JMP의 Easy DOE 플랫폼의 강력한 기능과 아버지와 딸로 구성된 팀의 창의적인 에너지가 어우러진 생동감 넘치는 세션을 경험해 보세요. 연구 개발 관리자인 아버지와 그의 9살 딸이 Easy DOE를 활용하여 다양한 형태의 종이 개구리를 만드는 흥미로운 실험을 안내합니다.
Easy DOE의 사용자 친화적인 JMP 18 버전을 활용하면 다양한 조건에서 여러 종류의 종이개구리가 어떻게 행동하는지 탐구하는 실험을 손쉽게 설정하고 실행하는 방법을 배울 수 있습니다. 이 세션에서는 요인 지정 및 모델 선택을 위한 사용자 친화적인 옵션을 포함하여 JMP 18의 Easy DOE 최신 기능들을 중점적으로 다룹니다.
가족 구성원으로 이루어진 팀이 Easy DOE를 사용하여 종이 개구리 디자인 결과를 분석하고 패턴을 찾아내는 방법을 함께 살펴보세요. DOE를 처음 접하는 분이든 전문성을 확장하려는 분이든, 이 세션은 여러분의 프로젝트에 실질적인 도움이 되는 통찰력과 전략을 제공할 것입니다.
안녕하세요 여러분. 오늘 저희 발표에 참석해 주셔서 감사합니다. 오늘 발표 제목은 "어서 뛰어요: 간편한 DOE를 이용한 종이 개구리 만들기"입니다. 저는 JMP의 DOE 및 신뢰성 팀 매니저인 라이언 레키베츠입니다.
저는 노스우즈 초등학교의 로리 레키베츠입니다.
네. 그리고 제가 바로 당신의 아빠입니다. 네. 제목에 종이 개구리 만들기라는 내용이 있는데, 저처럼 "종이 개구리가 뭐지?"라는 생각이 드실 수도 있겠네요. 한번 살펴볼까요? 여기 영상이 있습니다. 이 영상은 무엇을 보여주는 걸까요?
제가 종이 개구리를 만들고 있는 거예요. 이 종이 개구리는 오리가미 개구리인데, 접고 나면 점프할 수 있어요.
네. 보통 이렇게 크게 만드시나요?
아니요.
아니요. 그냥 어떻게 생겼는지 보여드리고 싶었던 거예요. 그런데 종이 개구리 만드는 법은 어디서 배우셨어요?
학교에서.
학교에서요. 솔직히 말하면, 저는 종이 개구리를 직접 만들어 본 적이 없어요. 집에서 종이 개구리 만드는 건 전적으로 그녀의 몫이에요. 하지만 이렇게 만든 종이 개구리가 이렇게 뛸 수 있을 거라고 기대하는 건 무리겠죠? 저희는 개구리가 이것보다 더 잘 뛰게 할 수 있기를 바랐어요.
그리고 학교에서 종이 개구리 만드는 법을 배우고 나서, 남는 종이가 생기면 늘 종이 개구리든 플라스틱 개구리든 만들어 버렸어요. 그런데 이렇게 하는 이유가 뭐였을까요? 저는 종이 개구리를 만들어 본 적은 없지만, 집에서는 많이 봤어요. 이 연구의 목적은 무엇이었을까요? 무엇을 하고 싶었던 걸까요?
개구리가 더 멀리 뛸 수 있게 만드는 요인이 무엇인지 알아보고 싶었습니다.
음흠. 그녀가 그렇게 말했을 때, 저는 그녀에게 "멀리 뛰는 개구리를 만들 수 있나요?"라고 물었죠. 아재 개그를 의도한 말장난이었어요. 네. 자, Easy DOE가 뭔지 모르는 분들을 위해 설명드리자면, 로리는 Easy DOE가 처음 나왔을 때 초기 베타 테스터 중 한 명이었어요. 하지만 이 수치는 사실 엉터리 문서에서 나온 거예요.
이것들은 일반적으로 실험을 설계할 때 거치는 단계들입니다. 먼저 기술 단계에서는 반응 변수와 요인을 정의합니다. 그다음 명세 단계에서는 가정하는 기본 모델을 설정합니다. 설계를 수립하고, 데이터를 수집한 후, 최종적으로 수집한 데이터에 모델을 적용하여 프로세스 성능을 최적화하거나 예측합니다. 그렇다면 JMP에서 전통적으로 어떤 작업을 해왔을까요?
