혼합물 실험계획 생성 및 분석(Mixture DOE)
0. 혼합물 실험에서는 합계를 고정하려면 한 성분을 늘릴 때마다 적어도 다른 성분 하나를 그만큼 줄여야 하므로, 한 성분을 다른 성분과 독립적으로 변경할 수 없습니다.
최종 검토
핵심 요점
혼합물 실험계획 생성은 연구 대상 요인이 합계가 100% 또는 1.0과 같은 고정된 상수가 되어야 하는 성분 비율일 때 사용하는 실험 설계를 생성합니다.
이 페이지 내용
혼합물 실험계획 생성이란?
혼합물 실험계획 생성은 연구 대상 요인이 합계가 일반적으로 100% 또는 1.0인 고정된 상수가 되어야 하는 성분 비율일 때 사용하는 실험 설계를 생성합니다. 혼합물 실험에서는 합계를 고정하려면 한 성분을 늘릴 때마다 적어도 다른 성분 하나를 그만큼 줄여야 하므로, 한 성분을 다른 성분과 독립적으로 변경할 수 없습니다.
표준 요인 설계로는 이 제약을 다룰 수 없습니다. 혼합물 설계는 심플렉스 격자(Simplex Lattice), 심플렉스 중심(Simplex Centroid), 극단 꼭짓점(Extreme Vertices)과 같은 특수한 설계 구조를 사용하여 실행 가능한 성분 공간을 올바르게 탐색하며, 모든 실행에서 혼합물 제약을 충족하는 설계점을 만들어 냅니다.
간단한 정의: 레시피와 배합 실험을 위한 설계 계획 단계입니다. 합계가 항상 요구되는 총합이 되는 성분 조합의 구조화된 집합을 생성하여, 제품 성능을 최적화하는 이상적인 배합을 찾을 수 있게 합니다.
혼합물 실험계획 생성은 언제 사용합니까?
- 요인이 페인트 배합, 식품 레시피, 의약 화합물, 화학 블렌드와 같이 합계가 고정된 상수가 되어야 하는 성분 비율 을 나타낼 때 사용합니다.
- 성분의 상대 비율 변화 가 제품 품질, 성능 또는 특성에 어떤 영향을 미치는지 파악하려는 경우에 사용합니다.
- 한 성분이 배합의 최소 15% 이상 최대 50% 이하여야 하는 경우처럼, 성분에 상한 및 하한 제약 이 있을 때 사용합니다.
- 혼합 속도나 온도와 같은 공정 변수 도 혼합물 성분과 함께 반응에 영향을 미치는 경우에 사용합니다.
혼합물 실험계획 생성의 올바른 사용 지침
- 모든 실험 실행에서 성분 비율이 정해진 합계와 정확히 일치 하도록 하십시오. 제약에서 벗어나면 유효하지 않은 데이터가 만들어집니다.
- 설계 유형을 선택하기 전에 각 성분의 현실적인 상한과 하한 을 설정하십시오. 실행 불가능하거나 지나치게 엄격한 제약은 비어 있거나 비현실적인 실험 공간을 만들 수 있습니다.
- 성분 제약이 있을 때는 Extreme Vertices 를 사용하고, 제약 없는 전체 공간에 접근할 수 있는 경우에만 Simplex Lattice 또는 Centroid를 사용하십시오.
- 배합을 가능한 한 정확하게 준비하십시오. 성분 비율의 작은 오차는 실행을 거치며 누적되어 모형의 신뢰성을 떨어뜨립니다.
- 측정 순서, 장비 드리프트, 분석자 효과로 인한 체계적인 치우침을 방지하기 위해 배합 준비와 시험의 순서를 무작위화하십시오.
대안: 혼합물 실험계획 생성을 사용하지 않아야 할 때
- 요인이 합계가 상수가 되는 비율이 아니라 독립적인 공정 변수인 경우에는 다음을 사용하십시오: 요인 실험계획 생성 또는 확정 선별 설계 생성
- 요인에 혼합물 성분과 공정 변수가 모두 포함되어 있지만 이를 따로 분석하려는 경우에는, 먼저 혼합물 성분과 공정 성분을 독립적으로 설계한 다음 결합하십시오.
혼합물 실험계획 분석이란?
