OFAT 란 무엇입니까? 뭐가 문제야?
한 번에 하나의 요인(OFAT) 실험은 일반적으로 하나를 제외한 모든 요인을 일정하게 유지하고 나머지 요인을 변경하며 이것이 반응을 어떻게 변화시키는지 관찰하는 것을 포함합니다. 면밀한 검토 없이 OFAT는 문제를 해결하는 직관적이고 "과학적인" 방법인 것 같습니다. 개인적으로 실험에 대한 DOE(Design of Experiments) 접근 방식에 대해 배우기 전에 OFAT를 기본 접근 방식으로 의심한 적이 없으며 할 수 없었다 문제를 해결하려고 할 때마다 한 번에 하나 이상의 요소를 변경합니다.한 번은 OFAT 방법을 사용하여 프로세스를 최적화하려고 프로세스 엔지니어와 약 3일을 보낸 것을 기억합니다. 나는 체계적이고 과학적이며 가장 적은 자원을 요구하면서 올바른 방법으로 문제를 해결하고 있다고 생각했습니다. 내가 틀렸어. 조사 결과, OFAT는 a) 최상의 프로세스 설정(스위트 스팟)을 찾는 데 능숙하지 않으며 b) 리소스를 효율적으로 사용하지도 않습니다.
잠깐, OFAT가 스위트 스팟을 찾지 못했다고?
아니요, OFAT가 항상 최상의 프로세스 설정을 찾지는 않습니다. 이를 설명하기 위해 첨부된 스크립트는 2개의 프로세스 요소('x' 및 'y'라고 함)에 대한 곡선 응답을 생성하고 그래프의 오른쪽을 따라 일부 버튼과 함께 이 응답의 그래프를 표시합니다. 'Scatterplot 3D' 버튼은 응답의 모양을 시각화하는 대화형 방식을 생성합니다. 'Toggle Visibility' 버튼은 전체 응답 표면의 보기를 켜거나 끕니다.
이 예에서 x=2, y=8 정사각형에 있는 가능한 가장 높은 프로세스 출력을 찾으려고 한다고 상상해 보십시오. 'OFAT 한 번' 버튼은 하나의 표준 OFAT 접근 방식을 모방합니다.
- 무작위로 지점을 선택합니다.
- 다른 모든 요소를 일정하게 유지하고(이 경우 'y') 허용 가능한 공간에서 나머지 하나의 요소('x')를 변경하여 최대값을 찾으십시오.
- 발견된 최대값에서 변경할 다른 요인을 선택하고('y'는 이 실험에 남아 있는 유일한 요인임) 다른 모든 요인을 일정하게 유지하고 최대값을 찾습니다.
- 모든 요소가 테스트될 때까지 3단계를 반복합니다(이 경우에는 총 요소가 2개뿐이므로 필요하지 않음).
- 다음을 사용하여 최적의 지점을 찾았으므로 축하합니다. 과학! 하지만 잠깐, 확실해?
이것을 직접 시도하십시오. '가시성 전환' 버튼을 클릭하여 그래프를 지웁니다(이미 어떻게 보이는지 모르는 척). 'OFAT 한 번' 버튼을 사용하여 실험 과정이 어떻게 전개되는지 지켜보십시오. 운이 좋다면(시간의 약 20%) 프로세스 최대/최적 지점을 찾을 수 있습니다. 나머지 시간에는 최대값을 찾지 못하게 됩니다. 때로는 최대 프로세스 출력이 약 1.5 단위라고 생각하면서 오른쪽 아래 사분면에 도달하게 될 수도 있습니다. 아래는 행운의 OFAT 실험(왼쪽)과 불행한 실험(오른쪽)의 예입니다.
'OFAT 10x' 버튼을 사용하여 OFAT 실험 실행을 10회 빠르게 시뮬레이션하면 스위트 스팟이 시간의 약 30%에서만 발견된다는 것을 알 수 있습니다(무작위 샘플링으로 인해 숫자가 다를 수 있음).
'OFAT 1000x' 버튼은 1,000번의 실험을 빠르게 실행하고 OFAT가 스위트 스팟을 찾는 빈도를 출력합니다. 시간의 약 25%에서만 스위트 스폿을 찾는 것은 OFAT 실험을 신뢰할 수 없음을 보여줍니다.
그러나 확실히 OFAT는 효율적입니다. 그 멋진 DOE 접근 방식은 더 많은 실험 실행이 필요합니다.
잘못된. DOE는 더 적은 실행을 의미합니다. 대화형 스크립트의 각 OFAT 실험은 19번 실행됩니다('x' 요소의 경우 10회, 'y' 요소의 경우 9회). 창 오른쪽에 있는 실험계획법 버튼은 모든 주효과, 모든 2차 상호작용, 모든 제곱 항 및 모든 세제곱 항을 포함하는 JMP의 사용자 지정 디자이너에서 만든 실험계획법 결과를 포함하는 데이터 표를 엽니다. JMP는 이것을 14 실행 DOE로 만들었고 최적의 지점을 찾을 뿐만 아니라 아래 프로파일러에 표시된 것처럼 두 요인의 전체 범위를 예측하는 모델도 생성합니다(이 프로파일러와 상호 작용하려면 '모델' DOE 데이터 테이블의 스크립트).
결과는 복잡성이 증가할수록 더 좋아집니다. 동일한 OFAT 방법을 사용하는 5개의 연속 요인이 있는 프로세스는 46회 실행됩니다(첫 번째 요인에 대해 10, 나머지 요인 각각에 대해 9). 스위트 스팟을 찾지 못할 수도 있습니다 . JMP의 사용자 지정 디자이너는 12회 실행(주효과만) 또는 27회 실행(주효과, 모든 2차 교호작용, 모든 제곱항)만 수행하는 동일한 5개 요인에 대한 설계를 생성합니다. 이러한 설계에는 반복 실행도 포함되므로 반응 변동의 추정치를 계산할 수 있습니다.명백히 실험에 대한 DOE 접근 방식이 OFAT 실험보다 낫습니다. DOE는 더 적은 수의 실험을 사용하고 더 정기적으로 스위트 스팟을 찾습니다.
그것은 DOE에 찬성하는 설득력있는 주장입니다. 다른 것이 있습니까?
예. 더 적은 자원을 요구하면서 솔루션을 더 자주 찾는 것 외에도 DOE 접근 방식은 연구 중인 요인에 대한 다른 질문에 답하는 데 사용할 수 있는 모델을 생성합니다. OFAT를 사용하면 상황이 바뀌면 추가 실험 없이 새로운 상황을 해결할 수 있는지 여부가 운에 달려 있습니다. 예를 들어, 위 샘플 프로세스의 고객이 약 1.5 단위의 프로세스 출력만 필요하고 성분 'y'가 매우 비싸다면 어떻게 될까요? OFAT 접근 방식은 이에 대한 답이 없을 수 있습니다. DOE 접근 방식에는 x=0 및 y=1의 새로운 스위트 스폿을 생성할 수 있는 모델이 있습니다.
당신의 경험은 어떻습니까? 작업에서 이러한 두 가지 유형의 실험적 접근 방식의 예를 본 적이 있습니까? 내가 놓친 것을 추가하고 싶습니까? 아래에 의견을 말하십시오.
