무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서는 2x2x2 Unreplicated.jmp 파일을 사용하여 JMP에서 전체 요인 실험을 분석하는 방법을 보여줍니다.
이름에서 알 수 있듯이 이것은 복제되지 않은 2입니다. 삼 완전 요인 실험. 요인은 온도, 시간 및 촉매이고 응답은 수율입니다.
이 실험은 JMP로 설계되었기 때문에 Model 스크립트를 실행하여 분석을 시작할 수 있습니다. 대신 설명을 위해 분석을 선택한 다음 모형 적합을 선택합니다.
Model Specification 대화 상자가 응답, Yield 및 여러 모델 효과로 채워진 것을 볼 수 있습니다. 기본적으로 모형에는 주효과와 양방향 교호작용만 포함됩니다.
이러한 효과를 선택하고 제거를 클릭하여 처음부터 다시 시작하고 모델 효과 패널을 채웁니다.
우리는 주효과와 양방향 상호작용을 추가할 것입니다.
이를 위해 Select Columns 패널에서 세 가지 요소를 선택한 다음 Macros 버튼을 클릭하고 Factorial to Degree를 선택합니다. 기본적으로 Degree는 2임을 알 수 있습니다. 따라서 모델 효과 패널은 주 효과와 양방향 상호 작용으로 채워집니다.
실행을 클릭하여 이 분석을 실행하겠습니다.
기본적으로 효과 요약 테이블과 예측 프로파일러가 표시됩니다.
효과 요약 테이블의 용어는 PValue를 기준으로 오름차순으로 정렬됩니다. 가장 중요한 용어는 온도이고 그 다음이 온도*시간 상호작용입니다.
다른 양방향 상호 작용은 중요하지 않음을 알 수 있습니다.
중요하지 않은 효과를 한 번에 하나씩 제거하여 모델을 축소합니다. 이를 위해 효과 요약 테이블에서 온도*촉매 상호작용을 선택하고 제거를 클릭합니다. Time*Catalyst 상호작용도 제거합니다.
모형의 효과에 대한 계수는 모수 추정값 표에 나열되어 있습니다.
예측 프로파일러를 사용하면 모델을 시각화할 수 있습니다. 가장 중요한 항인 온도는 가장 가파른 프로파일 라인을 가지고 있습니다. 이 선을 클릭하여 온도의 낮은 값으로 드래그한 다음 높은 값으로 드래그하면 예측 수율이 어떻게 변하는지 확인할 수 있습니다.
온도와 시간 사이의 상호 작용도 볼 수 있습니다. 낮은 수준에서 높은 수준으로 온도를 변경하면 시간에 대한 선의 기울기가 어떻게 되는지 확인합니다. 시간에 대한 선의 기울기가 변경됩니다.
이 상호 작용을 더 잘 보기 위해 상단 빨간색 삼각형을 클릭하고 요인 프로파일링을 선택한 다음 상호 작용 도표를 선택합니다.
프로파일 선이 평행하지 않은 것을 볼 수 있습니다. 이것은 반응에 대한 한 요인의 효과가 다른 요인의 설정에 따라 다르다는 것을 알려줍니다.
Prediction Profiler를 다시 살펴보겠습니다.
이 실험의 목표는 수율을 최대화하는 것입니다. 따라서 몇 가지 바람직함 패널이 표시됩니다. 맨 위 행의 마지막 상자는 응답 목표를 보여주는 만족도 함수입니다. 이 상자를 두 번 클릭하면 목표와 바람직함을 볼 수 있습니다. Yield 값이 높을수록 더 바람직합니다. 응답을 최대화할 요인의 설정을 찾도록 JMP에 지시할 때 이 바람직함 함수를 최적화합니다.
이제 이 작업을 수행해 보겠습니다. Prediction Profiler의 빨간색 삼각형에서 Optimize 및 Desirability를 선택한 다음 Maximize Desirability를 선택합니다.
가장 높은 예측 수율을 초래하는 요인 설정은 높은 수준의 온도(120), 낮은 수준의 시간(4), 높은 수준의 촉매(5)입니다. 이러한 설정에서 예상 수율은 89.32입니다. 괄호로 묶인 값은 이 예측된 수율의 평균에 대한 신뢰 구간을 형성합니다. 이러한 요인 설정에서 평균 수율이 88.2에서 90.5 사이일 것이라고 95% 확신할 수 있습니다(물론 프로세스가 변경되지 않았다고 가정).
상단의 빨간색 삼각형 아래에는 결과를 탐색하고 분석하기 위한 추가 옵션이 많이 있습니다. 이 짧은 비디오에서는 다루지 않습니다.
이러한 옵션을 직접 탐색하는 것이 좋습니다.
