안녕하세요, 저는 로라 히긴스입니다. 글로벌 기술 지원팀의 시스템 엔지니어입니다. 오늘은 실험 계획법(DOE)이 어떻게 여러분의 혁신을 가속화할 수 있는지에 대해 이야기해 드리고자 합니다. 여러분은 혁신에 관심이 많으셔서 이 자리에 오신 것입니다. 더 나은 제품이나 프로세스를 개발하거나, 기존 제품을 개선하고 싶으신가요? 어쩌면 완전히 새로운 것을 만들고 싶으신가요?
혁신 과정에서 어떻게 더 큰 발걸음을 내딛을 수 있을까요? 어떻게 하면 더 적은 시간, 더 적은 비용, 더 적은 노력으로 다음 단계로 나아갈 수 있을까요? 궁극적으로, 분석을 활용하여 견고하고 고품질의 제품과 프로세스를 만드는 것이 혁신을 향상시키는 방법입니다.
혁신이 쉬운 일이라면 누구나 하고 있을 겁니다. 하지만 혁신을 어렵게 만드는 복잡성이 있습니다. 복잡성은 바로 이러한 근본적인 요인들에 있습니다. 그 요인들은 우리가 목표를 달성하기 위해 바꾸거나 조정하려는 것들입니다.
우리는 새로운 것을 시도해야 하고, 실험을 통해 이를 실현합니다. 실험은 혁신에 필수적입니다. 우리는 이러한 기본 요소 설정의 새로운 조합을 시도하거나, 이전에 시도해 본 적 없는 새로운 요소, 새로운 재료들을 시도해 볼 것입니다. 궁극적으로 실험이 바로 우리가 배우는 방식입니다.
이 두 가지를 어떻게 조화시킬 수 있을까요? 한편으로는 복잡성으로 인해 어려움을 겪고, 다른 한편으로는 혁신을 위한 실험이 필요합니다. 분석은 구체성을 제공합니다. 이 두 가지가 각각 무엇을 의미하는지 구체적으로 살펴보겠습니다.
복잡성은 여러 요인이 있기 때문에, 다시 한번 말씀드리지만, 우리가 조정하는 것의 기본 구성 요소들은 그 자체로 복잡할 수 있습니다. 이러한 요소들은 서로에게 예상치 못한 영향을 미칠 수 있습니다. 우리가 중요하다고 알거나 모를 수도 있지만, 살펴볼 필요가 있다고 생각하는 것들이 많이 있을 수 있습니다. 이러한 예상치 못한 영향이 우리를 전문 지식의 영역에서 벗어나게 하며, 새롭고 더 나은 것을 하기 위해 이 영역으로 들어가야 합니다.
반면, 실험은 우리가 집단, 즉 조직으로서 배우는 방식입니다. 우리는 여러 번 반복해서 실험해야 합니다. 순차적으로 실험합니다. 배운 것을 바탕으로 발전시켜 나가지만, 체계적인 접근 방식이 필요합니다. 구조는 필수적이며, 우리가 진정으로 원하는 것은 현명한 전략적 실험입니다.
실험 설계는 복잡성과 실험을 하나로 포괄할 만큼 큰 프레임워크입니다. 이 프레임워크에는 많은 여지가 있으며, 제가 여러분께 전하고 싶은 메시지도 바로 이것입니다. 이 프레임워크에 맞지 않는 복잡성은 없습니다. 시작하기도 쉽고, 오늘 제가 보여드릴 내용도 바로 그것입니다. 디자인 실험을 수행하면 혁신을 가속화하는 데 도움이 되는 진전, 효율성, 그리고 효과를 가져올 것입니다.
백지 상태에서 시작하지 않습니다. 전문 지식을 활용하겠지만, 한 번에 하나의 요인에만 적용하는 실험을 넘어서야 합니다. 이러한 실험을 전통적으로 '한 번에 한 요인씩 실험'이라고 합니다. 다시 말해, 우리는 인과관계를 설명하는 최적의 요소들의 조합을 찾으려고 노력하는 것입니다. '한 번에 한 요인씩 실험'과 '설계 실험'의 차이점을 설명해 드리겠습니다.