혼합물 실험계획 분석은 혼합물 실험에서 수집한 반응 데이터에 Scheffé 다항식이라는 특수한 혼합물 회귀 모형을 적합시킵니다. 표준 회귀와 달리 혼합물 모형은 모든 성분 비율의 합이 상수가 되어야 한다는 제약을 올바르게 반영하며, 개별 성분과 그 쌍별 또는 고차 블렌딩 조합이 반응에 어떤 영향을 미치는지 추정합니다.
이 분석은 어떤 성분과 블렌딩 교호작용이 유의한지 파악하고, 혼합물 공간 전체의 반응 표면을 시각화하는 등고선 그림과 추적 그림을 만들며, 이상적인 배합을 찾기 위해 Response Optimizer를 실행하는 데 필요한 적합된 모형을 생성합니다.
혼합물 실험계획 분석은 언제 사용합니까?
- 준비한 배합의 모든 반응 측정값을 기록하여 혼합물 설계 실험 을 완료한 후에 사용합니다.
- 어떤 성분과 성분 조합 이 반응에 유의한 영향을 미치는지 파악하는 데 사용합니다.
- 배합 공간에서 최상과 최악의 반응이 나타나는 위치를 보여 주는 등고선 그림으로 혼합물 공간 전체의 반응 표면 을 시각화하는 데 사용합니다.
- 최적 배합 조성을 찾기 위해 Response Optimizer에 입력할 예측 모형 을 구축하는 데 사용합니다.
혼합물 실험계획 분석의 올바른 사용 지침
- 과학적으로 타당한 가장 단순한 모형 으로 시작하십시오. 먼저 Linear, 블렌딩 효과가 예상되면 Quadratic, 세 성분 간의 강한 시너지가 의심될 때만 Special Cubic을 사용합니다.
- 결과를 해석하기 전에 잔차 그림을 철저히 확인하십시오. 잔차가 무작위가 아닌 모형은 배합을 최적화하는 데 사용해서는 안 됩니다.
- 모형 적합도를 평가하기 위해 R-제곱과 수정 R-제곱 을 사용하십시오. 좋은 혼합물 모형은 의미 있는 반응에 대해 일반적으로 R-제곱 0.80 이상을 달성합니다.
- 양산으로 넘어가기 전에 모형이 찾아낸 최적 배합을 독립적인 확인용 배합 으로 검증하십시오. 예측은 항상 실험으로 확인해야 합니다.
- 공정 변수가 포함된 경우, 혼합물 항과 공정 변수 항 모두 의 유의성을 확인하고 한쪽을 희생하면서 다른 쪽을 단순화하지 마십시오.
대안: 혼합물 실험계획 분석을 사용하지 않아야 할 때
- 데이터가 혼합물 설계가 아니라 표준 요인 실험에서 나온 경우에는 대신 요인 실험계획 분석 을 사용하십시오. Scheffé 모형은 제약 없는 요인 데이터에는 적합하지 않습니다.
- 반응이 이항 또는 범주형인 경우에는 표준 혼합물 모형 대신 로지스틱 회귀 방식 을 사용하십시오.
혼합물 실험계획 생성 및 분석 예제
단계는 다음과 같습니다.
- 오른쪽 패널의 Design & Analysis Inputs에 필요한 데이터를 입력합니다.

2. 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
3. Create & Analyse Mixture DoE를 찾으려면 다음 메뉴를 선택합니다: Statistical module> DOE>Create & Analyse Mixture DoE.
4. Step 1을 클릭합니다. 왼쪽 패널의 Designed Experiments & Results아래에 혼합물 설계 행렬이 생성됩니다. 혼합물 설계 행렬의 끝에 반응(결과) 변수를 새 열로 추가합니다.
5. 오른쪽 패널의 Design & Analysis Inputs아래에서 Responses 옵션을 찾습니다. 새로 추가한 결과 변수 열을 선택하여 반응 변수로 지정합니다.
6. 실험 요구 사항에 따라 필요한 교호작용 항 을 선택합니다.
7. Step 2 를 클릭하여 설계된 실험의 분석을 수행합니다.

8. 위 도구를 사용한 후, 다음과 같은 출력을 얻습니다.


혼합물 실험계획 생성 및 분석 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> DOE>Create & Analyse Mixture DoE를 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 엑셀 시트의 데이터를 전부 복사(Ctrl+C)하거나 붙여넣습니다(Ctrl+V).