Easy DOE의 가장 큰 장점은 설계와 분석 단계를 하나의 플랫폼으로 통합한다는 점입니다. JMP에서 기존에 DOE를 수행하던 방식을 생각해 보면, DOE 플랫폼 중 하나를 사용하여 설명, 명세화, 설계 단계를 거치지만, 그 과정에서 데이터 테이블만 생성되고 설계 단계와 데이터 수집 단계가 명확하게 분리됩니다. Easy DOE는 이 모든 과정을 하나의 플랫폼에서 처리하도록 설계되었습니다. 따라서 Easy DOE는 사용자 정의 설계에 익숙하지 않은 초보 사용자들을 위해 개발되었습니다.
예를 들어 DOE에 접속해서 사용자 정의 설계를 살펴보면, 너무 많은 기능 때문에 복잡하게 느껴질 수 있습니다. 이럴 때 Easy DOE를 사용하면 편리합니다. DOE 메뉴의 사용자 정의 및 증강 항목 바로 아래에 Easy DOE 기능이 있습니다. Easy DOE를 실행하면 훨씬 직관적인 "연속 요소 추가" 옵션을 볼 수 있습니다. 힌트와 함께 몇 가지 추가 정보를 제공합니다. 연속 요소는 모든 숫자 값을 입력할 수 있습니다. 예를 들어 온도는 30에서 50 사이의 값을 가질 수 있습니다. 이 플랫폼의 모든 Easy DOE 도구에서 이러한 힌트와 추가 정보를 확인할 수 있습니다.
하지만 이 도구를 설계하면서 JMP의 DOE 원칙을 고수하는 데 가장 중점을 두었습니다. Easy DOE를 사용자 정의 설계로 가는 다리로 생각한 것이죠. Easy DOE를 통해 사용자를 지원하는 것도 중요하지만, Easy DOE가 사용자의 요구를 충족시키지 못할 때 사용자 정의 설계로 넘어가는 과정이 크게 어렵지 않도록 하는 것이 목표였습니다. 특히 설계 실험에 익숙한 사용자에게는 유연 모드가 사용자 정의 설계와 더 유사한 느낌을 줄 것입니다.
여기를 한번 살펴보시면, 몇 가지 요소를 추가해 볼 수도 있겠지만, 유연 모드를 보면 모델이 안내 모드보다 훨씬 더 친숙하게 보일 겁니다. 앞으로 진행하면서 다양한 탭을 보게 되겠지만, 모든 워크플로가 하나의 플랫폼 안에 있다고 말씀드렸던 것을 기억하시죠? 여기 상단에 있는 탭들은 DOE 프로세스의 다양한 단계를 보여줍니다. 한 가지 말씀드리자면, 이 Easy DOE 파일을 닫으면 변경 사항이 저장되는 것을 볼 수 있습니다. JMP DOE의 변경 사항을 저장하시겠습니까?
지금으로서는 아니라고 말씀드리겠지만, Easy DOE의 장점 중 하나는 필요하다면 JMP DOE 파일을 저장할 수 있다는 점입니다. 예를 들어, JMP에서 DOE 대화 상자나 DOE JS 스크립트, 데이터 테이블 등을 저장하는 것 외에도, 이제는 이 JMP DOE 파일을 공유할 수 있습니다. 따라서 동료들과 공유할 수 있습니다. 초기 설계 단계에서든, 데이터 수집 후든 상관없이 말이죠.
자, 이 종이 개구리 실험에서 우리가 실제로 디자인하고 싶었던 것은 무엇이었을까요? Easy DOE를 사용하면 첫 번째 단계로 반응 변수와 요인을 정의할 수 있습니다. 반응은 무엇이었을까요? 무엇을...
나는 개구리가 얼마나 멀리 뛸 수 있는지 측정하고 싶었다.
개구리가 얼마나 멀리 뛰었을까요? 네. 나중에 좀 더 자세히 이야기해 볼게요. 개구리가 얼마나 멀리 뛰었는지 어떻게 측정할지 바로 알기는 어렵죠? 처음에는 좀 까다로웠어요. 하지만 결국 여러분이 궁금했던 건 개구리가 얼마나 멀리 뛸 수 있느냐였잖아요.
그런데 흥미로운 점은, 실제로 종이 개구리 실험을 검색해 보면 생각만큼 쉽지 않다는 거예요. 과학 박람회에서 볼 수 있는 실험들은 몇 가지 있지만, 보통 한 가지 요소만 바꾸는 식이죠? 예를 들어 종이 종류 같은 거요. 그럼 당신은 어떤 요소들을 고려해서 실험을 진행했나요?