여기에는 한 번에 한 가지 요인이 있습니다. x축에는 온도, y축에는 pH가 있습니다. 단일 요인 시간 실험에서는 다음과 같이 합니다. pH 하나를 선택하고 다양한 온도 설정을 시도해 보겠습니다. 가장 최적의 온도를 찾은 다음, 그 온도에서 pH를 변경합니다.
이 그림에서 색상은 수율을 나타내며, 한 번에 한 가지 요인만 고려하는 방식으로 최상의 수율을 찾습니다. 설계된 실험과는 달리, 동일한 축을 사용하므로 전체 설계 공간을 포괄하고, 한 번에 한 가지 요인만 고려하는 것보다 더 광범위한 조합을 살펴보고 있습니다. 이 예시에서는 실제로 더 높은 수율을 얻을 수 있으며, 이는 한 번에 한 가지 요인만 고려하는 방식에서는 시도하지 않았을 조합입니다. 이는 범위를 확장하고 복잡성을 이해하기 시작하며, 복잡성을 이해하면 인과관계를 이해할 수 있습니다.
두 가지 결과가 이렇게 보입니다. 하나는 언덕에 가깝고, 다른 하나는 경사면입니다. 자연 속에서 언덕 꼭대기에 서서 정상에 도달했다고 생각하지만, 흐린 날이라고 상상해 보세요. 그러다 구름이 걷히고 뒤돌아보니 훨씬 더 높은 정상이 뒤에 있다는 것을 깨닫습니다. 하지만 그 정상은 멀리 떨어져 있어서 그냥 걸어가는 것만으로는 절대 찾을 수 없었을 것입니다. 이럴 때는 안내자와 길이 필요합니다. 더 높은 곳에서 더 높은 결과를 찾을 수 있습니다. 이 경우, 더 나은 수확을 얻을 수 있습니다.
우리가 진정으로 하려는 것은 이러한 요인들과 반응 사이의 관계를 이해하는 것입니다. 여기 요인 목록이 있습니다. 기계나 작업자, 온도, 압력, 습도와 같은 것들이 될 수 있습니다. 그리고 비용, 수율, 불순물과 같은 일반적인 산출물도 있습니다. 우리가 원하는 여러 반응들을 얻을 것입니다. 이 블랙박스 대신, 우리가 이 과정에 대해 진정으로 하려는 것은 이 과정을 특징짓는 통계적 모델을 설명하는 것입니다. 이를 통해 요인들이 서로에게 미치는 예상치 못한 영향을 밝혀낼 것입니다.
사람들이 이야기하는 실험에는 크게 두 가지 종류가 있습니다. 하나는 선별(screening)으로, 무엇이 중요한지 결정하는 과정입니다. 이를 통해 매우 많은 요인들을 분석하고, 그 중 어떤 요인들이 중요한지 순위를 매겨 볼 수 있습니다. 요인 수가 적을수록 복잡성을 이해하고 요인 내부와 요인 간, 그리고 요인과 반응 간의 관계를 정의할 수 있습니다.
꽤 많은 것 같은데, 시작하기 쉽다고 말씀드렸잖아요. 이제부터 할 일은 다음과 같습니다. 스크리닝은 초콜릿과 같습니다. 마치 좋은 재료와 같고, 특성 분석은 땅콩버터와 같습니다. 다소 복잡한 구조를 가지고 있죠. JMP에는 Easy DOE라는 플랫폼이 있습니다. 스크리닝과 특성 분석을 마법처럼 결합해 주죠. 목표를 달성하는 데 도움이 됩니다. 언제 하나를 하고 언제 다른 하나를 해야 할지 고민할 필요가 없습니다. 이 플랫폼이 자동으로 이 과정을 도와드립니다. 지금부터 보여드리겠습니다.
본격적으로 시작하기 전에, DOE의 단계에 대해 간략하게 설명드리겠습니다. 이 슬라이드를 보시면 "세상에! 정말 많네. 여기서 뭘 해야 하지?"라고 생각하실 겁니다. 하지만 Easy DOE가 바로 이러한 일련의 단계를 안내해 드리고, 각 단계를 단계별로 안내해 드릴 것입니다. 여기서는 자세한 설명은 하지 않겠습니다. Easy DOE 플랫폼에서 보여드릴 예정이니까요. 아주 전형적인 그림이죠. 많은 분들이 이 슬라이드를 보셨을 텐데, 바로 이것이 Easy DOE에서 하려는 작업입니다.
