블록화를 사용한 확증적 선별 설계의 예
이 예에서는 블록 변수가 있는 확증적 선별 설계를 사용합니다. 원료 제약 조건으로 인해 두 개의 개별 로트에서 재료를 사용하여 추출 실험을 실행해야 한다고 가정해 보겠습니다. 블록 변수는 잠재적 로트 변동을 설명할 수 있습니다.
설계 생성
추출 요인과 해당 설정은 Extraction Factors.jmp 데이터 테이블에 제공됩니다. 다음과 같이 블록을 사용하여 확증적 선별 설계를 생성합니다.
1. DOE > 확증적 선별 > 확증적 선별 설계를 선택합니다.
2. "반응 이름" 아래의 Y를 두 번 클릭하고 Yield를 입력합니다.
3. 도움말 > 샘플 데이터 폴더를 선택하고 Design Experiment/Extraction Factors.jmp를 엽니다.
4. "확증적 선별 설계" 옆의 빨간색 삼각형을 클릭하고 요인 불러오기를 선택합니다.
요인 이름과 범위가 "요인" 섹션에 추가됩니다.
5. 계속을 클릭합니다.
"설계 옵션" 섹션이 열립니다. 여기서는 블록화 구조를 지정할 수 있습니다.
6. 2차 효과 추정을 위해 중앙점 런과 블록 추가를 선택합니다.
2로 설정된 블록 수를 그대로 둡니다.
추가 런 없이 생성된 Extraction2 Data.jmp 샘플 데이터 테이블에 대한 설계를 다시 생성하는 중입니다. 추가 런을 4회 실행하는 것이 좋지만 이 예에서는 추가 런을 지정하지 않습니다.
7. 추가 런 수 옆에서 0을 선택합니다.
8. 설계 생성을 클릭합니다.
"확증적 선별 설계" 창이 업데이트되어 "설계" 섹션과 "설계 평가" 섹션이 표시됩니다.
"요인" 및 "설계" 섹션에 블록이 추가되었는지 확인합니다.
9. "요인" 섹션에서 블록을 두 번 클릭하고 Lot를 입력합니다.
"출력 옵션" 패널에서 "런 순서"가 "블록 내 랜덤화"로 설정되어 있습니다.
10. 테이블 생성을 클릭합니다.
참고: 생성된 설계의 런은 Figure 8.13에 표시된 순서와 다르게 나타날 수 있습니다.
그림 8.13 추출 공정에 대해 블록을 사용한 확증적 선별 설계
런 1은 Lot 1의 중앙점 런이고 런 14는 Lot 2의 중앙점 런입니다.
실험 데이터 분석
이제 실험을 수행하고 설계 테이블의 Yield 열에 데이터를 기록합니다(Figure 8.13). Extraction2 Data.jmp 샘플 데이터 테이블에 실험 결과가 포함되어 있습니다. Extraction2 Data.jmp 샘플 데이터 테이블의 런은 Figure 8.13의 런과 순서가 다릅니다.
모든 2차 효과(second-order effect)를 탐색하려면 모든 가능 모형 회귀를 사용하는 것이 한 가지 옵션입니다. 다른 옵션은 단계별 전진 회귀를 사용하는 것입니다. 그러나 이와 같은 표준 방법은 활성 효과를 식별하지 못하는 경우가 많습니다. 이러한 이유로 확증적 선별 적합 플랫폼을 사용합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Design Experiment/Extraction2 Data.jmp를 엽니다.
2. 설계 테이블의 테이블 패널에서 Fit Definitive Screening 스크립트 옆의 녹색 삼각형을 클릭합니다.
그림 8.14 확증적 선별 적합 보고서
확증적 선별 적합에 의해 잠재적 활성 상태인 것으로 식별된 효과가 "결합 모형 모수 추정값" 보고서에 나열됩니다.
3. "결합 모형 모수 추정값" 보고서 맨 아래의 모형 실행 버튼을 클릭합니다.
그러면 잠재적 활성 상태인 것으로 식별된 효과에 대해 표준 최소 제곱 모형을 적합시킵니다.
그림 8.15 표준 최소 제곱 보고서
"실제값 대 예측값 그림"에 적합 결여의 증거가 없습니다. "효과 요약" 보고서는 Methanol*Ethonal과 Methanol*Methanol이 유의하지 않음을 보여 줍니다. 따라서 모형에서 이들 효과를 제거하기로 결정했습니다.
4. "효과 요약" 보고서에서 Methanol*Ethonal과 Methanol*Methanol을 선택하고 제거를 클릭합니다.
그림 8.16 최종 활성 효과 집합
나머지 효과는 모두 유의합니다. 이러한 효과가 활성 효과인 것으로 결론을 내릴 수 있습니다.