学 経営システム工学科 水山 元 mizuyama@ise.aoyama.ac.jp
2.
© Hajime Mizuyama Agenda Part
1 古典的な実験計画法の 基本概念と要因計画 Part 2 直交表と 一部実施要因計画 Part 3 応答曲面法と 最適計画 Part 4 直積実験と ロバスト設計
3.
© Hajime Mizuyama ロバスト設計における対象システムの捉え方 y 特性 s 信号因子 対象システム x1
x2 xM 制御因子 z1 z2 zL 誤差因子
4.
© Hajime Mizuyama 制御因子 特性に影響を与え得る要因のうち,その値を容易に操作可能な もの.実験によって,それらの最適水準を見出したい. 誤差因子 特性に影響を与え得る要因のうち,生産や使用の場ではその値 を指定することが困難であり,特性のばらつきの原因になると 考えられるもの. 実験では,可能であれば,母数因子として扱うことが多いが, そうでない場合などには,変量因子として扱ってもよい. 制御因子と誤差因子
5.
© Hajime Mizuyama 制御因子と誤差因子の交互作用 特性値 A (誤差因子) B2 B1 (制御因子) 制御因子と誤差因子の 交互作用を利用して, 特性のばらつきを低減 することができる.
6.
© Hajime Mizuyama •
取り上げた因子が特性の値に影響を及ぼしているかどうか,を 判断したい. • 影響を及ぼしていると判断された因子について,その値をどの 水準に設定すればよいか,を判断したい(主に特性値の最大化 や最小化の問題). • 因子水準を操作することによる影響の大きさや,操作した後の 特性の値を推定したい. 古典的な実験計画法の狙いと役割 これらを,統計的検定や推定の枠組みで実施できるようにする ことが古典的な実験計画法の役割である.
7.
© Hajime Mizuyama •
数多くの候補の中から,特性のばらつきに有意な影響を与える 制御因子を見出したい. • 影響を及ぼしていると判断された制御因子,その値をどの水準 に設定すればよいか,を判断したい(主に特性のロバスト化の 問題). • 特性のばらつきを抑えたまま,特性の平均や感度を適切な値に 調整したい. ロバスト設計の狙いと役割 これらを,なるべく効率的な実験に基づいて実施できるように することがロバスト設計の役割である.
8.
© Hajime Mizuyama •
ロバスト設計には,実験の場だけで成り立つ知見には価値がな いという哲学があり,実際の生産や使用の場で役に立つ(下流 再現性のある)知見を得ることが重視される. • 多因子が絡み合う効果よりも,単純な主効果の方が下流再現性 につながりやすいという経験的な仮説がおかれている. • ばらつき低減の効果を得るために,実験では,なるべく多くの 制御因子の候補を取り上げることが望まれる. ロバスト設計と混合系直交表 混合系直交表の利用
9.
© Hajime Mizuyama ロバスト設計とは 構造モデル (特性の分類,およ び因子と特性の間の 因果関係モデル) 性能評価尺度 (ロバスト性の尺度 であるSN比と,特性 の平均や感度) 制御因子,調整 因子の同定法と 因子水準の設計 主に,分散分析 と2段階設計法 実験の計画・実施 上のテクニック 基本は 直積実験や 誤差因子の調合
10.
© Hajime Mizuyama 静特性と動特性 静特性 •
ある固定された目的値が与え られている特性. • 静特性では,信号因子は考え ない 動特性 • 目的値が信号因子の値に応じ て変化する特性. • 信号因子と特性との間には一 次式や比例式の関係を仮定す ることが多い.
11.
© Hajime Mizuyama 静特性の実験対象 y 特性 𝑦
= 𝜇 + 𝑒 x1 x2 xM 制御因子 z1 z2 zL 誤差因子 y pdf
12.
© Hajime Mizuyama a.
間隔尺度のSN比(ばらつきが平均に依存しない) 母SN比:𝜂 = 1 𝜎𝑒 2 標本SN比:𝛾 = 10log(1 𝑉𝑒) b. 比尺度のSN比(ばらつきが平均と共に増大する) 母SN比:𝜂 = 𝜇2 𝜎𝑒 2 標本SN比: *どちらも大きければ大きいほど望ましい尺度になっている. 静特性のSN比 𝛾 = 10log 𝑦2 − 𝑉𝑒 𝑁 𝑉𝑒 ≈ 10log 𝑦2 𝑉𝑒
13.
