실험 설계 및 DOE 워크플로우 개요

단계별 프레임워크는 실험 설계, 실험 실행 및 결과 분석을 위한 구조를 제공합니다. 주제 관련 지식은 이러한 모든 단계에서 매우 중요합니다. 간편 DOE를 사용하면 이러한 단계를 차례대로 수행할 수 있습니다.

그림 3.2 실험 설계 프레임워크 

DOE 플랫폼에서 처음 세 단계를 수행합니다. 최종 결과는 작업 환경에서 실행할 수 있는 설계입니다. 이 세 단계의 워크플로우에 대한 자세한 설명은 DOE 워크플로우: 기술, 지정, 설계에서 확인하십시오.

설명

실험의 목표를 결정합니다. 반응과 요인을 식별합니다.

활성 요인 식별, 최적의 요인 설정 찾기, 예측 모형 구축 등이 목표일 수 있습니다.

지정

실제 상황을 충분히 설명한다고 간주되는 가정된 모형을 결정하거나 지정합니다.

가정된 모형은 추정할 모든 효과를 이상적으로 포함하는 초기 모형입니다. 일부 플랫폼에서는 관심 모형을 명시적으로 구축할 수 있습니다. 그 외 플랫폼에서는 모형이 암시적으로 선택됩니다. 예를 들어 선별 설계 플랫폼의 경우 지정된 해상도로 모형을 선택할 수 있습니다. 설계 해상도는 교락되는 효과를 결정합니다. 효과 교락이 발생하면 실제로 어떤 효과가 활성화되는지 모호해질 수 있습니다.

설계

가정된 모형과 일치하는 설계를 생성합니다. 이 설계를 평가하여 설계의 장점과 한계를 이해하고 모형과 목표에 따라 필요한 정보를 제공하도록 합니다.

설계 생성 플랫폼의 "설계 평가" 또는 "설계 진단" 섹션을 통해 설계 특성을 파악할 수 있습니다.

다음은 제어된 조건에서 실험이 실행되는 데이터 수집 단계입니다.

수집

각 실험을 수행하고 반응 값을 기록합니다.

실험을 실행한 후 생성된 데이터 테이블의 스크립트를 통해 모형 적합 및 선별과 같은 플랫폼을 사용하여 모형을 적합시킬 수 있습니다. 모형은 목표에 따라 활성 효과를 식별하거나 최적 설정을 찾는 데 도움이 됩니다.

적합

가정된 모형을 실험 데이터에 적합시킵니다.

JMP 모델링 플랫폼을 사용하여 모형을 적합시키고 구체화합니다. 경우에 따라 모형 모호성을 해결하기 위해 설계를 확대하고 추가 런을 수행해야 할 수도 있습니다.

예측

구체화된 모형을 사용하여 실험 목표를 처리합니다.

활성 효과를 확인하고, 반응을 최적화할 요인 수준을 찾거나, 예측 모형을 구축합니다.

설계된 실험은 일반적으로 공정 지식을 구성하기 위해 순차적으로 사용됩니다. 보통 설계 전략은 선별 설계로 시작하여 잠재적 활성 요인 목록의 범위를 좁힙니다. 그런 다음 식별된 요인을 교호작용 및 2차 효과에 대한 이해를 높이는 데 초점을 맞춘 설계에서 연구합니다. 효과의 원인이 되는 요인과 관련된 모호성을 해결하기 위해 설계를 확대해야 할 경우도 있습니다. 이 섹션에 설명된 단계는 단일 실험을 수행하고 분석하는 것과 관련이 있습니다. 그러나 목표 달성을 위해 순차적인 실험이 필요할 수도 있습니다.

설계된 실험의 예에 나오는 예에서는 DOE 워크플로우 공정의 단계를 명시적으로 보여 줍니다. 또한 데이터 테이블 스크립트를 사용하여 실험 데이터를 분석하는 방법도 보여 줍니다. 실험 설계 가이드에 나오는 대부분의 예에서는 적합한 설계를 지원하는 워크플로우와 연구를 통한 실험 데이터 분석을 둘 다 보여 줍니다.