- 다음으로, 필요한 옵션을 입력해야 합니다.
- 이어서 Step 1을 클릭합니다. 왼쪽 패널의 Designed Experiments & Results아래에 혼합물 설계 행렬이 생성됩니다. 혼합물 설계 행렬의 끝에 반응(결과) 변수를 새 열로 추가합니다.
- 오른쪽 패널의 Design & Analysis Inputs아래에서 Responses 옵션을 찾습니다. 새로 추가한 결과 변수 열을 선택하여 반응 변수로 지정합니다.
- 실험 요구 사항에 따라 필요한 교호작용 항 을 선택합니다.
- 이어서 Step 2 를 클릭하여 설계된 실험의 분석을 수행합니다.
Create & Analyse Mixture DoE의 도구 화면은 두 부분으로 나뉘어 있습니다.

왼쪽 부분에는 Designed Experiments & Results가 있습니다. Designed Experiments & Results에서는 실험 설계가 생성됩니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Component Variable Table: 혼합물의 각 성분을 정의하는 곳입니다. 각 행은 배합의 한 성분을 나타내며, 각 열은 해당 성분의 특정 속성을 나타냅니다.
- Name: 각 성분에 지정하는 레이블이며, 예를 들어 Water, Resin, Hardener, Pigment와 같은 이름입니다. 설계 워크시트와 출력 그래프를 쉽게 읽고 해석할 수 있도록 명확하고 설명적인 이름을 사용하십시오.
- Low / High: 이 변수를 시험할 최소 및 최대 수준입니다(코딩된 값의 기본값은 0과 1입니다).
- 하한의 합은 1.0보다 작아야 합니다 — 모든 성분에 필요한 최소량의 합이 이미 100%를 초과하면 유효한 배합이 존재하지 않아 설계를 생성할 수 없습니다. 예를 들어 성분 세 개의 하한이 각각 0.40이면 최소량만의 합이 1.20이 되어 불가능합니다.
- 상한의 합은 1.0보다 커야 합니다 — 모든 성분에 허용되는 최대량의 합이 100%보다 작으면 마찬가지로 유효한 배합을 만들 수 없습니다. 예를 들어 성분 세 개의 상한이 각각 0.30이면 최대량의 합은 0.90에 그쳐 나머지 0.10을 채울 수 없습니다.
- Process Variable Table (Optional): 혼합물 성분 외에 혼합 시간, 가공 온도, 경화 압력과 같은 독립적인 공정 조건이 실험에 포함된다면 그 변수를 여기에 정의합니다. 이 도구는 혼합물 설계를 공정 변수의 요인 구조와 결합하여, 성분 블렌딩 효과와 공정 효과를 동시에 추정하는 혼합물-공정 결합 설계를 만듭니다. 이 섹션은 혼합 속도, 온도, 경화 시간, 압력과 같은 독립적인 공정 조건이 혼합물 성분과 함께 실험에 포함된 경우에만 채우면 됩니다. 각 공정 변수에는 세 가지 입력이 필요합니다.
실험에 성분 비율만 있고 공정 조건이 없다면 이 섹션을 완전히 비워 두고 아래의 설계 유형 선택으로 바로 진행하십시오. - Name — 변수의 의미 있는 레이블(예: Temperature, Speed)
- Low / High — 이 변수를 시험할 최소 및 최대 수준(코딩된 값의 기본값은 -1과 +1)
- Factorial Design: 공정 변수를 추가하면 이 드롭다운이 가능한 모든 공정 변수 조합 중 실제로 시험할 비율을 제어합니다. 사용 가능한 옵션은 전적으로 입력한 공정 변수의 수 에 따라 달라지며, 도구가 변수 수에 대해 통계적으로 유효한 비율만 표시하도록 드롭다운을 자동으로 갱신합니다.
입력한 공정 변수 수에 따라 옵션이 표시되는 방식은 다음과 같습니다.
입력한 공정 변수 수사용 가능한 Factorial Design 옵션
변수 1개
Full factorial만
변수 2개
Full factorial만
변수 3개
Full factorial, Half factorial
변수 4개
Full factorial, Half factorial
변수 5개
Full factorial, Half factorial, Quarter factorial
변수 6개
Full factorial, Half factorial, Quarter factorial, Eighth factorial
변수 7개
Full factorial, Half factorial, Quarter factorial, Eighth factorial, Sixteenth factorial
왜 이렇게 됩니까?