종이 종류, 예를 들어 카드스톡이나 장식용 종이 같은 것들이요. 두께가 다르면 결과물이 달라질 수도 있다고 생각했어요.
좋아요. 사이즈는 어떠세요?
크기가 더 크면 멀리까지 가지 못할 거라고 생각했어요.
영상에서 봤잖아요. 저건 너무 컸던 것 같지 않아요? 점프시키기가 더 어려워요. 이 무게는 어때요? 동전은 또 뭐였죠?
동전을 하나 더 넣거나, 아예 넣지 않았을 때 무게가 더 나가는지, 그리고 멀리까지 날아가는 거리는 똑같은지 확인하고 싶었어요.
알겠습니다. 네. 접는다, 이게 무슨 뜻인가요?
개구리 모양을 접을 때, 그냥 평범하게 접으면 그게 일반적인 접기이고, 아주 정확하게 접으면 제가 한 것처럼 정확한 접기입니다.
접을 때 힘을 너무 세게 주는 것 같다는 생각이 드네요?
응.
제가 보기엔 그녀가 하는 걸 보면, 약간 탄력이 있는 것 같아서 차이가 나는 것 같아요. 너무 정확하게 접으면 탄력이 전혀 없을 수도 있거든요. 여기 표면은 어떤 상태였나요?
표면이 매끄러운지 울퉁불퉁한지가 공이 얼마나 멀리 날아가는지에 영향을 줄지 궁금했어요.
네. 이것들이 요인들이었습니다. 어떻게 하셨나요? 다시 입력하신 분이 맞죠? 저희가 확인해 보면, Easy DOE에 입력하신 요인들이 여기에 있습니다. 전에 Easy DOE를 사용해 보셨기 때문에 이번에는 뭔가 다른 점이 있었나요? 조금이라도요?
음흠.
네. 이게 로리의 부모가 될지 안 될지 확신이 안 섰어요. Easy DOE 상단을 보시면 아시겠지만, 여기 버튼들을 이용해서 요인들을 추가할 수 있어요. 연속형 요인, 이산형 수치 요인, 범주형 요인 등을 추가할 수 있죠. 그런데 여기 제 의견을 보시면 아시겠지만, 이번에는 훨씬 빨랐던 것 같아요. 처음에는 종이비행기를 이용해서 했는데, 각 요인마다 "어떤 유형으로 할까?" 하면서 토론을 해야 했거든요. 그런데 이번에는 대부분의 요인 유형을 꽤 빨리 파악하신 것 같아요.
하지만 JMP 18을 사용하시는 분들께서는 Easy DOE에서 요인 목록 표시 방식이 새롭게 바뀌었다는 점을 알아두시면 좋겠습니다. 특히, 이전 버전에서는 예를 들어, 로리가 처음에 '크기'를 범주형으로 설정했다가 나중에 '아, 크기가 실제로는 연속형 또는 이산형 수치 변수일 수도 있겠구나'라고 생각하게 된다면, 기존의 모든 요인을 삭제하고 원하는 순서대로 다시 추가해야 했습니다.
JMP 18에서는 보시다시피, 변수 유형을 전환할 수 있습니다. 예를 들어, 무게를 기준으로 변수를 구분하고 싶다고 가정해 보겠습니다. 동전 대신 1g, 2g과 같이 작은 단위의 무게를 지정할 수 있습니다. 이제 언제든지 연속형 변수와 범주형 변수로 빠르게 전환할 수 있습니다. 순서를 바꾸고 싶다면, 힘(force) 변수를 목록 위로 옮기면 됩니다. 노트북에서 작업할 때 이렇게 해보세요. 잘 됐습니다. 이 새로운 변수 목록 내에서도 드래그 앤 드롭 기능을 사용할 수 있습니다.
이전에는 표시되는 항목의 순서를 바꾸려면 DOE 내에서 많은 작업을 해야 했습니다. 하지만 이제는 아주 쉽게 할 수 있습니다. 여기 편리한 버튼들이 보이시죠? 행을 추가하거나 삭제하고, 실행 취소도 할 수 있는데, 특히 실행 취소 기능이 유용합니다. 규칙이 어떻게 작동하는지 좀 더 잘 이해하게 되면, 아마 이 버튼들을 거의 사용하지 않게 될 거라고 생각합니다. 여러분은 이 버튼들을 많이 사용하셨나요?
