프로세스 최적화 전략의 효율성을 보여주는 수많은 연구가 있었습니다. 일반적인 비교는 일반적으로 '한 번에 하나의 요인' 또는 OFAT 실험과 '실험 설계' 접근 방식 사이에서 이루어집니다. 익숙하지 않은 고차원 프로세스 공간(예: 10개 이상의 요인)에 직면했을 때 연구자들은 해석하기 쉬운 OFAT 방법에 의존하는 경우가 많습니다. 일반적으로 어떤 전략이 다른 전략보다 뛰어난지 평가하기 위해 동일한 목표를 향해 여러 실험을 실행하는 것은 비용이 많이 들고 논리적으로 어려운 일입니다. 이러한 문제를 회피하기 위해 우리는 12가지 익숙하지 않은 연속형 및 범주형 요인이 포함된 PCR(중합효소 연쇄 반응) 시뮬레이터를 사용하여 이러한 질문을 탐색했습니다.
우리 팀은 전자 재료 산업(전 Apple 및 기타 직원)의 프로세스 최적화 분야에서 수십 년간의 경험을 바탕으로 구성되었습니다. 우리는 의도적으로 우리에게 완전히 알려지지 않은 연구 분야에서 많은 요인과 많은 반응에 대한 복잡한 상호 작용을 시뮬레이션할 수 있는 시뮬레이터를 찾고 선택했습니다. 실험을 자동화하기 위해 Python 웹 자동화 스크립트를 사용했습니다. 시뮬레이터와 스크립트를 사용함으로써 우리는 직업 경력에서 볼 수 있는 실제 제약 조건과 실험 예산을 모방하면서 많은 실험을 실행할 수 있습니다. 예산 운영 규칙을 준수하면서 다섯 가지 전략의 효율성과 정확성을 비교합니다. 업계에서 일반적으로 사용되는 두 가지 OFAT 유형 전략과 DOE 및 고급 DOE 장르의 세 가지 전략입니다. 모든 실험 분석과 모델링에는 JMP가 사용되며, 전략을 비교하기 위한 객관적인 시도가 이루어집니다.