일부실시 요인 설계는 나눌 만큼 변수가 충분할 때만 통계적으로 의미가 있습니다. 공정 변수가 1개 또는 2개일 때 완전 요인 설계는 2회 또는 4회 실행에 불과하여 의미 있게 일부만 실시할 대상이 없습니다. 변수 수가 늘어날수록 중요한 정보를 잃지 않고 나눌 수 있을 만큼 요인 조합이 충분해지므로 더 많은 비율을 사용할 수 있습니다.
각 요인 설계 옵션의 의미 - Full Factorial: 공정 변수 수준의 가능한 모든 조합을 시험합니다. 공정 변수 3개가 각각 2수준이면 8회 실행입니다. 모든 주효과와 교호작용에 대한 완전한 정보를 제공합니다. 변수 수와 관계없이 항상 사용할 수 있습니다.
- Half Factorial: 가능한 조합의 절반을 시험합니다(비율 = 1/2). 완전 요인 설계에 비해 실행 횟수가 50% 줄어듭니다. 일부 2요인 교호작용이 주효과와 교락됩니다. 변수 3개부터 사용할 수 있습니다.
- Quarter Factorial: 가능한 조합의 4분의 1을 시험합니다(비율 = 1/4). 실행 횟수가 75% 줄어듭니다. 교락이 더 많이 발생하지만 주효과는 여전히 추정할 수 있습니다. 변수 5개부터 사용할 수 있습니다.
- Eighth Factorial: 가능한 조합의 8분의 1을 시험합니다(비율 = 1/8). 매우 간소하며, 공정 변수가 많고 실행 횟수를 최소로 유지해야 할 때 초기 선별에 주로 유용합니다. 변수 6개부터 사용할 수 있습니다.
- Sixteenth Factorial: 가능한 조합의 16분의 1을 시험합니다(비율 = 1/16). 사용할 수 있는 가장 극단적인 감소입니다. 일반적으로 주효과만 깔끔하게 추정할 수 있으며 교호작용은 심하게 교락됩니다. 공정 변수를 7개 이상 입력한 경우에만 사용할 수 있습니다.
- Type Of Designs:
- Simplex Lattice: 혼합물 심플렉스 전반에 걸쳐 일정한 간격의 비율로 설계점을 배치하며, 선택한 차수에 따라 순수 성분, 2성분 블렌드, 3성분 블렌드 등이 포함됩니다. 차수가 높을수록 설계점이 많아지고 적합할 수 있는 블렌딩 모형이 복잡해집니다. 성분 제약이 없는 전체 혼합물 공간을 연구하는 데 가장 적합합니다.
- Lattice Degree: 각 성분이 가질 수 있는 비율 값(0에서 1까지)의 수를 제어하며, 설계의 복잡도와 적합할 수 있는 모형을 결정합니다.
- Degree 2 — 값: 0, ½, 1. 2차 모형을 적합시킵니다. 쌍별 블렌딩 효과가 주된 관심사인 초기 연구에 가장 적합합니다.
- Degree 3 — 값: 0, ⅓, ⅔, 1. 특수 3차 모형을 적합시킵니다. 세 성분 간 교호작용이 의심될 때 사용합니다.
- Degree 4 — 값: 0, ¼, ½, ¾, 1. 4차 모형을 적합시킵니다. 매우 비선형적인 블렌딩이 확인된 경우에만 사용하며 거의 필요하지 않습니다.
- Axial Points: 각 성분의 순수 꼭짓점과 중심점의 중간에 위치하며, 한 성분은 높고 나머지는 균등하게 나눕니다.
- 포함하는 경우: 성분이 3~5개인 Degree 2를 사용하거나, 순수 꼭짓점을 구현할 수 없거나, 중심점 영역의 예측을 개선해야 할 때입니다.
- 제외하는 경우: 실행 횟수를 최소화하거나, 이미 Degree 3/4이거나, 성분이 6개 이상이거나, 엄격한 제약으로 축점을 구현할 수 없을 때입니다(대신 Extreme Vertices를 사용하십시오).