파워포인트는 잠시 접어두고 증강에 대해서도 이야기해 보겠습니다. 계획된 실험을 하는 것은 정말 훌륭하지만, 증강의 중요성을 과소평가해서는 안 됩니다. 한 번에 한 가지 요인만 실험할 때는 다음 실험으로 넘어가기가 어렵습니다. 그저 발견한 몇 가지 값만 가지고 앞으로 나아가는 것일 뿐입니다.
설계된 실험을 하면 배운 모든 지식을 활용할 수 있으며, 처음부터 다시 시작할 필요가 없습니다. 즉, 기본 통계 모델에 더 많은 정보를 추가하는 것입니다. 증강은 설계된 실험을 수행하는 데 매우 중요한 부분이며, 실제로 처음부터 다시 시작하지 않고도 모든 추가 지식을 얻을 수 있습니다. 이것이 바로 설계된 실험을 시도해야 하는 가장 설득력 있는 이유 중 하나라고 생각합니다.
JMP에서 간단한 DOE를 해 보겠습니다. 이건 JMP 저널입니다. 익숙하지 않다면, 그냥 메모를 하는 방법일 뿐이고, 여기에 연결된 데이터 테이블과 다른 좋은 기능들이 있습니다. 어디서부터 시작해야 할까요? 제가 이야기하고 싶은 것 중 하나는 관계가 무엇인지에 대한 간략한 이해입니다. 약간의 배경 지식입니다. 두 개의 요인이 있고 그것들이 X와 Y에 있다면, 우리는 양의 관계나 음의 관계를 가질 수 있습니다. 또한 직선으로 잘 설명되거나 곡률이 있어야 하는 무언가가 있을 수도 있습니다. JMP와 함께 제공되는 작은 데모가 있습니다. 내장되어 있으며, 데이터 포인트를 추가하고 클릭하면 이 상관관계가 어떻게 작동하는지 이해할 수 있습니다.
우리가 이해해야 할 또 다른 것은 회귀 분석입니다. 상관관계는 변수 간의 관계입니다. 회귀 분석은 실제로 선을 긋는 과정입니다. 여기서도 관계를 변경할 수 있습니다. 이는 결과를 해석할 때 무엇을 보고 있는지 이해하는 데 도움이 될 것입니다.
예시를 살펴보기 전에 한 가지 더 알려드릴 게 있습니다. 모델이 있을 때, 즉 모델은 통계적 관계입니다. y = mx + b라는 것을 누구나 알고 있죠. 이것만 있다면 그냥 주효과라고 부릅니다. 여기에는 X1과 X2가 있고, y에 대한 반응 변수가 있습니다.
여기서 볼 수 있는 것은 각 X가 반응에 영향을 미치지만, 두 X1과 X2는 서로 영향을 미치지 않는다는 것입니다. 어쩌면 두 X1과 X2가 직선이 아닐 수도 있습니다. 이것이 제가 앞서 선형 관계와 비선형 또는 곡선 관계의 차이에 대해 말씀드린 것입니다.
이차방정식은 곡선을 수학적으로 표현하는 방식입니다. 다시 말하지만, X1과 X2는 서로 영향을 미치지 않지만, 반응 변수와의 관계에서 더 복잡한 양상을 보입니다. X1과 X2는 서로 영향을 미칠 수 있습니다. 바로 이러한 복잡성이 혁신을 어렵게 만드는 근본적인 원인이며, 설계된 실험을 통해 이를 이해할 수 있습니다. X1을 변화시키면 X2와 반응 변수의 관계가 어떻게 변하는지 확인할 수 있습니다. 이 원리를 알지 못한 채 이미 알고 있을 수도 있고, 실제로 정의할 방법이 없다면 매우 답답할 수 있습니다. 그렇다면 두 가지 방법을 모두 적용할 수 있습니다. 곡선을 그리면서 요인들이 서로 영향을 미칠 수 있습니다.