© Hajime Mizuyama 内側直交表と外側直交表 制御因子 x1,
x2, ... 誤差因子 z1, z2, ... x1, x2, ... z1, z2, ... 内側 直交表 外側 直交表 1 2 I 1 2 J ・ ・ ・ ・ ・ ・
14.
© Hajime Mizuyama 直積実験の計画 I×J
個 の実験点 内側 直交表 1 2 I ・ ・ ・ x1, x2, ... z1,z2,... 外側 直交表 1 2 J ・ ・ ・
15.
© Hajime Mizuyama 静特性の直積実験の例 A
B C D E F G 1 2 3 4 5 6 7 8 9 10 11 y 1 1 1 1 1 1 1 1 1 1 1 1 630.2 591.6 590.1 2 1 1 1 1 1 2 2 2 2 2 2 604.3 640.3 675.2 3 1 1 2 2 2 1 1 1 2 2 2 550.7 557.4 552.1 4 1 2 1 2 2 1 2 2 1 1 2 651.1 641.9 651.4 5 1 2 2 1 2 2 1 2 1 2 1 523.3 531.0 531.3 6 1 2 2 2 1 2 2 1 2 1 1 564.4 572.4 564.6 7 2 1 2 2 1 1 2 2 1 2 1 641.0 625.9 623.5 8 2 1 2 1 2 2 2 1 1 1 2 621.1 621.6 582.7 9 2 1 1 2 2 2 1 2 2 1 1 594.5 607.5 598.3 10 2 2 2 1 1 1 1 2 2 1 2 601.7 582.7 586.6 11 2 2 1 2 1 2 1 1 1 2 2 592.0 609.1 581.7 12 2 2 1 1 2 1 2 1 2 2 1 701.2 716.6 703.0
16.
© Hajime Mizuyama yi1,
yi2, ... ..., yiJ 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1, x2, ... z1,z2,... 外側 直交表 1 2 J ・ ・ ・ y11, y12, ... ..., yIJ 行ごとに, 標本SN比と 標本平均を 算出する.
17.
© Hajime Mizuyama yi1,
yi2, ... ..., yiJ 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1, x2, ... z1,z2,... 外側 直交表 1 2 J ・ ・ ・ y11, y12, ... ..., yIJ SN比 平均 1 I i ・ ・ ・ ・ ・ ・ 1y Iy iy ・ ・ ・ ・ ・ ・
18.
© Hajime Mizuyama 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... SN比 平均 1 I i ・ ・ ・ ・ ・ ・ 1y Iy iy ・ ・ ・ ・ ・ ・ SN比に関する 分散分析 平均に関する 分散分析
19.
© Hajime Mizuyama 静特性の直積実験の例 A
B C D E F G 1 2 3 4 5 6 7 8 9 10 11 𝜂 𝑦 1 1 1 1 1 1 1 1 1 1 1 1 28.49 603.9 2 1 1 1 1 1 2 2 2 2 2 2 25.12 639.9 3 1 1 2 2 2 1 1 1 2 2 2 43.92 553.4 4 1 2 1 2 2 1 2 2 1 1 2 41.54 648.2 5 1 2 2 1 2 2 1 2 1 2 1 41.33 528.5 6 1 2 2 2 1 2 2 1 2 1 1 41.83 567.1 7 2 1 2 2 1 1 2 2 1 2 1 36.46 630.1 8 2 1 2 1 2 2 2 1 1 1 2 28.70 608.5 9 2 1 1 2 2 2 1 2 2 1 1 39.03 600.1 10 2 2 2 1 1 1 1 2 2 1 2 35.41 590.3 11 2 2 1 2 1 2 1 1 1 2 2 32.65 594.3 12 2 2 1 1 2 1 2 1 2 2 1 38.46 707.0
20.
© Hajime Mizuyama SN比の分散分析表 要因
平方和 自由度 平均平方 F値 P値 A 11.07 1 11.07 0.919 0.3921 B 72.54 1 72.54 6.022 0.0701 C 41.65 1 41.65 3.458 0.1365 D 119.92 1 119.92 9.955 0.0343 E 90.82 1 90.82 7.54 0.0516 F 20.32 1 20.32 1.687 0.2638 G 6.29 1 6.29 0.523 0.5097 残差 48.18 4 12.05
21.