- Simplex Centroid: 순수 성분 꼭짓점, 각 2성분 블렌드의 중간점, 각 3성분 블렌드의 중심, 그리고 전체 혼합물 중심에 설계점을 포함합니다. 이 설계는 전체 혼합물 공간을 고르게 포괄하며, 성분 쌍과 성분 그룹이 어떻게 상호작용하는지 포착하는 모형의 적합을 지원합니다. 성분 제약이 없을 때 가장 적합합니다.
- Axial Points: 각 성분의 순수 꼭짓점과 중심점의 중간에 위치하며, 한 성분은 높고 나머지는 균등하게 나눕니다.
- 포함하는 경우: 성분이 3~5개인 Degree 2를 사용하거나, 순수 꼭짓점을 구현할 수 없거나, 중심점 영역의 예측을 개선해야 할 때입니다.
- 제외하는 경우: 실행 횟수를 최소화하거나, 이미 Degree 3/4이거나, 성분이 6개 이상이거나, 엄격한 제약으로 축점을 구현할 수 없을 때입니다(대신 Extreme Vertices를 사용하십시오).
- Extreme Vertices: 하나 이상의 성분에 상한 또는 하한 제약이 있어 실행 가능한 혼합물 영역이 전체 심플렉스의 부분 공간으로 제한될 때 사용합니다. 설계점은 이 제약된 실행 가능 영역의 모서리(꼭짓점), 변의 중간점, 중심에 배치되어 실험이 실제로 구현 가능한 배합만 탐색하도록 보장합니다. 성분 제약이 있을 때 올바른 선택입니다.
- Responses: 점도, 경도, 수율, 유통 기한과 같이 준비한 배합에서 측정할 각 출력 변수의 이름과 단위를 입력합니다. 동일한 실험 배합 집합에서 여러 반응을 기록할 수 있어, 하나의 실험으로 여러 제품 특성을 동시에 최적화할 수 있습니다.
- Select Terms: 최종 분석에 포함할 혼합물 모형 항을 선택합니다. 일반적인 선택은 Linear(1차 블렌딩)와 Quadratic(쌍별 블렌드 교호작용)입니다. 과학적으로 타당한 가장 단순한 모형으로 시작하고, 데이터가 뒷받침할 때만 확장하십시오.
자주 묻는 질문
혼합물 설계란 무엇입니까?
혼합물 설계는 요인이 페인트 배합, 식품 레시피, 의약 화합물, 화학 블렌드처럼 합계가 일반적으로 100% 또는 1.0인 고정된 값이 되어야 하는 성분 비율인 실험입니다. 한 성분을 늘리면 다른 성분을 줄여야 하므로 표준 요인 설계로는 이 제약을 다룰 수 없습니다.
어떤 혼합물 설계를 선택해야 합니까?
심플렉스 격자는 일정한 간격의 비율에 점을 배치하며, 격자 차수(2, 3 또는 4)가 적합할 수 있는 모형을 결정합니다. 심플렉스 중심은 순수 성분, 2성분 중간점, 3성분 중심, 전체 중심을 사용합니다. 둘 다 제약 없는 전체 혼합물 공간에 적합합니다. 성분에 실행 가능 영역을 제한하는 상한 또는 하한이 있을 때는 극단 꼭짓점을 사용하십시오.
혼합물 실험을 분석하는 데 어떤 모형을 사용합니까?
분석에서는 비율의 합이 상수라는 제약을 반영하고 개별 성분과 그 블렌딩 조합이 반응에 미치는 영향을 추정하는 Scheffé 다항식을 적합시킵니다. 타당한 가장 단순한 모형으로 시작하십시오. 먼저 1차, 블렌딩 효과가 예상되면 2차, 세 성분 간의 강한 시너지가 의심될 때만 특수 3차를 사용합니다.
성분 한계는 어떤 제약을 충족해야 합니까?
하한의 합은 1.0보다 작아야 하고 상한의 합은 1.0보다 커야 하며, 그렇지 않으면 유효한 배합이 존재하지 않습니다. 예를 들어 하한이 각각 0.40인 성분 세 개는 합이 1.20이 되어 불가능합니다. 온도와 같은 공정 변수를 추가할 수 있으며 요인 구조로 혼합물 설계와 결합됩니다.