네. 익숙해지면 이 편리한 컨트롤을 바로 사용할 수 있을 거예요. 똑같아요. 응답 표에서도 같은 걸 볼 수 있을 겁니다. 기억나세요? 우리가 이 부분에 대해 잠깐 얘기했었죠. 왜 목표가 최대화였는지 말이에요.
그냥 어디까지 갈 수 있는지 지켜보는 중이니까요. 무슨 목표를 세우고 그러는 건 아니에요.
이런 의미에서는 클수록 좋다는 거죠. 제 생각에는 개구리가 뛰어오르게 하고 싶었던 것 같아요. 개구리가 그 위로 뛰어오르게 할 수 있는지 목표물을 만들어볼까 하는 이야기를 나눴던 것도 사실입니다. 아마 나중에 한번 해보면 재밌을 것 같네요.
하지만 9살짜리 아이에게는 개구리가 최대한 멀리 뛰는 모습을 만드는 게 훨씬 더 재밌을 것 같아요. 학교 친구들도 그렇게 생각하나요? 네. 그건 그렇고, 이 새로운 요인 목록이요. JMP 17에 있던 것과 꽤 비슷해 보이지만, JMP 18을 사용할 수 있다면 이 새로운 요인 목록이 훨씬 더 관대하다고 생각합니다. 특히 Easy DOE 같은 경우, 또는 마음을 바꾸고 싶을 때 훨씬 더 쉽습니다.
네. 이게 바로 정의(Define) 단계였습니다. 이제 모든 게 준비되었죠. 이제 아래쪽 탐색 컨트롤을 사용하거나 모델로 이동할 수 있습니다. 모델로 이동하는 건 아직 조금 까다로울 수 있습니다. Easy DOE를 사용한다면, 여기서 상호작용이 무엇인지 이해하는 것이 중요합니다. 기억하시나요? 상호작용이 무엇인지 다시 한번 생각해 보세요.
상호작용이란 두 가지 요인이 서로 영향을 주고받는 것을 말합니다.
예를 들어 설명해 주시겠어요? 여기서 고려한 요소들을 살펴보면 어떤 결과가 나올 거라고 생각하세요?
접는 방식이나 종이 종류와 관련된 무언가가 있을 거라고 생각했어요.
알겠습니다. 혹시 둘 중 하나가 접기 더 쉬워서 그런 건가요?
응.
어느 쪽이 접기 더 쉬웠나요?
카드지.
알겠습니다. 어쩌면 상호작용과 관련된 어떤 일이 벌어지고 있을 수도 있다는 생각이 들었을지도 모르겠네요. 하지만 여기를 보면… 그 모델을 살펴봤을 때, 주효과는 중요한 요소를 찾는 데 도움이 되지만, 두 요인 간의 상호작용은 어떤 의미를 가지는 걸까요? 그 수치가 어떻게 나타나는지 궁금했습니다.
30개를 만들어야 했어요.
맞아요. 그녀는 개구리 30마리를 만들어야 했어요. 개구리 30마리는 너무 많은 걸까요, 아닐까요?
저는 할 수 있었어요. 아주 순조로웠거든요.
네. 음, 제 생각에는 일반적인 연습이라면 30초 정도면 할 수 있을 것 같아요.
응.
TV 보면서 만드신 것 같은데, 맞나요? 어쨌든, 저희가 상의해 본 결과 30마리가 적당해 보였어요. 그렇게 나쁘지도 않았고, 상호작용에 대한 관심도 있는 것 같았죠. 그래서 최종적으로 30마리로 정했습니다. 자, 그럼… 이제 개구리 30마리가 준비됐으니, 다음 버튼을 누르기만 하면 됩니다. 어떤 개구리를 만들어야 하는지 알려주는 버튼이었죠. 그리고 솔직히 말씀드리면, 그걸 출력해서 데이터를 수집했습니다. 이 실험에서는 데이터를 어떻게 수집하셨나요?
상자에서 개구리 한 마리를 무작위로 뽑았습니다. 그런 다음 테이프를 가져와 개구리 코끝에 붙이고, 코를 점프시킨 후, 코가 점프하기 전 위치와 점프 후 위치 사이의 거리를 측정했습니다. 이 과정을 세 번 반복한 후, 절댓값이 가장 큰 값을 구했습니다.
네. 흥미로운 점은 제가 그 거리에서 여러분이 하고 싶은 일에 대해 너무 많은 간섭을 하고 싶지 않았다는 것입니다. 누군가는 코가 시작된 지점과 가장 가까운 곳으로 가려고 할 수도 있으니까요. 사실 질문도 하나 있었습니다. 최대 절댓값에 제가 물음표를 붙인 것을 보셨을 텐데, 절댓값이 무엇인지 기억하시나요?