설계된 실험을 할 때 고려해야 할 복잡성 수준은 모두 이렇습니다. Easy DOE를 사용하면 이 과정을 쉽게 진행할 수 있습니다. DOE에서 시작하는 것이 좋고, Easy DOE를 사용할 것입니다. 다른 슬라이드에서 보여드렸듯이, 수행해야 할 단계는 다음과 같습니다. 이미 작성된 슬라이드를 하나 열어 보겠습니다. 슬라이드에서 보여드린 단계들은 다음과 같습니다. 정의, 모델링, 설계 등. 이 모든 과정이 여기에 있습니다.
가이드 모드와 유연한 모드가 있습니다. 이미 설계 실험에 대해 어느 정도 알고 있다면 유연한 모드를 선택하는 것이 좋습니다. 이 모드는 설계 선택과 분석 유형에 대한 추가적인 옵션을 제공합니다. 하지만 제가 이야기하는 대상은 바로 초보자이므로, 가이드 모드로 설정해 두세요.
저는… 여기 빈 칸이 있습니다. 응답을 살펴보겠습니다. 응답은 측정하려는 대상입니다. 첫 번째로 할 것은 선별 설계입니다. 요인들의 순위를 파악하는 것입니다. 목표가 있을 수도 있고, 없을 수도 있습니다. 더 자세히 알아보고 싶다면 여기에 힌트가 있지만, 이 힌트는 여러분이… 설명서가 정말 좋습니다. 예시를 보여주지만, 결정을 내릴 때 참고할 수 있도록 여기에 모두 있습니다.
응답을 추가하고 목표와 일치시키고 싶습니다. 해당 응답은 삭제하겠습니다. 지금 하는 일은 커피를 만드는 것입니다. 저는 커피를 좋아합니다. 커피의 강도를 살펴보겠습니다. 우리가 찾는 값은 1.2에서 1.4 사이입니다. 그냥… 목표를 최대화하거나 최소화할 수도 있습니다. 예를 들어, 비용이 있다면 비용을 최소화할 수 있습니다. 이것이 바로 우리의 응답입니다.
요인도 추가해야 합니다. 이 요인들은 실험에서 변경할 사항입니다. 제가 타이핑하는 걸 보는 건 좀 지루하네요. 이 다양한 요인들이 무엇인지 간단히 설명하겠습니다. 하지만 제가 보여드릴 건… 요인이 담긴 표를 만들 수 있습니다. 여기서는 이 요인들을 불러와서 살펴볼 겁니다. 각각 살펴보겠습니다. 여기 분쇄도가 있습니다. 커피는 굵게 갈 수도 있고, 이 경우 중간 정도로 갈 수도 있습니다. 이것은 범주형 응답입니다. 범주형 응답을 추가하려면 개별 단위로 제공됩니다. 빨간색/파란색으로 구분된 공급업체가 있습니다. 이 경우에는 분쇄도입니다.
제 온도는 연속 변수입니다. 가장 낮은 온도와 가장 높은 온도를 입력하는 거죠. 연속 변수는 손잡이가 연속적으로 움직이는 모든 것을 말합니다. 온도는 온도 간 변동 폭이 얼마든지 있을 수 있습니다. 다음 요소 역시 연속 변수입니다. 바로 시간입니다. 시간은 항상 연속적입니다. 3에서 4 사이로 설정할 수 있습니다. 충전량은 추출 강도와 관련이 있습니다. 기계가 실제로 작동하는 시간이나 추출 강도를 변경하는 기계 설정과 관련이 있습니다.
커피 스테이션 두 개를 사용하는 이유는 제가 모르는 스테이션 간의 차이가 있을지도 모르기 때문입니다. 여기서 중요한 개념인 소음에 대해 생각해 보게 됩니다. 설계 실험에서 하는 일 중 하나는 무작위 추출입니다. 모든 것을 걱정할 필요가 없도록 하기 위해서입니다. 스테이션 중 하나의 발열체가 다른 하나만큼 좋지 않을 수도 있지만, 두 스테이션을 무작위로 추출하면 그 사실을 모호하게 하고, 우리가 신경 쓰지 않는 소음, 즉 정의하려고 하지 않는 소음을 제거하여 더 잘 이해할 수 있도록 도와줍니다.
