실험계획법 분석

입력 변수를 의도적으로 동시에 변경하고 반응을 측정하는 일련의 런 또는 검정입니다.

산업 분야에서 실험 설계는 제품의 품질에 영향을 미치는 공정 또는 제품 변수를 체계적으로 조사하는 데 사용됩니다. 제품 품질에 영향을 미치는 공정 조건과 제품 성분을 식별한 후 제품의 제조 능력, 신뢰도, 품질 및 제조 현장에서의 성능 등을 높이기 위해 개선 방법을 지시할 수 있습니다.

DOE의 출력을 추가하려면 양식 추가 및 작성(으)로 이동하십시오.

이 항목의 내용

2^k 요인 DOE
일반 완전 요인 DOE
혼합물 DOE
다중 반응 최적화
반응 표면 설계 DOE

2^k 요인 DOE

2-수준 요인 설계를 사용하여 2 − 15개 요인의 효과를 조사하기 위해 설계된 실험을 생성합니다. 2-수준 요인 설계를 사용하여 추가 실험에서 중점을 둘 중요한 요인을 식별할 수 있습니다.

예를 들어, 한 엔지니어 그룹이 동판에서 발생하는 뒤틀림에 대한 세 가지 요인의 영향을 조사하기 위한 실험을 계획합니다. 엔지니어들은 블럭과 중앙점 등 설계 정보를 지정하여 2-수준 요인 설계를 생성합니다. 예제를 보려면 Minitab 도움말: 2-수준 요인 설계 생성의 예로 이동하십시오.

2k 요인 DOE는 다음과 같은 유형을 갖습니다.

2^k 완전 요인 설계: 이 실험에서는 요인 설정의 가능한 모든 조합을 사용하여 요인 설정 3개에 대해 8개의 런, 4개의 요인에 대해 16개의 런, 5개의 요인에 대해 32개의 런 등을 사용합니다.
2^k 부분 요인 설계: 이 실험에서는 요인 설정의 가능한 모든 조합 중 일부(절반, 사분의 일 등)를 사용하며^2k 전체 요인 설계보다 런 수가 적습니다.

참고

이 양식을 사용하여 실험을 수행하는 동안 데이터 분석을 기록합니다. DOE 계획 양식을 사용하면 실험을 설계하는 데 도움이 됩니다.

사용 가능한 설계에 대한 자세한 내용은 Minitab 도움말: 부분 및 부분 요인 설계로 이동하십시오.

데이터 고려 사항

전체 요인 또는 부분 요인 DOE를 실행할지 여부를 결정합니다.

요인 수가 5보다 작으면 2^k 전체 요인 설계를 실행하여 8개(요인 3개) 또는 16개(요인 4개) 런으로만 2-요인 상호 작용을 모델링할 수 있습니다.
요인 수가 5개 이상인 경우 분해능 V 이상의 2^k 분수 요인 설계를 실행하여 모든 2-요인 상호 작용을 모델링하면서 런 수를 줄입니다.

일반 완전 요인 DOE

일반 완전 요인 DOE 설계를 사용하여 수준 수에 제한이 없는 요인을 조사하기 위해 설계된 실험을 생성합니다. 일반 완전 요인 설계를 사용하여 8개 이상의 요인에 대한 완전 해, 2-수준 설계를 생성할 수 있습니다.

예를 들어 한 마케팅 관리자가 세 가지 범주형 요인이 검사 대상이 온라인 광고를 상기시키는 능력에 미치는 영향을 조사하려고 합니다. 실험에 수준이 3개인 요인이 포함되므로 관리자는 일반 완전 요인 설계를 사용합니다. 예제를 보려면 Minitab 도움말: 일반 완전 요인 설계 생성의 예로 이동하십시오.

참고

이 양식을 사용하여 실험을 수행하는 동안 데이터 분석을 기록합니다. DOE 계획 양식을 사용하면 실험을 설계하는 데 도움이 됩니다.

사용 가능한 설계에 대한 자세한 내용은 Minitab 도움말: 요인 설계 선택으로 이동하십시오.

데이터 고려 사항

일반적인 전체 요인(GFF) 설계는 잠재적으로 중요한 입력의 수를 스크리닝하거나 줄이는 데 사용하지 않는 것이 좋습니다. 실험의 크기는 클 수 있으므로 비용이 많이 들 수 있습니다. 또한 스크리닝 목적으로 GFF 설계는 필요한 것보다 훨씬 많은 정보를 제공합니다. 두 개의 수준을 사용하여 가능한 모든 입력을 스크린 아웃 한 다음 두 개 이상의 수준이 필요한 입력을 스크린된 설계에 추가해야 합니다.

혼합물 DOE

혼합물 실험은 여러 가지 성분 또는 재료로 구성된 제품을 대상으로 수행하는 반응 표면 실험입니다.

