비디오 1: JMP 19 소개
비디오 2: DOE 설정 및 분석에 공변량 및/또는 통제되지 않은 보충 변수 포함.
비디오 3: DOE에서 표본 크기의 검정력 계산, 특히 반복이 일반적이고 필요한 생체 내(예: 동물 연구)의 경우.
영상 4: DoE 실험에 적합한 설계를 선택하는 방법은?
Q3 DOE 클럽 Q&A 정리
- DOE의 설정 및 분석에서 공변량과 통제되지 않은 보충 변수는 어떻게 처리해야 합니까?
설계된 실험은 종종 계획된 요인 이외의 변수, 즉 공변량에 직면합니다. 측정 가능하지만 통제되지 않는 변수(예: 기준 중량, pH와 같은 공변량)도 있고, 통제되지 않는 노이즈 변수(예: 습도, 실험자 효과)도 있습니다. 이러한 변수를 무시하면 오차가 커지고 실제 요인 효과가 모호해질 수 있습니다.
DOE 접근 방식:
- 공변량: 측정 가능한 경우 모델에 추가합니다. 이렇게 하면 설명되지 않는 변동을 줄이고, 추정치를 더욱 정밀하게 만들며, 검정력을 높일 수 있습니다.
- 통제되지 않은 보충 변수: 측정이 불가능한 경우, 차단 (유사한 조건을 그룹화), 무작위화 (불쾌한 효과를 균등하게 분산), 복제 (변동성 추정)를 통해 관리합니다.
해결책:
정의 단계에서 발생 가능성이 높은 공변량을 파악하고, 이를 일관되게 측정하여 모델에 포함합니다. 측정 불가능한 노이즈 요인의 경우, 차단, 무작위화 및 반복을 활용합니다. 이를 통해 특히 복잡한 생물학적 또는 제조 DOE에서 더욱 명확한 신호 감지와 신뢰할 수 있는 결론을 도출할 수 있습니다.
참조:
https://community.jmp.com/t5/JMP-Blog/실험 설계에서 공변량은 무엇인가/ba-p/361517
https://community.jmp.com/t5/Discussions/DOE-with-covariate/td-p/825007
https://community.jmp.com/t5/Discussions/DOE의 제어 변수에서 예상치 못한 변화/td-p/729169
https://community.jmp.com/t5/Discussions/Mixture-DOE-with-covariate-batch-effects/td-p/718593
https://community.jmp.com/t5/Learn-JMP-Events/Developer-Tutorial-Handling-Covariates-Effectively-when/ev-p/809996
https://community.jmp.com/t5/JMPer-Cable/New-in-JMP-16-Improved-covariate-handling-in-DOE/ba-p/361540
https://community.jmp.com/t5/Discussions/How-to-Account-for-Uncontrolled-Factors-Using-a-Definitive/td-p/666426
- 특히 반복 실험이 일반적이고 필요한 생체 내 (동물) 연구에서 DOE 표본 크기의 검정력을 어떻게 계산할 수 있을까요?
생체 내 연구에서 표본 크기는 비용, 윤리, 그리고 실현 가능성에 의해 제한됩니다. 동물 수가 너무 적으면 검정력이 낮아져 실제 효과를 놓칠 위험이 있고, 너무 많으면 자원 낭비가 발생하고 윤리적 문제가 발생할 수 있습니다.
DOE 접근 방식:
- 힘표본 크기, 효과 크기, 변동성, 유의 수준이 주어졌을 때 실제 효과를 감지할 확률입니다.
- 복제합니다특히 동물 연구에서는 생물학적 변동성이 높기 때문에 중요합니다.
- JMP의 Power 및 샘플 크기 플랫폼연구를 실행하기 전에 다양한 시나리오를 시뮬레이션할 수 있습니다.
해결책:
파일럿 데이터 또는 문헌에서 예상 변동성을 추정합니다. 검정력 분석을 사용하여 허용 가능한 검정력(일반적으로 80%)을 달성하는 데 필요한 최소 반복 횟수를 결정합니다. 자원 제약으로 표본 크기가 제한되는 경우, 가장 중요한 요인에 집중하도록 DOE를 설계하고, 노이즈를 줄이기 위해 차단 또는 공변량을 고려합니다. 이를 통해 통계적 엄밀성과 윤리 및 예산 현실 간의 균형을 맞출 수 있습니다.