여기 있는 또 다른 하나는 이산 수치 인자입니다. 오븐 같은 것을 사용할 때 사용합니다. 오븐의 설정이 몇 가지뿐이라고 가정해 보겠습니다. 온도는 연속 변수일 수 있지만, 실제로는 그렇게 실행하지 않습니다. "범주형으로 실행하면 안 될까?"라고 생각할 수도 있습니다. 이산 수치 인자를 사용하면 더 많은 정보를 얻을 수 있기 때문입니다.
이산형 숫자에 대한 두 값이 10과 100이라면, 10, 20, 100의 차이를 인식할 것입니다. 10과 20의 차이는 10에 불과하지만, 10과 100은 90입니다. 이 점을 고려할 것입니다. 만약 이 값들을 범주형 요인에 그냥 집어넣으면, A, B, C로 취급되어 얻을 수 있었던 추가 정보는 잃게 됩니다. 자, 다음으로 넘어가겠습니다. 내비게이션 컨트롤을 클릭하면 다음 탭으로 이동합니다.
모델. 사람들이 걱정하기 시작하는 부분이 바로 이 부분인 것 같습니다. 여기에 이러한 요소들이 무엇을 의미하는지 간략하게 설명되어 있습니다. 심지어 지금은 단순히 검토 단계일 뿐이라고도 나와 있습니다. 우리는 단지 이 항목들 중 어떤 것이 가장 중요한지 알고 싶을 뿐입니다. 교호작용과 이차방정식을 예로 든 이유는, 이러한 요소들을 적용해서 검증할 수 있기 때문입니다.
한 가지 눈에 띄는 점은 현재 상황에 대한 더 많은 정보를 얻으려면 요인들이 선형인지 아닌지, 그리고 요인들이 서로 상호 작용하는지 여부에 관계없이 더 많은 실행 횟수가 필요하다는 것입니다. 따라서 요인 수가 많을 경우 스크리닝 설계를 먼저 수행한 후 특성화 설계를 수행하는 것이 더 좋습니다. Easy DOE에서 제가 결정해야 할 것은 이 질문들 중 어떤 질문에 답할지 결정하는 것뿐입니다.
이 경우, 중요한 것이 무엇인지 알고 싶습니다.그것을 고수할 것입니다.제 디자인을 만들었습니다.제 디자인은 다음과 같습니다.데이터를 내보낼 수 있습니다.JMP 데이터 테이블을 만든 다음 시작할 수 있습니다.각 실행을 순서대로 실행해야 합니다.이렇게 말합니다.처음 실험을 할 때는 스테이션 2에서 할 것입니다.온도 195에서 3분의 시간 동안 거친 분쇄를 사용하고 2.4의 충전량을 사용할 것입니다.두 번째 실험을 할 때도 스테이션 2를 사용합니다.중간 분쇄를 사용할 것입니다.그러면 다른 변수를 여기서 볼 수 있습니다.실행 순서는 정말 중요합니다.이것은 무작위화의 일부입니다.실행을 중단하고 이것을 정렬하면 실험 설계에서 수행하는 작업을 존중하지 않은 것입니다.
오늘 이야기할 주제와는 조금 다릅니다. 다시 모델로 돌아가서… 아뇨, 죄송합니다. 요인 분석과 유연 모드로 돌아가면, 정말 변경하기 어려운 것들에 대한 추가 정보를 얻을 수 있습니다. 뭔가를 담그는 건 마치 산(酸)을 넣은 것과 같습니다. 이렇게 하면 우리가 구축하고 있는 기본 통계 모델의 종류가 바뀌게 됩니다. 하지만 이미 존재하고, 여러분은 할 수 있고, 또 활용해야 합니다. 산업 실험은 변경하기 어려운 요소들을 자주 포함하고 있으며, 모든 무작위성을 활용할 수는 없습니다. 계속해 보겠습니다.
이 실험은 이미 해봤습니다. 여기 제 데이터가 있습니다. 응답을 불러올 수 있습니다. 데이터 테이블에서 열을 선택하기만 하면 됩니다. 데이터를 다시 가져오는 가장 좋은 방법입니다. 이전 실험에서는 데이터 테이블을 내보내고, 내용을 입력한 다음, Easy DOE로 다시 불러오면 됩니다. 답은 다음과 같습니다. 여기 아래 작은 그래프는 무엇일까요? 결과를 미리 볼 수 있는 그래프입니다. 여기 커피 농도, 즉 Y축의 결과 변수가 있습니다. 여기 있는 각 데이터 포인트는 제 실험 결과입니다. 각 요인에 대한 결과를 미리 볼 수 있습니다. 조금 더 크게 만들어 보겠습니다. 자, 이제 시작입니다.
