728x90
💡 최소 실험횟수로 최대 정보를 얻을 수 있는가를 계획하는 것
- 입력변수(X), 출력변수(Y)
- 입력변수 (X) : 인자(Factor). 수준별로 분류
- 출력변수(Y) : 반응(Response). 입력 변수의 영향, 효과, 특성치(결과치)
- 인자 (Factor)
- 특성치에 영향을 주는 입력변수(X)
- 데이터 산포에 영향을 준다고 생각되는 원인들 中 실험에서 직접 취급되는 원인
- 계량인자 : 온도, 압력, 농도, 속도, 시간
- 계수인자 : 촉매 종류, 원료 종류, 업체 등
- 수준 (Level)
- 실험을 하기 위한 인자의 조건
- 계량인자 : 흥미 영역의 최대치와 최소치로 결정. 등간격으로 나눔 (ex : 100℃, 200℃)
- 계수인자 : 인자가 갖는 종류 만큼 수준수로 취함 (ex : 원료A, 원료B)
- 반복 (Replication)
- 실험에 취급되는 인자들의 동일한 수준조합에서 2회 이상 실험이 행해지는 것
- 실험의 재현성을 알아보기 위한 실험, 실험 오차 추정에 필수
- 중복 (Repetition)
- 한 실험 조건에서 여러 개 대상을 측정하는 실험(측정된 평균 값 이용)
- 실험 과정 상에서 발생할 수 있는 측정 오차 최소화
- 교락 (Confounding)
- 2개 이상의 요인 효과(주효과 또는 교호작용)를 구별할 수 없도록 계획적으로 조합하는 것
- 두 요인의 효과가 서로 섞여 분리할 수 없음
- 주효과 (Main Effect)
- 각 입력변수의 한 수준에서 다른 수준으로 변화할 때에 수준간의 차이로 일어나는 출력 변수의 변화 평균치
- 교호작용 (Interaction)
- 2인자 이상의 특정한 인자 수준의 조합에서 일어나는 효과
- 어떤 인자 A의 효과가 다른 인자 B의 수준 변화에 따라 변화하는 경우
실험계획법 기본원리
- 랜덤화의 원리
- 뽑혀진 인자 외 기타 원인들의 영향이 실험결과에 편의되는 것을 없애기 위한 방안
- 실험 순서 랜덤
- 실험 요인으로 고려한 요인 외 다른 숨겨진 요인(시간)이 실험에 중요한 영향을 끼치는지 확인
- 랜덤하게 실험을 진행하는 이유 : 고려하지 않은 용인의 영향이 모든 실험 조건에 고르게 영향을 끼쳐 서로 상쇄시키기 위함
- 뽑혀진 인자 외 기타 원인들의 영향이 실험결과에 편의되는 것을 없애기 위한 방안
- 반복의 원리
- 2회 이상 반복하여 실험하는 것이 실험 결과의 신뢰를 높일 수 있음
- 오차항의 자유도를 크게 해줄 수 있으며, 오차 분산이 정도 좋게 추정됨으로 실험결과 신뢰를 높일 수 있음
- 블록의 원리
- 관심 밖의 요인을 블록으로 간주하고, 이를 고려하여 실험 요인의 영향이 어떻게, 얼마나 반응요인에 끼치는지 좀더 정밀하게 추정하는 방법
- 직교화의 원리
- 요인간 직교성을 갖도록 실험을 계획하여 데이터를 구하면 같은 실험 횟수라도 검출력이 더 좋은 검정을 할 수 있고, 정도가 더 높은 추정을 할 수 있음
- 교락의 원리
- 구할 필요가 없는 2인자 교호작용이나 고차의 교호작요을 블록과 교락시키는 방법으로 검출할 필요가 없는 요인이 블록의 효과와 교락되게 함으로써 실험 효율을 높일 수 있음
실험계획법 종류
- Full Factorial Design 요인배치법
- 일원, 이원, 다원배치법
- 2^n, 3^n 요인배치법
- Fractional Factorial Experiment 일부실시요인실험
- 일부실시법(부분배치법)
- 직교배열법
- Response Surface Desgin 반응표면계획법
- 중심합성계획
- EVOP, 심플렉스법
- Mixture Design 혼합물 실험계획법
- 중심형, 격자형
- 꼭지점
- Taguchi Method 다구찌 실험계획법
- 파라미터 설계
- 허용차 설계
실험계획법 단계
- 요인선별 단계 (Screening) : 다수의 입력변수들 중 소수의 주요 입력인자 선별
- 특성화 단계 (Characterization) : 주요 입력변수들의 출력변수에 끼치는 특성 파악
- 최적화 단계 (Optimization) : 최적 조건을 도출하는 단계
실험계획법 순서
- 실험 목적 선정
- 해결해야 할 문제를 명확하게 파악
- 실험으로부터 얻고자 하는 목적의 명확한 설정
- 특성치의 선택
- 특성치가 계수형인지 계량형인지?
- 개선의 목적은 무엇인가? (평균/산포)
- MSA가 적절한가?
- 실험 관련 모든 반응치 특성치로 선택
- 인자, 수준 수 선택
- 인자(Factor) : 관련된 인자 모두 선택(원칙), 최소인자 선택(비용, 실험 정도)
- 수준 수(Level)
- 인자 수 및 영향의 특성에 따라 수준수 선택(2~3수준)
- 인자 수가 많거나, 직선적 영향(2수준), 곡선적 영향(3수준)
- 현 사용 인자 수준 포함, 최적이라고 예상되는 수준도 포함
- 적용불가/특성치에 나쁘게 예상되는 수준 불포함(경험,기술)
- 실험배치와 실험순서의 랜덤화
- 어떻게 인자의 수준을 조합시켜 실험할 것이며
- 블록(Block) 구성은 어떻게 하고
- 실험순서를 위한 랜덤화는 어떻게 할 것인지?
- 실험실시 및 데이터 수집
- 실험방법에 대한 작업표준 작성하고 충분히 숙지한 후 실험
- 계획대로 이루어지게 처음~끝까지 충분히 관리
- 데이터 수집 계획을 준비
- 데이터 수집자들을 훈련
- 실험과 관련된 중요한 데이터 기록
- 실험 실시 후 데이터 수집
- 데이터 분석
- 데이터 입력 및 분석 전 데이터가 관리상태에서 얻어졌는지 확인
- 결측치(missing value) 처리 : 일원배치(무시), 이원배치(데이터 평균치)
- 효과의 plot : 주효과도, 교호작용도
- 분산분석표 분석
- 분석 결과의 해석과 조치
- 실험에서 주어진 조건 내에서만 결론
- 인자수준 밖에서는 결론 내릴 수 없음
- 재현실험(결론확인용)
- 작업표준 개정 및 관리도 적용 사후관리
- 결과 불일치 → 대책 수립 및 필요한 경우 다시 실험
- 실험에서 주어진 조건 내에서만 결론
참고자료
728x90