데이터 분석
데이터를 분석하여 DOE 프로젝트를 끝냅니다. 사용자 설계 플랫폼을 사용하면 생성된 설계 테이블에 "모형" 스크립트를 저장하여 데이터 분석 작업이 용이합니다. 실험을 수행하고 데이터를 입력한 후 이 스크립트를 실행합니다. 그러면 "사용자 설계" 창의 "모형" 섹션에서 지정한 효과가 포함된 "모형 적합" 창이 열립니다.
모형 적합
1. 도움말 > 샘플 데이터 폴더를 선택하고 Design Experiment/Coffee Data.jmp를 엽니다.
테이블 패널에 "사용자 설계"로 생성한 "Model" 스크립트가 있습니다.
2. "Model" 스크립트 옆의 녹색 삼각형을 클릭합니다.
"모형 규격" 창에 "모형" 섹션에서 지정한 효과가 표시됩니다.
그림 3.12 모형 규격 창
3. 대화상자 열린 채 유지 옵션을 선택합니다.
4. 실행을 클릭합니다.
모형 분석
"효과 요약" 및 "실제값 대 예측값 그림" 보고서는 모형에 대한 개요 정보를 제공합니다.
그림 3.13 완전 모형에 대한 효과 요약 및 실제값 대 예측값 그림
다음 사항에 유의하십시오.
• "실제값 대 예측값 그림"에 적합 결여의 증거가 없습니다.
• "실제값 대 예측값" 그림에 따르면 모형이 유의합니다. 그림 아래의 p 값 = 0.0041은 전체 모형 검정의 유의 수준을 제공합니다.
• "효과 요약" 보고서는 Charge, Station 및 Time이 0.05 수준에서 유의함을 보여 줍니다.
• "효과 요약" 보고서는 또한 Temperature와 Grind가 유의하지 않다는 것을 보여 줍니다.
모형 축소
Temperature와 Grind는 활성 효과가 아니므로 모형에 랜덤 잡음을 적용합니다. 활성 효과와 관련된 모형 모수를 더 정확하게 추정하려면 이러한 효과 없이 모형을 재적합시키십시오.
1. "모형 규격" 창의 "모형 효과 생성" 목록에서 Temperature와 Grind를 선택합니다.
2. 제거를 클릭합니다.
3. 모형 강조가 효과 선별로 설정되도록 합니다.
"효과 선별" 강조는 실험 설계를 분석하는 데 유용한 보고서(예: 예측 프로파일러)를 제공합니다.
4. 실행을 클릭합니다.
그림 3.14 축소 모형의 부분 출력
다음 사항에 유의하십시오.
• "효과 검정" 보고서에 세 가지 효과가 모두 유의한 것으로 나타납니다.
• "척도화된 추정값" 보고서는 Station[1]과 Station[3] 평균이 Strength의 평균 반응과 유의하게 다르다는 것을 나타냅니다.
• "모수 추정값" 보고서에 나타나는 추정값이 "척도화된 추정값" 보고서의 추정값과 동일합니다. 이는 효과가 코드화되어 있기 때문입니다. 자세한 내용은 코딩에서 확인하십시오.
• Station[3] 효과의 추정값은 "척도화된 추정값" 보고서에만 나타납니다. 이 보고서에는 명목형 요인이 확장되어 모든 수준의 추정값이 표시됩니다.
• "모수 추정값" 보고서는 코드화된 효과와 관련하여 모형이 지정된 모형 계수의 추정값을 제공합니다.
모형 탐색
"예측 프로파일러"가 보고서 맨 아래에 나타납니다.
그림 3.15 예측 프로파일러
실험을 설계할 때 1.2와 1.4를 한계로 하여 목표값 일치를 반응 목표로 설정했습니다. JMP에서는 이 정보를 사용하여 사용자가 지정한 사항을 반영하는 만족도 함수를 구성합니다. 자세한 내용은 요인에서 확인하십시오.
다음 사항에 유의하십시오.
• 그래프의 위쪽 행에 있는 처음 두 그림은 다른 요인의 설정이 주어졌을 때 한 요인에 대해 Strength가 어떻게 변화하는지 보여 줍니다. 예를 들어 Charge가 2일 때 Time 그림의 선은 예측 Strength가 Time에 따라 어떻게 변하는지 보여 줍니다.
• 위쪽 행에 나오는 그림 왼쪽의 값은 선택한 요인 설정에 대한 예측 Strength(빨간색)와 평균 Strength의 신뢰 구간(파란색)을 제공합니다.
• 위쪽 행의 맨 오른쪽 그림은 Strength에 대한 만족도 함수를 보여 줍니다. 이 만족도 함수는 목표값 1.3이 가장 적합하다는 것을 나타냅니다. 해당 목표값에서 멀어질수록 만족도가 감소합니다. 한계값 1.2와 1.4에서는 만족도가 0에 가까워집니다.
• 아래쪽 행의 그림은 다른 요인의 설정에 대해 각 요인의 만족도 트레이스를 보여 줍니다.
• 아래쪽 행에 나오는 그림 왼쪽의 값은 선택한 요인 설정에 대한 반응 값의 만족도를 제공합니다.
Time 및 Charge 열의 빨간색 수직 파선을 드래그하여 다양한 요인 설정을 탐색합니다. 모형에 교호작용이 없으므로 프로파일러는 Charge를 증가하면 Strength도 증가함을 나타냅니다. 또한 Strength는 Time의 변화보다 Charge의 변화에 더 민감한 것으로 보입니다.
Station은 블록 요인이므로 예측 프로파일러에 나타나지 않습니다. 그러나 Station에 따라 예측 Strength가 어떻게 달라지는지 확인하고 싶을 수 있습니다. 다음과 같이 예측 프로파일러에 Station을 포함합니다.
1. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 요인 격자 재설정을 선택합니다.
Time, Charge 및 Station 열이 포함된 "요인 설정" 창이 나타납니다. Station 아래의 표시 상자가 선택되어 있지 않습니다. 이는 Station이 예측 프로파일러에 표시되지 않음을 나타냅니다.
2. Station 아래에서 표시 행의 상자를 선택합니다.
3. Station 아래에서 요인 설정 잠금 행의 상자를 선택 취소합니다.
그림 3.16 요인 설정 창
4. 확인을 클릭합니다.
Station 그림이 "예측 프로파일러"에 나타납니다.
5. Station 위의 두 그림 중 하나를 클릭하여 빨간색 수직 파선을 삽입합니다.
6. 빨간색 수직 파선을 Station 1로 이동합니다.
그림 3.17 Station 1의 결과를 보여 주는 예측 프로파일러
7. 빨간색 수직 파선을 Station 3으로 이동합니다.
그림 3.18 Station 3의 결과를 보여 주는 예측 프로파일러
Station 1의 설계 영역 가운데에 있는 예측 Strength는 1.44입니다. Station 3의 경우 예측 Strength는 약 1.18입니다. 이 차이의 크기는 Station 변동을 해결해야 함을 나타냅니다. Station 변동을 잘 제어하면 일관된 Strength를 얻을 수 있습니다. Station 일관성이 확보되면 Time과 Charge에 대한 공통 최적 설정을 결정할 수 있습니다.
커피 실험 설계를 구성하는 데 사용한 공정은 DOE 워크플로우의 단계를 따릅니다. 다음 섹션에서는 DOE 워크플로우에 대해 자세히 설명합니다.