요인 실험계획 생성 및 분석(Create & Analyse Factorial DoE)

요인 실험계획 생성은 데이터를 수집하기 전에 실험을 정의하는 설계 생성 단계입니다. 연구할 요인, 각 요인의 수준 수, 해상도, 블록, 반복, 중심점을 포함한 설계의 구조를 지정합니다.

최종 검토

핵심 요점

요인 실험계획 생성은 데이터를 수집하기 전에 실험을 정의하는 설계 생성 단계입니다.

이 페이지 내용
  1. 요인 실험계획 생성이란?
  2. 요인 실험계획 생성은 언제 사용합니까?
  3. 요인 실험계획 생성의 올바른 사용 지침
  4. 대안: 요인 실험계획 생성을 사용하지 않아야 할 때
  5. 요인 실험계획 분석이란?
  6. 요인 실험계획 분석은 언제 사용합니까?
  7. 요인 실험계획 분석의 올바른 사용 지침
  8. 대안: 요인 실험계획 분석을 사용하지 않아야 할 때
  9. 요인 실험계획 생성 및 분석 예제
  10. 요인 실험계획 생성 및 분석 방법

요인 실험계획 생성이란?

요인 실험계획 생성은 데이터를 수집하기 전에 실험을 정의하는 설계 생성 단계입니다. 연구할 요인, 각 요인의 수준 수, 해상도, 블록, 반복, 중심점을 포함한 설계의 구조를 지정합니다. 그러면 도구가 요인 설정의 어떤 조합을 어떤 순서로 시험해야 하는지 정확히 알려 주는 실험 런의 전체 목록을 생성합니다.

이 단계에서 설계를 올바르게 만드는 것이 중요합니다. 잘 구성된 요인 설계는 요인 효과를 정확하게 추정할 수 있게 하고, 교락을 최소화하며, 투입한 자원에서 최대한 유용한 정보를 얻게 해 줍니다.

간단한 정의: 데이터를 수집하기 전에 요인, 설계 구조, 실행 순서를 정의하는 요인 실험의 계획 단계입니다. 잘 설계된 실험은 명확하고 신뢰할 수 있는 답을 줍니다.

요인 실험계획 생성은 언제 사용합니까?

  • 아직 런을 수행하기 전에 새로운 요인 실험을 처음부터 계획 해야 할 때 사용합니다.
  • 연속형, 범주형 또는 혼합형 요인이 2~15개 이고 각 요인의 개별 효과와 교호작용을 연구하려는 경우에 사용합니다.
  • 시간에 따른 영향과 작업자 치우침을 방지하는 무작위화된 구조적 런 목록을 생성 하려는 경우에 사용합니다.
  • 자원이나 시간 제약으로 모든 가능한 조합 중 신중하게 선택한 일부만 시험하는 부분 요인 설계 가 필요한 경우에 사용합니다.

요인 실험계획 생성의 올바른 사용 지침

  • 요인 수준은 현실적이고 실제로 달성 가능하게 정의하십시오. 범위는 실제 효과를 탐지할 수 있을 만큼 넓되, 실험 중에 안전하고 실행 가능한 수준이어야 합니다.
  • 항상 실행 순서를 무작위화 하십시오. 실험을 무작위 순서로 수행하면 시간에 따른 체계적 영향, 설비 예열 추세, 작업자의 숙련 효과가 결과를 치우치게 하는 것을 막을 수 있습니다.
  • 모든 실험에 중심점 을 포함하십시오. 중심점은 비교적 적은 런으로 곡률 탐지와 오차 추정이라는 귀중한 능력을 제공합니다.
  • 여러 날, 교대, 기계 또는 원료 배치에 걸쳐 시험하는 경우와 같이 알려진 교란 변수가 있을 때는 블록을 사용 하여 그 변수가 요인 효과를 부풀려 보이게 하는 일을 방지하십시오.
  • 가장 중요한 정보가 무엇인지에 따라 해상도를 선택 하십시오. 2요인 교호작용이 중요하면 해상도 V를 사용하고, 해상도 III은 규모가 큰 초기 선별 연구에만 허용하십시오.

