함수 DOE 분석의 예
이 예에서는 함수 데이터 탐색기를 사용하여 성분 조합이 다양한 온도에서 화합물의 동질성 등급에 어떤 영향을 미치는지 확인합니다. 화합물을 구성하는 세 가지 성분은 Active, Water 및 Solvent라는 라벨이 지정된 기본 성분입니다. 32개의 성분 조합이 있으며 이러한 조합은 Formulation 열의 값으로 표시됩니다. 각 배합(Formulation)에 대해 섭씨 20도에서 70도까지 5도 간격으로 Homogeneity Grade가 측정됩니다. 서로 다른 온도에 대한 이러한 측정값을 그림에 표시하여 각 배합에 대한 곡선을 만들 수 있습니다. 함수 데이터 탐색기 플랫폼을 사용하여 Active, Water 및 Solvent 값에 따라 곡선이 어떻게 변하는지 확인합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Functional Data/Formulation For Homogeneity DOE.jmp를 엽니다.
2. 분석 > 전문 모델링 > 함수 데이터 탐색기를 선택합니다.
3. "쌓인 데이터 형식" 탭에서 Homogeneity Grade를 선택하고 Y, 출력을 클릭합니다.
4. T를 선택하고 X, 입력을 클릭합니다.
5. Formulation을 선택하고 ID, 함수를 클릭합니다.
6. Solvent, Active, Water를 선택하고 Z, 보조를 클릭합니다.
이러한 변수는 초기 함수 데이터 분석에 사용되지 않습니다. 그러나 여기서 보조 변수로 지정하면 나중에 모형을 적합시킬 때 사용할 수 있습니다.
7. 확인을 클릭합니다.
8. "함수 데이터 탐색기"의 빨간색 삼각형을 클릭하고 모형 > B-스플라인을 선택합니다.
최량 적합 모형은 매듭이 하나인 선형 스플라인 모형입니다.
그림 16.10 Homogeneity Grade에 대한 함수 PCA
"함수 PCA" 보고서에서는 데이터의 변동을 설명하려면 두 개의 함수 주성분이 필요하다는 것을 보여 줍니다. "FPC 프로파일러"에서는 서로 다른 온도에서 FPC가 Homogeneity Grade에 미치는 영향을 보여 줍니다. 그러나 실제 성분이 Homogeneity Grade에 어떤 영향을 미치는지 알 수 있는 방법은 없습니다.
9. "초기 데이터의 B-스플라인" 옆에 있는 빨간색 삼각형을 클릭하고 함수 DOE 분석을 선택합니다.
"함수 DOE 분석" 옵션은 세 개의 보조 변수를 예측 변수로 사용하여 일반화 회귀 모형을 각 주성분 스코어에 적합시킵니다. 데이터 테이블에 "Model" 스크립트가 포함되어 있으므로 적합된 모형은 스크립트에 정의된 모형을 기반으로 합니다.
참고: 데이터 테이블에 "Model" 스크립트가 포함되어 있지 않으면 2차 요인 모형이 적합됩니다.
그림 16.11 Homogeneity Grade에 대한 FDOE 프로파일러
"FDOE 프로파일러"를 사용하면 실제로 관심 있는 예측 변수에 따라 Homogeneity Grade가 어떻게 변하는지 탐색할 수 있습니다. 전반적으로 Active 양이 증가하면 Homogeneity Grade가 감소하는 것으로 보입니다.
참고: 이 예에서는 Active, Solvent 및 Water 값의 합이 1이 되도록 제한됩니다. 이 제약 조건은 프로파일러에 반영됩니다.