0에서 얼마나 떨어져 있느냐의 문제입니다.
부정적인 결과가 있었나요?
예.
만약 결과가 부정적이라면 무슨 의미인가요?
오히려 거꾸로 됐어요.
네. 솔직히 처음 몇 마리는 좀 그랬어요. 아빠는 개구리 실험이 잘 안 될까 봐 걱정하셨거든요. 어떤 개구리들은 아예 뛰지도 않았잖아요? 겨우 1~2cm 정도밖에 못 뛰는 것도 있었고, 아예 안 뛰는 개구리도 있었죠. 하지만 결국엔… 보시다시피 꽤 멀리 뛰는 개구리들도 있었잖아요? 어떻게 생각하세요?
응.
네. 이제 데이터 입력은 끝났으니, 데이터 수집 후에는 뭘 해야 하죠? 다음 탭은 뭐였더라? 아, 안 보이네요. 데이터 수집 후에 뭘 했는지 기억나세요?
우리는 멀리까지 차를 몰고 가서 분석했습니다.
네. 여기 보시면 아시겠지만, 제가 이미 분석 부분을 작성했던 것 같아요. 제대로 작성되었는지 확인해 볼게요. 다른 쪽에도 작성되어 있을지도 모르겠네요. 어디 한번 볼게요. 분석은 어떻게 하셨나요? 아마 이 모든 내용이 여기에 있을 거예요. 원하시는 내용이었나요? 아니요. 어떻게 하셨는지 기억나세요?
저는 베스트 모델에 갔어요.
최고의 모델이요? 좋아요. 어떤 점이 눈에 띄었나요? 최고의 모델을 찾았을 때, 어떤 점이 중요하게 느껴지셨나요?
빛에 비친 카드 용지의 질감이 중요한 것 같았다.
네, 맞아요. 카드지 재질 때문일 수도 있고, 종이 재질 때문일 수도 있겠네요. 아니면 무게 때문일지도 모르겠어요.
응.
이건 흥미로운 점인데, 왜냐하면 이 '힘의 빛'이라는 요소가 그다지 중요해 보이지 않았기 때문입니다. JMP 18에 대해서도 언급할 만한 점이 있습니다. 지난번에 말씀드렸는지 모르겠지만, JMP 17에서는 어떤 효과를 제거하면, 모델에 포함되지 않은 모든 효과들이 중심값이 0으로 고정되었습니다. 그렇다면 모든 상호작용 효과를 다시 추가하면 어떻게 될까요? JMP 18에서는 이 효과를 다시 추가했을 때 어떤 결과가 나올지 보여줍니다. 이전 버전의 JMP에서는 어떤 효과를 제거하면 갑자기 모든 신뢰구간이 넓어졌기 때문에, 어떤 효과를 제거했는지 주의 깊게 살펴보지 않으면 결과를 파악하기 어려웠을 겁니다.
JMP 18의 좋은 점 중 하나는, 그 내용을 바로 다시 넣을 수 있다는 겁니다. 그리고 경험 많은 사용자분들의 피드백을 반영해서, 이제 Easy DOA도 영향 유전(effect heredity)을 따르도록 변경했습니다. 영향 유전이 정확히 무엇을 의미하는지는 나중에 다시 이야기해 보도록 하겠습니다. 아, 그리고 제가 빼먹은 게 하나 있는데요. 데이터를 수집하고 나서 흥미로운 점을 발견했습니다. 데이터를 입력하기 전에, 다른 작업을 하기 전에, 여러분께 첫인상이 어땠는지 여쭤봤던 거 기억하시죠? 제가 적어둔 게 바로 이겁니다. 뭐라고요? 종이요.
종이가 중요한 소재인 것 같습니다. 그리고 장식적인 요소와 일반적인 힘이 서로 어우러져 있는 것 같네요. 정말 잘 어울리는 것 같습니다.
알겠습니다. 저희가 말씀드렸듯이, 그리고 제가 질문드렸을 때, 그게 일종의 상호작용 같은 건지 궁금했는데요. 그때 당신은 1페니라도 없는 것보다는 낫다고 하셨죠. 아니면 반대였나요? 제가 적어놨는지 잘 기억이 안 나네요. 하지만 제 종이에는 그렇게 적혀 있었습니다. 자, 그럼 이 예측을 바탕으로, 1페니가 없는 게 더 나은 것처럼 보였나요? 당신 말이 맞는 것 같나요? 뭔가 다른 이유가 있었나요? 음, 빛의 힘에서 일반적인 힘으로 옮겨보면, 상호작용이라는 개념이 여전히 존재하는 것처럼 보이나요?