© Hajime Mizuyama 平均の分散分析表 要因
平方和 自由度 平均平方 F値 P値 A 2980 1 2980 44.514 0.0026 B 0 1 0 0 0.9845 C 8289 1 8289 123.812 0.0004 D 602 1 602 8.986 0.0400 E 33 1 33 0.493 0.5214 F 3153 1 3153 47.09 0.0024 G 9082 1 9082 135.653 0.0003 残差 268 4 67
22.
© Hajime Mizuyama B E D A C F G 調整因子の選択 SN比に影響を 及ぼす因子 平均に影響を 及ぼす因子
23.
© Hajime Mizuyama 調整因子ばらつき低減に利用 調整因子の選択 SN比に影響を 及ぼす因子 平均に影響を 及ぼす因子
24.
© Hajime Mizuyama ばらつきの制御 制御因子の水準を操作することにより,特性のばらつきを低減 させる(誤差因子に対するロバスト性の向上). 平均の調整 調整因子を用いて,特性の平均値を,ばらつきを抑えたまま, 目的値に調整する. 二段階設計法
25.
© Hajime Mizuyama ばらつきの制御(制御因子) 1
2 2530354045 B sn 1 2 2530354045 D sn 1 2 2530354045 E sn (B, D, E) = (2, 2, 2)
26.
© Hajime Mizuyama 平均の調整(調整因子) 1
2 560580600620640 A mean 1 2560580600620640 C mean 1 2 560580600620640 D mean 1 2 560580600620640 F mean 1 2560580600620640 G mean
27.
© Hajime Mizuyama 複数の誤差因子を,2水準(あるいは3水準)の調合誤差因子にま とめること.負側最悪条件と正側最悪条件(さらにそれらの中間の 標準条件)を用いる. 誤差因子の調合 A1 B1 C3 D1 A2 B2 C2 D2 A3 B3 C1 D3 yN1
N2 N3 調合誤差因子 A B C D 誤差因子
28.
© Hajime Mizuyama 複数の誤差因子を,2水準(あるいは3水準)の調合誤差因子にま とめること.負側最悪条件と正側最悪条件(さらにそれらの中間の 標準条件)を用いる. 誤差因子の調合 外側 直交表 1 2 J ・ ・ ・ z1,
z2, ... N1 A1, B1, C3, D1 N2 A2, B2, C2, D2 N3 A3, B3, C1, D3 A, B, C, D 実験規模の縮小
29.
© Hajime Mizuyama 静特性と動特性 静特性 •
ある固定された目的値が与え られている特性. • 静特性では,信号因子は考え ない 動特性 • 目的値が信号因子の値に応じ て変化する特性. • 信号因子と特性との間には一 次式や比例式の関係を仮定す ることが多い.
30.
© Hajime Mizuyama 動特性の一次式モデル y 特性 s 信号因子 𝑦
= 𝛼 + 𝛽𝑠 + 𝑒 x1 x2 xM 制御因子 z1 z2 zL 誤差因子
31.
© Hajime Mizuyama 動特性の一次式モデル y s (通常の単回帰モデル) 例)
得られた y の値から s を求める計測器. 校正後の計測誤差は e/βとなる. 𝑦 = 𝛼 + 𝛽𝑠 + 𝑒
32.
© Hajime Mizuyama 一次式モデルのSN比(特性のばらつきが平均に依存しない) 関係式:
𝑦 = 𝛼 + 𝛽𝑠 + 𝑒 (通常の単回帰モデル) 母SN比: 𝜂 = 𝛽2 𝜎𝑒 2 (校正後の誤差分散の逆数) 標本SN比: *大きければ大きいほど望ましい尺度になっている. 動特性のSN比(一次式モデル) 𝛾 = 10log 𝛽2 − 𝑉𝑒 𝑆𝑠𝑠 𝑉𝑒 ≈ 10log 𝛽2 𝑉𝑒
33.
© Hajime Mizuyama 残差平方和 正規方程式 回帰直線
標本誤差分散 最小2乗法によるパラメータ推定 𝑁𝛼 + 𝛽 𝑠𝑗 𝐽 𝑗=1 = 𝑦𝑗 𝐽 𝑗=1 𝛼 𝑠𝑗 𝐽 𝑗=1 + 𝛽 𝑠𝑗 2 𝐽 𝑗=1 = 𝑠𝑗 𝑦𝑗 𝐽 𝑗=1 𝛼 = 𝑦 − 𝛽 𝑠 𝛽 = (𝑠𝑗 − 𝑠)(𝑦𝑗 − 𝑦) 𝐽 𝑗=1 𝑠𝑗 − 𝑠 2𝐽 𝑗=1 = 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑆 𝑒 = 𝑦𝑗 − 𝛼 + 𝛽 𝑠𝑗 2 𝐽 𝑗=1 𝑦 = 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑠 − 𝑠 + 𝑦 𝑉𝑒 = 𝑆 𝑒 𝐽 − 2 𝑦𝑗 − 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑠𝑗 − 𝑠 − 𝑦 2𝐽 𝑗=1
34.
