Bayes最適化は生産条件探索に有効か？―適用事例による検証―

生産条件の最適解探索は、多数の説明変数、交互作用、実験の交絡などのため、回帰モデル構築は容易ではなく、改善条件を見つけにくい場合がある。本報告では、その代替手法としてBayes最適化を適用し、有効性と限界を検証した結果を紹介する。溶接条件探索にBayes最適化を用いて、回帰モデルの構築なしで、改良条件を見つけることできた。鋳造不良率を最小化する金属含有量の調合例では、Bayes最適化によって、一般化回帰モデルよりも低い不良率の実現条件を、同程度のラン数で求めることができた。セメント粒径最適化では粒径目標20とかけ離れた初期データから2～8回の実験で目標20に到達できた。Reactorの歩留まり最適化の例では、Bayes最適化による最良歩留り率は回帰モデルに比べて20％近く低く、交互作用を含む回帰モデルはBayes最適化よりも有利になる可能性が示唆された。生産条件の改善場面では、実験計画法のような多数の実験は受け入れ難いが、Bayes最適化では逐次的に改善条件が提示されるので、実施の敷居が低い。しかも1回毎の実験で、従来法では得られなかった改善条件を発見できる可能性がある。