대안: 요인 실험계획 생성을 사용하지 않아야 할 때

  • 선별할 요인이 15개를 넘으면완전 요인 설계에 투자하기 전에 먼저 확정 선별 설계 생성 및 분석 을 사용하여 중요한 요인을 좁히십시오.
  • 모든 요인이 합이 일정한 총량이 되어야 하는 성분 비율인 경우대신 혼합물 실험계획 생성 및 분석 을 사용하십시오. 표준 요인 설계는 혼합물 제약을 처리할 수 없습니다.
  • 실험이 이미 수행되어 분석할 데이터가 있다면 새 설계를 만들 필요 없이 바로 요인 실험계획 분석 으로 진행하십시오.

요인 실험계획 분석이란?

요인 실험계획 분석은 요인 실험에서 수집한 반응 데이터를 처리하고, 각 요인과 그 교호작용이 반응에 어떤 영향을 주는지 정량화하는 통계 모형을 적합시킵니다. 어떤 효과가 통계적으로 유의한지 식별하고, 각 효과의 크기와 방향을 추정하며, 모형이 데이터를 신뢰할 수 있게 설명하는지 확인하기 위한 진단 그림과 요약 통계량을 생성합니다.

이 분석은 원시 실험 측정값을 실행 가능한 지식으로 바꿔 줍니다. 어떤 요인이 반응을 실제로 좌우하는지, 얼마나 영향을 주는지, 그리고 요인을 개별적으로 연구해서는 드러나지 않을 방식으로 요인들이 함께 작용하는지를 알려 줍니다.

요인 실험계획 분석은 언제 사용합니까?

  • 계획한 모든 실험 런을 완료 하고 모든 반응 측정값을 기록한 후에 사용합니다.
  • 어떤 요인이 통계적으로 유의한 효과 를 가지며, 향후 공정 관리에서 안심하고 무시할 수 있는 요인이 무엇인지 파악할 때 사용합니다.
  • 무엇이 중요한지뿐 아니라 그것을 조정하면 반응이 얼마나 변하는지 알 수 있도록 각 효과의 크기와 방향 을 정량화할 때 사용합니다.
  • 한 요인의 영향이 다른 요인의 수준에 따라 달라지는 요인 간 교호작용 을 탐지할 때 사용합니다.

요인 실험계획 분석의 올바른 사용 지침

  • 효과를 해석하기 전에 항상 잔차 그림을 검토 하십시오. 진단 검사를 통과하지 못한 모형으로 결론을 도출하거나 권고를 해서는 안 됩니다.
  • 교호작용 항이 유의하다면 해당 교호작용에 포함된 모든 주효과가 개별적으로는 유의하지 않더라도 유지하는 계층적 모형 구축 을 사용하십시오.
  • 효과가 통계적으로 탐지되더라도 공정에 실질적으로 의미가 없을 만큼 작을 수 있으므로 통계적 유의성과 함께 실질적 유의성 도 고려하십시오.
  • 공정을 변경하기 전에 예측된 최적 조건에서 확인 실험 으로 최종 모형을 검증하십시오. 모형은 예측일 뿐 보장이 아닙니다.
  • 중심점으로 곡률이 탐지되면 곡선 관계를 제대로 반영하는 반응 표면 모형을 적합시키기 위해 축점을 추가하여 설계를 확장 하는 것을 고려하십시오.

대안: 요인 실험계획 분석을 사용하지 않아야 할 때

  • 실험이 확정 선별 설계로 생성되었다면 대신 확정 선별 설계 생성 및 분석 을 사용하십시오. 이는 DSD 데이터 구조에 맞게 특별히 최적화된 알고리즘을 사용합니다.
  • 실험이 혼합물 설계였다면 대신 혼합물 실험계획 생성 및 분석 을 사용하십시오. 표준 요인 분석은 혼합물 제약을 올바르게 처리하지 못합니다.

요인 실험계획 생성 및 분석 예제

단계는 다음과 같습니다.

  1. 오른쪽 패널의 Design & Analysis Inputs에 필요한 데이터를 입력합니다.
Create & Analyse Factorial DOE — figure 1

2. 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.