응.
네, 그렇죠? 장식용지나 카드지에 따라 어떤 힘이 작용하는 것 같아요. 사실, 전에 그런 점을 눈치채셨었죠? 만약 우리가 정말 멋진 개구리를 만들고 싶었다면 어떻게 했었죠?
최적화를 클릭했습니다.
네, 최적화 말이죠. 솔직히 말씀드리면, 저희도 논의를 좀 해야 했습니다. 향후 버전에서는 "이것이 귀하의 요인에 대한 최적의 설정입니다"라는 문구를 추가할 수도 있을 것 같습니다. 하지만 해당 부분을 클릭하면 JMP가 제안한 내용이 바로 그것입니다. 그러니까 Easy DOE가 로리에게 알려준 내용이 바로 그것이었죠. 여기서 한 가지 더 말씀드려야겠네요. 이상치에 대해서도 이야기했었는데, 그 부분을 강조하지 않았던 것 같습니다. 이 모델에서 잔차를 살펴보았을 때, 이상치가 무엇인지 이미 어느 정도 알고 계셨을 텐데요. 여기서 무엇을 발견하셨나요?
7번째 행과 9번째 행에서 이상치가 나타났습니다.
사실 저희는 다시 돌아가 봤는데, 9번째 줄은 괜찮아 보였어요. 다시 돌아갔을 때 7번째 줄에 대해 뭘 알아챘냐고요?
실제로는 양의 최대값이 존재했습니다.
네. 긍정적인 측면이 있었어요.
응.
이건 마치 절대적인 것과 같았어요. 이건 정말 오래전부터 있었던 거죠. 우리가 들어가서 수정했을 때 상황도 조금 바뀌었던 것 같아요. 여전히 그중 하나가 남아있었던 것 같고요. 또 다른 부정적인 요소가 있었죠. 제가 다시 돌아가 보면, 우리가 실제로 그런 절대적인 요소들 중 일부를 더 긍정적인 것으로 바꿨던 것 같아요. 그게 정말 최대치였죠. 그 모델에서 최적의 결과를 얻었을 때, 당신에게 중요해 보이는 효과가 몇 가지 더 있었던 것 같지 않나요?
예.
어쩌면 또 다른 문제일 수도 있겠네요. 하지만 어쨌든, 결국 우리는 여전히 궁금했습니다. 흥미로운 점은 이상치를 수정했는데도 예측 결과가 똑같았다는 거죠. 그러니까, 가장 좋은 개구리는 여전히 원래 그대로였다는 겁니다. 특히, 당신은 그 개구리를 실제로 사용했나요? 제 생각에는 활엽수에는 적합하지 않은 것 같은데요. 맞나요? 약간 스포일러가 될 수도 있겠지만, 그 개구리를 사용해 봤을 때 효과가 있었나요?
응.
직접 만났다면 보여드리고 싶었던 게… 사실 얼마나 멀리 뛸 수 있는지? 한 40~50센티미터 정도? 종이 개구리가 그렇게 멀리 뛸 수 있을 거라고는 생각도 못 했어요. 실험 전까지는 상상도 못 하셨죠? 아니요.
이제 또 하나 말씀드리겠습니다. 아버지는 "좋아, 나는 통계학자니까 로리의 모델을 분명히 이길 수 있을 거야. 아니면 내 통계 도구를 이용해서 뭔가 해내야지."라고 생각하셨습니다. 예를 들어, 저는 데이터를 중첩해 보려고 했습니다. "시간 효과가 있을까? 이 개구리들이 무작위 효과라고 가정하는 무작위 효과 모델을 사용할 수 있겠지."라고 생각했습니다. 그리고 보세요. 우리는 시간적 추세가 있을지도 모른다고 생각했습니다.
음, 제가 흥미롭게 생각했던 것 중 하나를 말씀드리자면, "음, 저도 그렇게 해볼까? 세 값의 평균을 내야겠다."라고 생각하실 수도 있겠죠. 하지만 결국 아빠의 결과는 여러분이 얻으신 결과와 거의 똑같았습니다. 더 나은 결과를 낼 수는 없었죠. 그런데 제가 한 가지 한 가지, 어떻게 이런 결과를 얻었냐고요? 바로 이 데이터에서, 제가 방금 내보낸 데이터입니다. 로리가 사용했던 것과 같은 데이터를 사용했고, 거기에 거리별 열을 추가했습니다. 원래 있던 스프레드시트를 그대로 가져온 거죠. 그렇게 해서 로리의 거리 1, 2, 3 값을 얻게 된 겁니다.