© Hajime Mizuyama 動特性の比例式モデル y 特性 s 信号因子 𝑦
= 𝛽𝑠 + 𝑒 x1 x2 xM 制御因子 z1 z2 zL 誤差因子
35.
© Hajime Mizuyama 動特性の比例式モデル N3 N1 N2
誤差因子によって 傾き β が変動する 交互作用 N×β が 隠れている. 例)入出力関係で表される技術システムの機能性評価. 交互作用N×βによる変動と誤差eの分散とを共に減少させたい. s1 s2 s3 s4 ... y 𝑦 = 𝛽𝑠 + 𝑒 (原点回帰モデル)
36.
© Hajime Mizuyama 一次式モデルのSN比(特性のばらつきが平均と共に増大) 関係式:
𝑦 = 𝛽𝑠 + 𝑒 (原点回帰モデル) 母SN比: 𝜂 = 𝛽2 𝜎 𝐸 2 標本SN比: *大きければ大きいほど望ましい尺度になっている. *VE や σE は,純粋な誤差eの分散に加え,交互作用N×βも含む. 動特性のSN比(比例式モデル) 𝛾 = 10log 𝛽2 − 𝑉𝐸 𝑆𝑠𝑠 𝑉𝐸 ≈ 10log 𝛽2 𝑉𝐸
37.
© Hajime Mizuyama 残差平方和 正規方程式 回帰直線
標本誤差分散 最小2乗法によるパラメータ推定 𝛽 = 𝑠𝑗 𝑦𝑗 𝐽 𝑗=1 𝑠𝑗 2𝐽 𝑗=1 = 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑆 𝐸 = 𝑦𝑗 − 𝛽 𝑠𝑗 2 𝐽 𝑗=1 𝑦 = 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑠 𝑉𝐸 = 𝑆 𝐸 𝐽 − 1 𝑦𝑗 − 𝑆𝑠𝑦 𝑆𝑠𝑠 𝑠𝑗 2𝐽 𝑗=1 𝜕𝑆 𝐸 𝜕𝛽 = −2 𝑠𝑗(𝑦𝑗 − 𝛽 𝑠𝑗) 𝐽 𝑗=1 = 0 𝛽 𝑠𝑗 2 𝐽 𝑗=1 = 𝑠𝑗 𝑦𝑗 𝐽 𝑗=1
38.
© Hajime Mizuyama 原点まわりの全平方和 全平方和の分解 純粋な誤差分散の推定値 平方和の分解と純粋な誤差分散(参考) 𝑆
𝑇 = 𝑦𝑗 2 𝐽 𝑗=1 = 𝑦𝑢𝑣 2 𝑉 𝑣=1 𝑈 𝑢=1 ただし,信号因子の水準数を U, (調合)誤差因子の水準数を V, 𝐽 = 𝑈 × 𝑉とする. 𝑆 𝑇 = 𝑉𝛽2 𝑠 𝑢 2 𝑈 𝑢=1 + 𝑠 𝑢 2 𝛽𝑣 − 𝛽 2 𝑉 𝑣=1 𝑈 𝑢=1 + 𝑦𝑢𝑣 − 𝛽𝑣 ∙ 𝑠 𝑢 2 𝑉 𝑣=1 𝑈 𝑢=1 残差平方和 Se 回帰平方和 Sβ 交互作用N×β の変動 SN×β SE 𝑉𝑒 = 𝑆 𝑒 𝑉(𝑈 − 1)
39.
© Hajime Mizuyama 内側直交表と外側直交表 制御因子 x1,
x2, ... 信号因子 s (U水準)と(調合) 誤差因子 z1, z2, ... (V水準)の直積 x1, x2, ... s, z1, z2, ... 内側 直交表 外側 直交表 1 2 I 1 2 J = U×V ・ ・ ・ ・ ・ ・
40.
© Hajime Mizuyama yi1,
yi2, ... ..., yiJ 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1, x2, ... s,z1,z2,... 外側 直交表 1 2 J=U×V ・ ・ ・ y11, y12, ... ..., yIJ 行ごとに, 回帰分析し 標本SN比と 標本感度を 算出する.