3. Create & Analyse Factorial DoE를 찾으려면 다음을 선택합니다: Statistical module> DOE>Create & Analyse Factorial DoE.

4. Step 1을 클릭합니다. 필요한 옵션이 기본 설정으로 채워집니다.

5. Step 2를 클릭합니다. 왼쪽 패널의 Designed Experiments & Results에 설계 행렬이 생성됩니다. 반응(결과) 변수를 설계 행렬의 끝에 새 열로 추가합니다.

6. 오른쪽 패널의 Design & Analysis Inputs에서 Responses 옵션을 찾습니다. 새로 추가한 결과 변수 열을 선택하여 반응 변수로 정의합니다.

7. 실험 요구 사항에 따라 필요한 교호작용 항 을 선택합니다.

8. Step 3 를 클릭하여 설계한 실험의 분석을 수행합니다.

Create & Analyse Factorial DOE — figure 2

9. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

Create & Analyse Factorial DOE — figure 3Create & Analyse Factorial DOE — figure 4Create & Analyse Factorial DOE — figure 5

요인 실험계획 생성 및 분석 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> DOE>Create & Analyse Factorial DoE를 선택합니다.
  3. 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣거나(Ctrl+V), Load Example 옵션을 사용하여 예제 데이터를 로드합니다.
  4. 다음으로, 필요한 옵션을 입력합니다.
  5. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

요인 실험계획 생성 및 분석 도구 화면은 두 부분으로 나뉩니다.

Create & Analyse Factorial DOE — figure 6

왼쪽 부분에는 Designed Experiments & Results가 있습니다. Designed Experiments & Results에는 실험 설계가 생성됩니다.

오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

Load example: 미리 만들어 둔 예제 데이터 집합을 로드하여, 자신의 데이터를 입력하기 전에 도구를 살펴보고 작업 흐름을 이해할 수 있습니다.

  • Step 1: Fetch Design Options : 위에서 설명한 옵션을 자동으로 채웁니다.
    Step 2: Create Designed Experiments: 왼쪽 패널(Designed Experiments & Results)에 실험 설계를 생성합니다.
    Step 3: Analyse Experiments
    • Resolution: 교락 없이 부분 요인 설계가 추정할 수 있는 정보의 양을 정의합니다. 해상도가 높은 설계는 주효과와 교호작용을 더 깨끗하게 분리하지만 더 많은 런이 필요합니다.

      1. 완전 요인 설계(Full Factorial Design, 전체 실시)

      완전 요인 설계는 요인 수준의 가능한 모든 조합을 시험하는 실험 설계입니다.

      주요 특성

      장점

      단점

      예제

      각각 2수준인 요인 3개(A, B, C)의 경우:
      총 런 수 = 2³ = 8

      2. 부분 요인 설계(Fractional Factorial Design, 반분 실시 – 1/2 부분 실시)

      반분 실시 설계(1/2 부분 실시)는 완전 요인 설계의 전체 런 중 절반만 수행하는 부분 요인 설계의 한 유형입니다.