하지만 제가 이 데이터를 내보내서 좋았던 점 중 하나는, 만약 여기에 데이터가 있다면, 그래프 빌더 같은 걸 사용할 수 있다는 거예요. 로리가 종이가 중요할 거라고 생각한다고 말했던 거 기억하시죠? 아주 간단하게, 그래프 빌더에 종이와 주요 거리를 불러오면, 거리를 1, 2, 3으로 설정해서 최대값까지 그래프를 그릴 수 있어요. 보시다시피, 그래프 빌더에 열 전환기를 추가했더니 이제 카드 용지와 장식에 뭔가 관련이 있는 것 같네요.
크기는 그럴 수도 있고 아닐 수도 있겠네요. 아, 맞다. 동전처럼 보이네요. 접힌 부분은 덜 분명했던 것 같아요. 조금 더 나아진 것 같네요. 힘은 좀 더 다양하게 나타나는 것 같아요. 그 힘과 관련된 무언가가 있는 것 같습니다. 표면은 조금 보입니다. 하지만 여기서 차이점을 확실히 알 수 있을 거예요. 종이에 뭔가 문제가 있는 게 분명합니다.
그래프 빌더 같은 프로그램에 이 데이터를 불러와서 살펴보는 것도 좋을 것 같아요. 여기서부터 시작해 볼까요? 만약 이 거리를 고려한다면요. 로리가 카드스톡과 데코레이티브 용지 사이에 뭔가 차이가 있는 것 같다고 말했던 거 기억하시죠? 그 부분을 여기에 반영해 볼까요? 여러 가지 관점에서 볼 수 있겠지만, 여기를 보면 로리의 말이 맞는 것 같아요. 빛의 세기 면에서는 카드스톡과 데코레이티브 용지 사이에 큰 차이가 없을 수도 있지만, 일반 용지를 비교해 보면 확실히 차이가 느껴지는 것 같습니다.
내보낸 데이터에서 그래프 빌더를 바로 불러오는 좋은 방법이라고 생각했어요. 그런데, 어쩌면 최댓값을 선택한 게 그렇게 나쁜 선택은 아니었을지도 모르겠네요. 9살 아이의 입장에서 생각해 보면, 저는 평균값을 보고 있었고, 몇몇 실험에서는 표준편차도 고려했어요. 최대한 안정적인 결과를 얻고 싶었거든요. 하지만 결국 아이는 학교에 가서 친구들에게 멀리 뛸 수 있는 개구리를 자랑하고 싶어 하잖아요. 가끔 실패하더라도 괜찮을 거예요. 얼마나 멀리 뛸 수 있는지 보여줄 기회는 단 한 번뿐이니까요. 그렇지 않나요? 어쩌면 아이가 최댓값을 선택한 게 그렇게 나쁜 선택은 아니었을지도 몰라요.
하지만 만약 제가 실제로 평균 거리를 가져오고 싶다면 어떻게 해야 할까요? 제가 여러 가지 작업을 했을 수도 있습니다. 이상치를 제거했을 수도 있고, 반응 변수를 변환했거나, 외부에서 다른 작업을 했을 수도 있습니다. 이제 이 데이터를 Rory의 Easy DOE에 다시 가져오려고 시도할 수 있지만, 제가 작업했던 데이터 테이블만 있다면 어떻게 해야 할까요? 새로운 Easy DOE를 실행하면, 찾기가 조금 어려울 수 있지만, 요인 테이블 아래에서 빨간색 삼각형을 클릭하면 '낮은 설계' 옵션이 있습니다.
여기서는 제가 가지고 있는 요인들, 즉 로리가 사용했던 요인들을 선택하겠습니다. 보시다시피 Easy DOE는 여러분이 사용했던 것과 동일한 설계를 불러왔습니다. 하지만 로리의 응답 대신 제가 직접 만든 응답을 사용하고 싶다면, '응답 불러오기'로 가서 평균 응답을 입력하겠습니다. 이렇게 하면 외부에서 다른 작업을 수행한 후 Easy DOE를 사용하여 불러올 수 있습니다. 이를 '새로운 설계'라고 부르겠지만, 꼭 그런 것은 아닙니다. 단지 Easy DOE를 사용하는 사람이 해당 파일이나 데이터 테이블을 다른 사람에게 보냈더라도, 제가 Easy DOE에 쉽게 불러와서 제 작업을 수행할 수 있다는 의미입니다.