그라인드가 중요해 보이네요. 다른 것들은 알기 어렵네요. 그냥 눈으로만 보는 게 아니라, 각 데이터 포인트의 데이터 분포도 보여드립니다. 내비게이션 컨트롤에서 "다음"을 클릭하면 "분석" 페이지로 이동합니다.
정말 멋지네요. 여기에는 두 가지 다른 점이 있습니다. 모델의 모든 것을 살펴볼 수 있습니다. 실선은 유의미함을 의미하고, 점선은 유의미하지 않음을 의미합니다. 좀 더 명확하게 말씀드리자면, 설계된 실험에서 유의미하지 않다는 것이 중요하지 않다는 것을 의미하는 것은 아닙니다. 뭔가를 감지하지 못했다는 뜻입니다. 두 배 더 많이 실행했다면 감지했을지도 모릅니다. 이 경우, 중요하다는 증거는 없습니다. 전체 모델이 전부입니다. 그걸 확인하고 싶다면 결과를 살펴보면 됩니다.
여기서 우리가 찾는 것은 실제 추정치가 0에서 멀리 떨어져 있다는 것입니다. 신뢰 구간을 살펴보면 알 수 있습니다. 그라인드에서 이를 확인할 수 있습니다. 이 그래프는 우리를 위해 이를 표시합니다. 반면 다른 그래프에서는 유의하지 않다고 표시됩니다. 이 선을 0에서 교차하는 것을 볼 수 있습니다. 최적 모델을 클릭하면 DOE를 설명하는 최적 모델에 그라인드와 온도가 포함된다고 표시됩니다. 온도는 경계에 있습니다. 지금은 이 값을 그대로 유지하는 것이 좋습니다. 시간, 충전량, 스테이션은 중요하지 않으므로 다음으로 넘어가서 다음에 무엇을 할지 생각해 보겠습니다.
예측 프로파일러가 있습니다. 예측 프로파일러는 JMP에서 방정식을 시각화하는 방식입니다. 다시 말씀드리자면, 여기 y축이 있고 파란색은 신뢰 구간입니다. 그리고 각 사각형은 결과 변수입니다. 이 기능은 상호작용적입니다. 여기서는 클릭만 할 수 있는 것이 아니라 JMP의 빨간색 삼각형이 있는 곳마다 다양한 옵션이 있으며, 여기서 최적화를 수행할 수 있습니다. 이전에 한 작업을 실제로 검증하고 싶다면 이 기능이 매우 중요합니다. 다시 돌아가서 커피 한 잔 더 끓여서 결과가 가장 좋은지 확인해 보세요. 인쇄할 수 있는 멋진 보고서도 있는데, 모든 내용이 담겨 있습니다. 이것이 DOE의 한 예입니다. 스크리닝 설계입니다.
이제 특성화 설계를 진행해 보겠습니다. 이 설계에서 요인은 pH, 온도, 공급업체입니다. 응답은 목표인지 여부이며, 불순물도 추적하려고 합니다. 여기서 최대화 또는 최소화하는 것을 볼 수 있습니다. 제가 타이핑하는 것을 보는 것은 지루하므로 이것들을 Easy DOE에 로드합니다. 바로 여기 작은 빨간색 삼각형을 사용하려고 합니다. 응답을 로드하고 요인을 로드합니다. 플러스 버튼인 목표와 불순물을 사용하여 이것들을 선택한 것과 마찬가지로 목표를 최대화하고 불순물을 최소화하려고 합니다. 제 요인은 세 가지입니다. 연속형인 pH, 연속형인 온도, 범주형인 공급업체입니다.
여기서 관계의 복잡성을 특성화하려고 합니다. 직선인지 곡선인지도 모르고, 이 두 가지가 상호 작용하는지도 모릅니다. 제가 알고 싶은 것은 바로 그것입니다. 아시다시피, 요인 수가 적을 때 이 세 가지 설계 중 어떤 것을 사용해도 같은 횟수만큼 모델을 추정할 수 있다는 점이 정말 멋진 점입니다.
