見栄えのよいグラフと最適条件表を作ったのに、3か月後には同じ結果を再現できません。どの生データを使ったか、どの応答行をどの計画行に結び付けたか、どの項をなぜ除外したか、シードと目的関数が何だったかを記録しなかったためです。
最後のセクションの問いは次のとおりです：
他者が解析と結論の境界を検証できるように、何を残すべきか？
パッケージはファイルの集合ではなく、つながりのネットワークである
再現可能な解析パッケージとは、PDF報告書、データ表、スクリプトを1つのフォルダに置くだけのものではありません。各結果を、その根拠となった入力と判断に結び付ける必要があります。
Question → Design → Data → Model → Diagnostics → Confirmation Experiment → Reporting
各矢印には識別情報と変更理由があります。計画表の実行IDと観測データが一致しない、または最終グラフがどのモデルから作られたか分からなければ、来歴の連鎖は切れています。
1. まず問いと実験単位を固定する
解析記録の最初の行は統計手法ではなく、問いです。
- 主要応答と単位
- 変更する因子と範囲
- 独立した実験単位
- 技術反復の要約規則
- ブロック、バッチ、実行順序
- 成功基準と禁止する結論
「24行」よりも、「8個の独立培養容器から各3回測定し、容器単位の8平均値を解析する」のほうが再現可能です。
2. 計画記録は実行前の合意を残す
| 項目 | 例 |
|---|---|
| 計画の識別 | 2^(4−1) Resolution IV + foldover |
| 因子のコード化 | コード値−1/0/+1と実単位への変換 |
| モデルの意図 | 主効果＋選択した2FI、または完全2次モデル |
| 実行の識別 | 実行ID、ランダム順序、ブロック、中心点反復 |
| 制約 | 禁止組合せ、装置範囲、必須対照 |
| 生成器・版 | 計画エンジン、ソフトウェアビルド、スクリプトハッシュ |
応答を観測した後に変更した項目は、元の記録を上書きせず、改訂として保存します。
3. データ記録では生データと解析表を分ける
生データには測定値、単位、試料ID、タイムスタンプを保存します。解析表は、除外、変換、技術反復の要約を経た派生データかもしれません。両者の間の変換は、スクリプトまたは明示した規則で再現可能にします。
少なくとも次を保存します。
- 元ファイルのハッシュと変更不能な原本の場所
- データ辞書と欠測コード
- 除外・外れ値判断とその理由
- 計画行と応答行を結ぶキー
- シード、シミュレータの版、合成データであることの表示
- タイムゾーン、ロケール、ソフトウェア版など結果に影響し得る環境情報
4. モデル記録では選択過程を隠さない
最終係数表だけを残しても、そのモデルを選んだ理由は分かりません。
- 事前の候補モデルと階層性
- コード値と実単位の式
- 完全モデルと縮約・代替モデル
- 項を追加・削除した時点と理由
- ANOVA、LOF、残差、影響点の根拠
- 予測範囲と外挿禁止線
- 目標、限界、望ましさの重要度
自動選択を用いた場合は、手法、閾値、候補項、選択バイアスの限界を記録します。最終表にp値があるだけでは、事前の妥当性確認にはなりません。
教育用記録は、欠落を明らかにする学習手段です。実際の検証済みシステムには、意図した用途、要件、アクセス制御、変更管理、独立レビュー、試験証拠、組織手順が必要です。このモジュールのフィクスチャを規制上の検証パッケージと呼ばないでください。
5. 図表にもモデルの識別情報を持たせる
各等高線図、Profiler、残差プロット、シミュレーションヒストグラムを次の情報まで追跡可能にします。
- 元データセットID
- モデル・解析ID
- 因子設定と固定値
- 軸尺度、単位、フィルタ
- 生成スクリプトまたは出力記録
- 生成日とソフトウェア版
報告書に添付した画像が最新モデルと異なる古い結果なら、数値が似ていても使用できません。
6. 確認実験は別の証拠パッケージである
確認実験には、当てはめデータとは別の新しい実行IDを付けます。候補条件、事前成功基準、独立反復数、ブロック、観測値を記録します。予測と確認の差を表で示し、モデルを更新したなら新しい版を作ります。
スクリーニングのfoldover、RSM最適点の確認、DSDの計画拡張は、それぞれ目的が異なります。1行の「追加実験」にまとめてはいけません。
7. 結論には意思決定境界を含める
良い結論は、現在のデータが示すことと示さないことの両方を述べます。
指定した候補領域と事前2次モデルの範囲で、x=0.55、y=0.35が複合望ましさ最大の候補であった。3回の新しい独立確認の平均は予測区間と整合した。モンテカルロ合格率は、指定した入力分布とLSLを条件とする。検討範囲外、長期工程能力、実製品性能は、このパッケージの結論ではない。
「最適化完了」「工程は頑健」「検証済み」のように、範囲を消してしまう表現は避けます。
In-Silico Lab：同じシードで記録を再現する
- 記録のシードを変更し、スクリーニング、RSM、確認、頑健性の値がすべて更新されるか確認します。
- LSLを変更し、同じシミュレーションデータでも意思決定境界が変わるか確認します。
- 計画、モデル、診断、確認、限界の全項目が存在するか確認します。
- この表だけでは実際の解析の妥当性を承認できない理由を書きます。
설계·분석·확인·제한을 하나의 receipt로 묶으세요
앞 단원의 고정 합성 fixture를 같은 seed로 다시 계산해 질문에서 결론까지 추적 가능한 최소 검증 패키지를 만듭니다.