이러한 실험의 설계는 대부분의 제품 설계 및 개발 작업이 합성물 또는 혼합물과 관련되어 있는 실제 산업 분야에 매우 유용합니다. 이러한 실험에서 반응은 혼합물에 포함된 여러 성분 비율의 함수입니다. 예를 들어, 밀가루, 베이킹 파우더, 우유, 달걀 및 기름 성분으로 만들어진 팬케이크 믹스 또는 네 가지 화학 성분이 혼합된 살충제를 개발할 수도 있습니다. 예제를 보려면 Minitab 도움말: 혼합물 설계 생성(심플렉스 중심)의 예로 이동하십시오.

데이터 고려 사항

혼합물 설계를 만들기 전에 먼저 자신의 실험에 어느 설계가 가장 적절한지 결정합니다. Minitab에서는 심플렉스 중심, 심플렉스 격자 및 꼭지점 설계를 사용할 수 있습니다. 다음 단계들을 고려하십시오.

관심있는 성분, 공정 변수 및 혼합물 양을 식별합니다.
적합하려는 모형 결정.
관심있는 실험 영역의 범위가 적절한지 확인.
다른 고려 사항이 설계에 미칠 수 있는 영향 식별. 다른 고려 사항의 예로는 비용, 시간, 사용 가능한 시설, 하한 및 상한 제약 조건 등이 있습니다.

사용 가능한 설계에 대한 자세한 내용은 Minitab 도움말: 혼합물 설계 선택으로 이동하십시오.

다중 반응 최적화

다중 반응 최적화를 사용하여 단일 출력 또는 여러 경쟁 출력을 사용하는 실험에서 최적의 설정을 결정합니다.

최적 설계는 원래 설계의 실험 런 수를 줄이거나 늘릴 때 선택된 "최적" 설계점의 그룹을 사용합니다. 최적 설계 기능은 일반 완전 요인 설계, 반응 표면 설계와 혼합물 설계에서 사용할 수 있습니다. 예제를 보려면 Minitab 도움말: D-최적 반응 표면 설계 선택의 예로 이동하십시오.

데이터 고려 사항

후보 점은 일반 완전 요인, 반응 표면 또는 혼합물 설계여야 합니다. 표본 크기와 검정력이 적절해야만 실제로 중요한 크기의 효과를 얻을 수 있습니다. 일반적으로 최적 설계 방법을 사용하여 실험 런의 수를 줄이는 것이지만, 표본 크기가 작으면 충분한 검정력으로 작은 효과를 감지할 수 있는 설계를 얻지 못할 수도 있습니다. 자세한 내용은 Minitab 도움말: 최적 설계 선택에 대한 데이터 고려 사항으로 이동하십시오.

반응 표면 설계 DOE

반응 표면 설계는 반응을 더 잘 이해하고 최적화할 수 있게 도와주는 고급 실험 설계(DOE) 기술의 집합입니다.

선별 설계 또는 요인 설계를 사용하여 중요한 요인을 결정한 후 주로 반응 표면 설계 방법을 사용하여 모형을 조정합니다. 특히 반응 표면에서 곡면성이 의심되는 경우입니다.

예를 들어 엔지니어가 플라스틱 부품의 사출 성형 공정을 분석하려고 합니다. 먼저, 이 엔지니어는 먼저 마찰 요인 설계를 수행하고 중요한 요인(온도, 압력, 냉각 속도)을 식별하며 데이터에 곡면성이 있다고 결정합니다. 그런 다음 엔지니어는 중심 합성 계획법 설계를 생성하여 곡면성을 분석하고 최선의 요인 설정을 찾습니다. 예제를 보려면 Minitab 도움말: 반응 표면 설계 생성(중심 합성 계획법)의 예로 이동하십시오.

데이터 고려 사항

반응 표면 설계는 두 개의 기본 유형이 있습니다.

중심 합성 계획법 설계: 중심 합성 계획법 설계는 완전 2차 모형을 적합할 수 있습니다. 중심 합성 계획법 설계는 올바르게 계획된 요인 실험의 정보를 포함할 수 있으므로 설계 계획이 순차적인 실험에서 자주 사용됩니다.
Box-Behnken 설계: Box-Behnken 설계는 중심 합성 설계에 비해 설계점 개수가 적으므로 같은 수의 요인으로 구성된 중심 합성 설계를 실행하는 것보다 비용이 적게 듭니다. 이 설계는 1차 계수와 2차 계수를 효율적으로 추정할 수 있지만, 요인 실험의 런은 포함할 수 없습니다. Box-Behnken 설계는 최대 5개까지 포함할 수 있는 중앙 복합 설계와 달리 항상 요인당 3개의 수준을 갖습니다. 또한 중앙 복합 설계와 달리 Box-Behnken 설계에는 모든 낮은 설정과 같이 모든 요소가 극한 설정에 있는 런이 포함되지 않습니다.

사용 가능한 설계에 대한 자세한 내용은 Minitab 도움말: 반응 표면 설계, 중심 합성 계획법 설계 및 Box-Behnken 설계의 정의로 이동하십시오.