この例では、「Fish Patty.jmp」サンプルデータを使用します。ここでは、Cornell（1990）で取り上げられている、魚のパティの舌触りを最適化するための実験データをアレンジしたデータテーブルを使います。「ボラ」、「タイ」、「ニベ」の列が配合成分です。各列の値は、魚のパティ中の魚肉の割合を示しています。「温度」列は工程変数で、パティを焼くときのオーブンの温度です。応答変数である「評価」列は、舌触りの良さを測定したもので、値が大きいほど良い評価を表します。データに応答曲面モデルがあてはめられ、その予測式が「予測評価」という列に保存されています。
|
1.
|
［ヘルプ］>［サンプルデータライブラリ］を選択し、「Fish Patty.jmp」を開きます。
|
|
2.
|
［グラフ］>［配合プロファイル］を選択します。
|
|
3.
|
「予測評価」を選択し、［Y, 予測式］をクリックします。
|
|
4.
|
［OK］をクリックします。
|
図6.8 「配合プロファイル」の最初の出力
|
5.
|
メーカー側は、評価を5以上にしたいと考えています。「予測評価」の調整スライダを使って等高線を5に近づけてみましょう。または、「等高線」テキストボックスに「5」と入力し、等高線の値を5に設定することもできます。
|
図6.9 「予測評価」が5のときの等高線
等高線に付随した点線は、「予測評価」の増加方向を示しています。
|
6.
|
「予測評価」の「下限」のボックスに、「5」と入力します。すると、プロットに薄赤色の陰影が表示されます。陰影つきの領域における因子の組み合わせでは、評価が5を下回ります。評価が5以上のパティを製造するためには、条件に合った（陰影のついていない）領域に因子を設定する必要があります。この領域を見ると、条件を満たすには、「ニベ」の割合を低く（10%未満）、「ボラ」の割合をやや低く（70%未満）、「タイ」の割合をやや高く（30%以上）しなければいけないことがわかります。これは、調理温度が400度の場合です。
|
図6.10 「予測評価」が5以上になる領域
|
7.
|
「温度」のスライドを動かして温度を変更し、可能な領域がどのように変化するかを観察してみましょう。
|