처음이라면: 무엇을 눌러야 하나요?
- 1. 질문을 먼저 읽기Lab 제목에서 이번에 비교할 한 가지를 확인합니다.
- 2. 조건 하나만 바꾸기처음에는 n, 효과, 산포 같은 입력 중 하나만 바꾸십시오.
- 3. 새 합성 표본 누르기새 합성 데이터가 만들어집니다. 같은 조건도 표본에 따라 달라질 수 있습니다.
- 4. 그림과 계산 결과 비교하기바꾸기 전후 무엇이 움직이고 무엇이 그대로인지 한 문장으로 적어보십시오.
막히면 초기화로 돌아가 기본 결과를 본 뒤 조건 하나만 바꾸십시오. 이 Lab은 정답 판정기가 아니라 패턴 관찰 도구입니다.
같은 설정의 합성 관측
| receipt field | recorded value |
|---|---|
| question | 후속 확인이 가능한 견고한 조건 후보는 무엇인가? |
| row meaning | one independent synthetic design or confirmation run |
| design | screening 4+4; CCD 13; custom 10; DSD 13 |
| seed | 22022 |
| model | pre-specified coded quadratic teaching model |
| diagnostics | RSM R² 0.998; LOF SS 0.163 |
| candidate | x=0.30, y=0.55, d=0.713 |
| confirmation | yield 90.26; impurity 4.39 |
| robustness | pass 99.6% at LSL 89 |
| decision boundary | 교육용 합성 결과; 실제 공정·제품·규제 결론 금지 |
계산 결과
receipt는 누락과 변경을 드러내는 장치입니다. 문서화만으로 모형·데이터·결론이 검증되지는 않으며 독립 검토와 실제 확인실험이 남습니다.
교육용 synthetic model · bjs-screening-sequence-v1 · bjs-response-surface-sequence-v1 · bjs-robustness-sequence-v1 · bjs-advanced-design-sequence-v1. 한 행은 별도 표시가 없는 한 하나의 독립 simulation 또는 설계 run입니다. 실제 연구·품질·규제 판단에는 사용할 수 없습니다.
LabはU21～U28エンジンの固定フィクスチャを合成記録として要約します。画面の値は同じ版、入力、シードから再現できますが、実際のJMP Project、規制上の検証、組織の電子記録システムを代替するものではありません。
JMP成果物の役割を区別する
입력 데이터와 실행 가능한 분석 정의가 같은 receipt에 연결됩니다.
계수·ANOVA·진단·Profiler의 source table과 model identity를 남깁니다.
설명 문서가 원자료·결과·제한을 추적하게 묶되 검증 자체로 오인하지 않습니다.
Data Tableとテーブルスクリプトは入力と解析定義を結び、モデルレポートは数値、診断、Profilerの出力をまとめます。JournalやProjectなどの成果物は解析文脈を保存できますが、リンクの妥当性と実行環境の一貫性は別途検証しなければなりません。使用方法よりも、どの証拠がどの結論を支えるかが焦点です。
最小限の引き継ぎチェックリスト
- 問い、主要評価項目、独立標本数が明記されているか？
- 計画行列、実行順序、ブロック、実単位付き因子が示されているか？
- 生データのハッシュと解析表への変換を再現できるか？
- 事前モデルと全変更が保存されているか？
- ANOVA、LOF、残差、予測範囲がリンクされているか？
- 最適化の目標、限界、重みが明記されているか？
- 確認実験が当てはめデータから分離されているか？
- シミュレーション分布、相関、シード、版が示されているか？
- 図表に元データとモデルIDがあるか？
- 結論の限界と次の手順が文書化されているか？
このセクションのまとめ
- 再現可能性とはファイル数ではなく、来歴の連鎖の完全性である。
- 計画、データ、モデル、シミュレーションの記録を分離し、相互に結ぶ。
- 選択、除外、変更を最終結果の背後に隠さない。
- 確認には別の実行と事前定義した成功基準がある。
- 意思決定境界には、許容できる結論と禁止する外挿の両方を明記する。
- 文書化と実際のシステム検証は異なる。
これでKOコアコースの現在のLearning Spineは完結です。次の手順は新規モジュールを恣意的に追加することではなく、U21～U29 KOの検証と公開後に、承認済み構造をENとJAへ翻訳し、徹底的にレビューすることです。
公式補足資料
- NIST/SEMATECH · Process Modeling
- JMP Help · Design of Experiments Guide
- JMP Help · Enhanced Log in JMP
この記事とLabは教育用の合成教材であり、実際の研究、工程、品質、規制上の判断に用いる証拠または検証済みシステムではありません。