      주요 특성

      장점

      단점

      예제

      요인 3개(A, B, C)의 경우:
      완전 요인 설계 = 8런
      반분 실시 = 2³⁻¹ = 4런
      • 각각 2수준인 요인이 k개이면 총 런 수는 다음과 같습니다.
        2ᵏ
      • 요인 간 가능한 모든 교호작용 을 평가합니다.
      • 제공하는 정보는 완전하고 교락되지 않았습니다.
      • 별명 관계로 인한 정보 손실이 없습니다.
      • 정확도가 가장 높습니다.
      • 모든 주효과 와 교호작용 효과 를 독립적으로 추정할 수 있습니다.
      • 해석에 모호함이 없습니다.
      • 요인 수가 늘어나면 런 수가 급격히 증가합니다.
      • 경우에 따라 시간과 비용이 많이 들수 있습니다.
      • 요인이 k개이면 런 수는 다음과 같습니다.
        2ᵏ⁻¹
      • 실험 런 수를 50%줄입니다.
      • 체계적으로 선택한 일부 조합 을 사용합니다.
      • 일부 효과는 다른 효과와 교락(별명 관계) 됩니다.
      • 시간과 비용을 절약할 수 있도록 더 적은 실험이 필요합니다.
      • 실험 초기 단계(중요한 요인 선별)에 유용합니다.
      • 일부 효과는 분리할 수 없습니다( 별명 관계로 인해).
      • 완전 요인 설계에 비해 해석이 덜 명확할 수 있습니다.
    • Centre Points per Block: 각 블록 안에 추가되는, 모든 요인 범위의 중간점에서의 런 수입니다. 중심점은 추가 요인 조합 없이도 반응의 곡률을 탐지하고 실험 오차의 독립적인 추정값을 제공하는 데 도움이 됩니다.
    • Replicates for Corner Points: 각 모서리점(요인의 극단 조합)을 반복하는 횟수입니다. 반복을 추가하면 효과 추정의 정밀도가 높아지고 오차 추정이 더 신뢰할 수 있게 되지만, 필요한 총 런 수가 늘어납니다.
    • Blocks: 예를 들어 날짜, 작업자 또는 설비별로 같은 조건에서 수행하는 런을 그룹으로 나눕니다. 블록화는 알려진 변동 원인을 분석에서 제거하여 요인 효과를 더 깨끗하게 추정할 수 있게 합니다.
    • Responses: 실험 중에 수집할 반응 변수(출력 측정값)를 추가합니다. 이 변수는 워크시트에서 설계 행렬의 마지막 열 바로 뒤에 새 열로 입력해야 합니다. 반응 열을 추가한 후에는 출력 변수인 새로 추가한 열을 Responses 옵션으로 선택합니다. 이렇게 하면 실험 결과가 정의된 반응과 올바르게 연결되어 이후 분석에 사용됩니다.
    • Select Terms: 분석 모형에 포함할 모형 항(주효과, 2요인 교호작용, 이차 효과)을 선택합니다. 기본적으로 주효과가 포함되며, 요인들이 서로 영향을 줄 것으로 예상되면 교호작용 항을 추가합니다.
    • 생성한 설계에 대한 분석을 생성합니다.
  • Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.

자주 묻는 질문

완전 요인 설계와 부분 요인 설계는 어떻게 다릅니까?

완전 요인 설계는 요인 수준의 모든 조합을 시험합니다. 2수준 요인 k개이면 2ᵏ런이며, 모든 주효과와 교호작용을 교락 없이 완전하게 추정합니다. 반분 실시는 절반인 2ᵏ⁻¹런을 수행하여 시간과 비용을 절약하지만, 일부 효과가 교락(별명 관계)되어 분리할 수 없습니다.

요인 실험계획은 언제 사용해야 합니까?

연속형, 범주형 또는 혼합형 요인이 2~15개인 실험을 계획하고 각 요인의 개별 효과와 교호작용을 연구하려는 경우에 사용합니다. 자원이나 시간 때문에 런 수가 제한되면 부분 요인 설계를 선택하십시오. 요인이 15개를 넘으면 먼저 확정 선별 설계로 선별하고, 성분 비율에는 혼합물 설계를 사용하십시오.

요인 설계에 중심점, 반복, 블록을 추가하는 이유는 무엇입니까?

중심점은 비교적 적은 런으로 곡률을 탐지하고 실험 오차의 독립적인 추정값을 제공합니다. 모서리점을 반복하면 효과 추정의 정밀도가 높아집니다. 블록은 날짜, 작업자, 기계와 같이 같은 조건에서 수행한 런을 묶어, 알려진 교란 변수가 요인 효과를 부풀려 보이게 하지 않도록 합니다.

요인 실험은 어떻게 분석합니까?

Zometric Statistical Software에서 Step 1은 설계 옵션을 가져오고 Step 2는 설계 행렬을 생성합니다. 끝에 반응 열을 추가하고 Responses로 선택한 다음, 모형 항을 고르고 Step 3를 클릭하여 분석합니다. 효과를 해석하기 전에 잔차 그림을 검토하고, 유의한 교호작용에 포함된 주효과는 유지하며, 확인 실험으로 예측된 최적 조건을 확인하십시오.