41.
© Hajime Mizuyama 信号因子
誤差因子 特性値 1 1 y11 1 2 y12 1 3 y13 2 1 y21 2 2 y22 2 3 y23 3 1 y31 3 2 y32 3 3 y33 4 1 y41 4 2 y42 4 3 y43 行ごとの実験データ 信号因子の水準数 U = 4 誤差因子の水準数 V = 3 の場合 これらのデータを図示すると 例えば,下図のようになる. s y
42.
© Hajime Mizuyama 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... s,z1,z2,... 外側 直交表 1 2 J=U×V ・ ・ ・ y11, y12, ... ..., yIJ SN比 感度 1 I i ・ ・ ・ ・ ・ ・ 1 ˆ Iˆ iˆ ・ ・ ・ ・ ・ ・
43.
© Hajime Mizuyama 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... SN比 感度 1 I i ・ ・ ・ ・ ・ ・ SN比に関する 分散分析 感度に関する 分散分析 1 ˆ Iˆ iˆ ・ ・ ・ ・ ・ ・
44.
© Hajime Mizuyama 調整因子ばらつき低減に利用 調整因子の選択 SN比に影響を 及ぼす因子 感度に影響を 及ぼす因子
45.
© Hajime Mizuyama ばらつきの制御 制御因子の水準を操作することにより,特性のばらつきを低減 させる(誤差因子に対するロバスト性の向上). 感度の調整 調整因子を用いて,信号因子に対する特性の感度を望ましい値 に調整する. 二段階設計法
46.
© Hajime Mizuyama 機能窓 あるパラメータの値が大きすぎるとある不具合が,小さすぎる とそれとは別の不具合がそれぞれ生じることがある.このよう に,あるパラメータの下側と上側に相反するエラーモードが存 在するとき,どちらのエラーモードも生じないパラメータの範 囲を機能窓と呼ぶ. 機能窓法 当該パラメータ以外の制御因子を用いて,機能窓をできるだけ 大きくすることのできる条件を実験によって見出す方法. 機能窓と機能窓法
47.
© Hajime Mizuyama 内側直交表と外側直交表 制御因子 x1,
x2, ... 当該パラメータ(U水準)と (調合)誤差因子(V水準)の直積 x1, x2, ... s, z1, z2, ... 内側 直交表 外側 直交表 1 2 I 1 2 J = U×V ・ ・ ・ ・ ・ ・
48.
© Hajime Mizuyama 直積実験の計画 各条件でそれぞれ ある回数試行し, エラー発生回数を 記録する. 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... s,z1,z2,... 外側 直交表 1 2 J=U×V ・ ・ ・ 行ごとに 機能窓の SN比を 求める.
49.
© Hajime Mizuyama パラメータ
誤差因子 下側モード 上側モード 1 1 nL11 nU11 1 2 nL12 nU12 1 3 nL13 nU13 2 1 nL21 nU21 2 2 nL22 nU22 2 3 nL23 nU23 3 1 nL31 nU31 3 2 nL32 nU32 3 3 nL33 nU33 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 行ごとの実験データ パラメータの水準数 U はなるべく多くとる. 左は誤差因子の水準数 V = 3 の場合 所定の試行数のうち, 何回下側,上側の エラーモードが 発生したかを カウントする.
50.
© Hajime Mizuyama 機能窓のSN比 5 4 3 2 1 0 発 生 回 数 パラメータ 上側エラーモード 下側エラーモード LBv
UBv 機能窓のSN比 誤差因子の水準ごとに両モードの境界LB,UBを定義し,それらを 用いて次式で求める(上の例では 5回中2回発生を境界としている). 𝛾 = −10𝑙𝑜𝑔 1 𝑉 𝐿𝐵𝑣 2 𝑉 𝑣=1 − 10𝑙𝑜𝑔 1 𝑉 1 𝑈𝐵𝑣 2 𝑉 𝑣=1
51.
© Hajime Mizuyama 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... s,z1,z2,... 外側 直交表 1 2 J=U×V ・ ・ ・ y11, y12, ... ..., yIJ SN比 1 I i ・ ・ ・ ・ ・ ・
52.
© Hajime Mizuyama 直積実験の結果の解析 内側 直交表 1 2 I ・ ・ ・ x1,
x2, ... SN比 1 I i ・ ・ ・ ・ ・ ・ SN比に関する 分散分析 SN比ができる だけ大きくなる 設定を採用する