가장 많은 정보를 얻을 수 있는 걸 고르겠습니다. 상호작용과 이차방정식을 살펴보는 거죠. 반응 표면 설계라고도 합니다. 다시 한번 말씀드리지만, 자동으로 모델을 만들어 줍니다. 18번의 실행 결과가 있습니다. 데이터를 내보내겠습니다. 여기 데이터 표가 있습니다.
제 시뮬레이션의 마법이 제대로 작동하기를 바랍니다. 타임머신을 타고 데이터를 수집합니다. 데이터가 있습니다. 타임머신은 Easy DOE에 포함되어 있지 않습니다. "다음"을 클릭합니다. 이제 응답을 불러오겠습니다. 다시 한번, 이 요인 플롯을 살펴보면 결과가 어떻게 될지 감을 잡을 수 있습니다. 여기에는 목표값과 불순도, 두 가지 결과가 있습니다. pH와 관련이 있는 것 같습니다. 다른 결과는 좀 어렵습니다. 불순도는 제 공급업체와 관련이 있을 수 있습니다.
실제로 모델을 실행해 보겠습니다. 오차 막대가 작기 때문에 여기서는 많은 힘을 얻을 수 있습니다. 녹색 실선과 작은 점선 몇 개가 보입니다. 최적 모델을 클릭하면 "이것들은 중요하지 않다고 생각합니다."라는 메시지가 표시됩니다. 여기 pH*pH로 표기된 방식은 곡선인지 아닌지 확인하는 것인데, 곡선이 아니라고 나와 있습니다. 마찬가지로 온도도 곡선은 아니지만, 분명히 몇 가지 상호작용이 있습니다. 상호작용은 pH*temp로 표기됩니다. 더 자세히 살펴보려면 여기 아래에 더 많은 정보가 있습니다. 각 반응을 살펴볼 수 있는데, 아마도 우리가 더 중요하게 생각하는 것은… 이건 목표값에 대한 것이고, 불순물에 대해서는 약간 다른 것을 찾을 수 있을 것입니다. 우리는 이러한 반응들을 유사한 모델에서 살펴볼 수 있기를 바랍니다.
이제 예측 모드로 전환해 보겠습니다. 다시 한번 말씀드리지만, 프로파일러에서 위쪽은 목표값이고 아래쪽은 불순물값입니다. 이 값들은 각각 pH입니다. pH와 온도에 따라 곡선이 있는 것을 볼 수 있습니다. 공급업체별로 이 값들이 확실히 바뀌는 것을 볼 수 있습니다. 여기서 최적화 버튼을 클릭하여 목표값을 최대화하고 불순물값을 최소화하는 설정을 찾을 것입니다. 이 설정들을 다시 실행해서 이 pH, 이 온도, 그리고 이 공급업체를 설정해 보아야 합니다. DOE를 제대로 수행했는지 확인해야 합니다. 다시 한번 말씀드리지만, 원하시면 제 보고서를 여기에 첨부했으니, 이 보고서를 내보내시면 됩니다.
JMP에서 쉬운 DOE를 소개합니다. 간단히 말해서, 다른 DOE도 있죠. 다른 종류의 DOE도 있습니다. 여기에는 많은 내용이 담겨 있습니다. 결국 약간 특별한 종류의 DOE가 됩니다. 고전적인 DOE를 가르치기 위한 설계, 소비자가 원하는 것을 이해하기 위한 설계가 있습니다. 컴퓨터 실험을 한다면 공간 채우기 설계가 있고, 소프트웨어를 설계한다면 커버링 배열도 있습니다. 공식화와 혼합 설계도 가능합니다. 혼합 설계를 통해 할 수 있는 일은 무궁무진합니다. 신뢰성 및 측정 시스템 분석 설계, 그리고 복잡성을 높이기 위한 고급 블로킹 기법도 있습니다.
혁신을 시도할 때, 이처럼 복잡한 영역을 디자인으로 포괄할 수 있다는 자신감을 갖는 것이 정말 중요합니다. 복잡한 상호작용이 존재하는데, 실험 설계는 이러한 영역을 효과적으로 활용하는 데 도움이 될 뿐만 아니라 혁신 역량을 강화하는 데에도 도움이 될 것입니다. 감사합니다.
