貝探しは、解探し [【YouTube】]
潮干狩りで貝を探すのと、開発業務で最適条件を探すのは、実は似たようなことをしています。
試行錯誤で貝を探す方法は、効率的なのでしょうか?
効率の良い探索方法があったら嬉しいですよね。
今回は、そんなお話です。
このブログ記事は、YouTubeの動画でもご覧いただけます。
----------------------
潮干狩りへ行きました。
果たして、この海岸に貝はあるのでしょうか?
----------------------
先ずは、海岸の右下のエリアで貝を探してみました。
その結果、このエリアには貝が見つかりませんでした。
この後、この海岸全体で貝を探すことを諦めた方がいいでしょうか?
それとも、粘って貝を探した方がいいでしょうか?
----------------------
少し「左」のエリアに移動すれば、貝が見つかるかもしれません。
または、
少し「沖」のエリアに移動すれば、貝が見つかるかもしれません。
どうすればいいのでしょうか?
悩みます。
----------------------
どうすればいい?
例えば、
海岸全体をX座標とY座標として、それぞれ3箇所を設定したとします。
交点の9ポイントについて、総当たりで貝を探索した結果、左上のポイントで貝を5個拾うことができました。
それはそれで嬉しいのですが、このような「総当たり」の貝探しは大変です。
----------------------
ということで、次の一手を考えました。
----------------------
これは貝の分布です。
左上に貝が集中しています。
----------------------
これを「貝の等高線」として描いてみると、こんな感じになります。
----------------------
横線を引いて、右下のポイントから順番に貝を探していきます。
最初は、0個。
左に移動して、3個d(^-^)→もっと左に移動してみよう!
更に左に移動して、4個d(^-^)→もっと左に移動してみよう!
更に左に移動して、3個(^^;)→こりゃダメだ。元に戻ろう。
ということで、4個のポイントに戻ってきました。
----------------------
次に縦線を引いて、沖(上)に向かって同じように貝を探していきます。
沖(上)に移動して、5個d(^-^)→もっと沖(上)に移動してみよう!
更に沖(上)に移動して、9個d(^-^)→たくさんの貝を拾うことができました!
このように探索する方法を「1因子実験」といいます。
こうやって探索すると、最適(貝)に到達することが可能です。
----------------------
「X座標」を「制御因子A」
「Y座標」を「制御因子B」
とすると、最適化実験に例えることが出来ます。
こうやって、最適(解)に到達出来るのです。
ただし、現実はそう甘くはありません。
----------------------
左のような貝の分布は、「交互作用が小さい場合」です。
この分布であれば、すんなりと最適貝に到達出来ます。
----------------------
しかし、右のような貝の分布の場合、すなわち、局所(貝)が多くあるような場合は、すんなりと最適貝に到達することが難しくなります。
このように、局所(貝)が多くあるよう分布の状態を「交互作用が大きい」と言います。
----------------------
「交互作用が小さい場合」は、1因子実験ですんなりと最適解に到達出来ます。
----------------------
「交互作用が大きい場合」は、どうでしょうか?
1因子実験をしてみると、右下にある局所貝にしか到達出来ないことが分かります。
----------------------
貝が多くある「左上の局所貝」に到達するにはどうしたらいいでしょうか?
----------------------
貝が多くある「左上の局所貝」に到達するには、先ほど説明した「総当たり」での探索をする必要があるのです。
9ポイントの総当たりならば、ちょっと頑張ってトライしてみるのもいいでしょう。
しかし、制御因子が増えるとどうなるでしょうか?
----------------------
制御因子が3つの場合、総当たりでは「27箇所」の探索になります。
制御因子が4つの場合、総当たりでは「81箇所」の探索になります。
このレベルになると、もう無理です。
ということで、L9直交表を使うことにします。
L9直交表では、9箇所の探索で一番の局所貝を探し出せる可能性があるのです。
※直交表実験では、抜け漏れはありますが、結構いい結果(暫定最適条件)が得られる場合が多いです。
----------------------
このように直交表を活用すると、
(交互作用が小さい場合)は、最適解が見つかります。
(交互作用が大きい場合)は、暫定最適条件(暫定最適解)が見つかります。
つまり、直交表を活用することにより、「総当たり的な結果」を必要最小限の実験回数で得ることができるということです。
----------------------
ここまでをまとめてみます。
(交互作用が小さい場合)は、1因子実験で最適解に到達できます。
(交互作用が大きい場合)は、1因子実験で局所解にしか到達できません。
----------------------
しかし、(実験前の段階では)交互作用の大小は不明です。
よって、1因子実験で大丈夫なのかは「不明」なのです。
だから、1因子実験では不安があります。
----------------------
そうかといって、総当たり実験では、制御因子が多い場合は無理です。
ということで、「直交表」を活用して効率的に実験することが重要です。
----------------------
一番残念なのは、貝(解)が全く無いのに「1因子実験」で探し続けることです。
ムダな苦労が積み重なり、途方に暮れます。
それでは、貝(解)が全く無い場合、直交表を使うとどうなるでしょうか?
----------------------
(解が無いケースで)直交表を使うと、要因効果図の傾向はフラットになります。
つまり、「効く制御因子が全く無い」ということです。
----------------------
また、要因効果図の傾向が頭打ちの傾向になるような場合は、「現行条件以上の解は無い」ということになります。
----------------------
ということで、
直交表を使って、「サッと」効率的に、「ザッと」大まかに探索することが大切です。
----------------------
最後になぞかけです。
『潮干狩りとかけて、品質工学と解く』
『その心は?』
『貝(解)を探しています』
----------------------
お後がよろしいようです。
2022-10-29 11:51