결국 중요한 건 예측이죠. 결국 우리 예측이 같았던 것 같아요. 예측한 개구리가 마음에 들었나요? 저는 아빠가 해보셨을 때도 제가 만든 개구리가 당신 것보다 더 멀리 갔던 것 같아요. 당신이 예측한 개구리를 사용했을 때 말이죠. 아마 아닐 수도 있겠지만요.
네. 이것으로 Easy DOE에 대한 저희 발표를 마치겠습니다. 마지막으로 몇 가지 생각을 덧붙이자면, 제 개인적인 생각에서 벗어나 때로는 단순하게 유지하는 것이 중요하다는 점을 말씀드리고 싶습니다. 과정을 믿으세요. 설계 실험을 하는 것만으로도 많은 것을 배울 수 있습니다. 물론 아버지가 시간을 좀 더 투자하셨다면 더 나은 모델이나 더 많은 정보를 찾을 수 있었을지도 모릅니다. 하지만 단순하게 유지하는 것이 정말 효과가 있었습니다. 설계 실험을 하고 데이터를 살펴보는 것만으로도 많은 것을 알 수 있다는 점을 믿는 것이 중요하다는 것을 깨달았습니다.
그렇게 순서를 두 번이나 무작위로 섞은 건 나중에 생각해보니 아쉬운 점이었어요. 우리가 종이 개구리를 뛰어넘는 순서를 기록해 뒀어야 했는데 말이죠. 원래 순서대로 하지 않았거든요. 아마 그게 아빠가 정해둔 번호 체계였을 거예요. 그런데 때로는 네가 그냥 실력이 늘고 있는 건지, 아니면 시간이 지나면서 스스로 고쳐나가는 건지 확실히 알 수가 없었어요. 시간적인 기준을 정할 수가 없었죠. 물론 네가 그 부분은 크게 걱정하지 않았던 것 같지만요. 하지만 통계학자인 아빠는 네가 종이 개구리를 뛰어넘는 법을 점점 더 잘 배우게 될까 봐 걱정했어요. 왜냐하면 처음부터 끝까지 네가 뛰어넘는 역할을 했잖아, 그렇지?
다음번에 어떻게 다르게 하시겠습니까? 아빠가 먼저 하시는 게 어떨까요? 저는 강제적인 방식이 너무 주관적이라고 생각했습니다. 빛과 일반 빛을 구분하기가 어려웠던 것 같아요. 적어도 제가 로리를 관찰했을 때는, 빛이 아주 미세하게 번갈아 움직이는 부분이 있었는데, 그걸 구분하기가 힘들었습니다. 다시 한번 시간 효과에 대해 생각해 보면, 혹시 학습이 진행되고 있는 걸까요? 개구리 한 마리 내에서 세 번 반복되는 부분도, 이를 분할 그래프로 표현하는 게 더 나을 것 같습니다. 특히 위치 효과처럼, 여러 마리의 개구리를 한 번에 작업하는 방식이 더 쉬울 것 같아요.
그럼, 아마도 이런 반응이 나올 수도 있겠네요. 우리는 코끝에서 코끝까지만 지만, 다음번에는 똑바로 아래로 재보는 게 좋을 것 같아요. 예를 들어, 똑바로 아래로 뻗은 자를 사용해서 측정해 보면 어떨까요? 아니면 목표물을 향해 측정해 보는 건 어떨까요? 여러분은 어떻게 생각하세요? 다음번에는 어떻게 다르게 해보시겠어요?
용지 종류를 추가하세요.
용지 종류를 하나 더 추가해 보세요. 그 외에 다르게 하는 부분이 있나요?
목표값을 줄이기 위해서일 수도 있습니다.
타겟이라니, 재밌겠네요. 꽤 멋진 아이디어일 것 같아요, 안 그래요? 나중에 에너지부 관련해서 또 다른 프로젝트를 해볼 생각 있으세요? 네. 요리 관련 프로젝트는 어때요? 기대해 주세요. 언젠가 초콜릿 만드는 프로젝트도 생각해 봤거든요.
그럼 이만, 시간 내주셔서 감사합니다. 함께해 주셔서 감사했습니다. 의견이나 질문이 있으시면 아래에 남겨주세요. 감사합니다.