참조:
https://community.jmp.com/t5/Discussions/How-to-use-sample-size-and-power-for-factorial-DoE-to-determine/td-p/380872
https://community.jmp.com/t5/Discussions/Power-calculations-to-determine-sample-and-replication-of/td-p/552299
https://community.jmp.com/t5/Discussions/Sample-Size-for-DOE/td-p/237085
https://community.jmp.com/t5/Discussions/Power-Equation/td-p/53219
https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/td-p/501063
https://community.jmp.com/t5/Discussions/DoE-How-to-treat-replicate-measurements/td-p/18588
https://community.jmp.com/t5/Discussions/Power-Analysis-in-Design-Evaluation-DOE/td-p/65472
https://community.jmp.com/t5/Discussions/Doe-and-replications/td-p/565281
https://community.jmp.com/t5/Learning-Center/Sample-Size-Explorers-DOE/ta-p/414885
https://community.jmp.com/t5/Discussions/quot-Animals-quot-Split-Plot-DOE/td-p/546140
- DOE 탐사 경로를 초안할 때, 특정 목표(예: 설계 공간 범위 또는 불확실성 감소)를 달성하는 데 필요한 실험 수를 어떻게 결정하고, 이를 리소스 제약과 어떻게 균형을 맞출 수 있습니까?
DOE를 계획할 때는 설계 공간을 포괄하고 불확실성을 줄이기 위한 이상적인 실행 횟수와 시간, 비용 또는 윤리적 한계로 인해 실현 가능한 최대 실행 횟수 사이에 항상 갈등이 존재합니다. 신중한 계획 없이는 부족한 결과나 자원 낭비의 위험이 있습니다.
DOE 접근 방식:
- 설계 진단 (예측 분산 프로필, 설계 공간 적용 범위, 앨리어싱 구조 등)을 사용하여 후보 설계가 요인 공간을 얼마나 잘 탐색하는지 정량화합니다.
- 선택한 표본 크기가 실질적으로 중요한 효과를 감지할 수 있는지 확인하기 위해 검정력 분석을 적용합니다.
- 모든 리소스를 사전에 투자하는 대신, 순차적/반복적 설계 (예: 베이즈 옵트)를 탐색하여 작은 규모로 시작하여 필요한 경우에만 확장하는 방식을 사용합니다.
해결책:
실험 목표(효과 검출, 반응 표면 매핑, 강건성 검증)를 명확하게 정의합니다. 그런 다음 DOE 도구를 사용하여 주어진 자원 한도 내에서 해당 목표에 대해 후보 설계를 평가합니다. 최대 허용 실험 범위나 검정력이 충분하지 않은 경우,
- 연구 범위를 중요한 요인 및 반응으로 좁히거나
- 단계적 설계 전략을 채택합니다. 이를 통해 DOE는 제약 조건이 있더라도 의미 있고 방어 가능한 통찰력을 얻을 수 있습니다.
https://community.jmp.com/t5/Discussions/how-JMP-design-the-number-of-runs-for-Default-under-DOE-custom/td-p/662940
https://community.jmp.com/t5/Discussions/JMP-맞춤-실험실-대-전체-요소-실험실-대/td-p/256413
https://www.jmp.com/content/dam/jmp/documents/en/support/jmp111/DOE_Guide.pdf
https://community.jmp.com/t5/Learn-JMP-Events/JMP에서 DOE 역량 이해/ev-p/809981
- DOE 연구에 적합한 실험 설계를 선택하는 가장 좋은 방법은 무엇입니까?
부적절한 설계를 선택하면 자원이 낭비되고 연구 질문에 답하지 못할 위험이 있습니다.
DOE 접근 방식:
- 목표에 맞는 디자인:
스크리닝 : 부분 요인 분석, 확정적 스크리닝 설계(DSD).
최적화/곡률 모델링 : 반응 표면 설계(중앙 합성, 박스-벤켄).
혼합물/제형: 단순 격자, 단순 중심 또는 혼합물 공간 채우기 설계.
견고성/소음: 타구치 또는 견고한 설계.
- JMP의 맞춤형 디자인: 표준 카탈로그 디자인이 맞지 않는 경우(특이한 요인 유형, 제약 조건 또는 리소스 제한으로 인해) JMP의 사용자 정의 디자인 플랫폼은 요인, 모델 및 실행 횟수에 맞게 맞춤형 실험을 구축합니다.
- 항상 진단 (별칭 구조, 예측 분산, 설계 효율성)을 확인하여 선택 사항을 검증하세요.
해결책:
실험 목표를 명확하게 정의하세요(스크리닝, 최적화, 강건성, 혼합). 적절한 경우 기존 설계를 사용하되, 복잡한 실제 시나리오를 처리하려면 JMP의 맞춤형 설계를 활용하세요. 이를 통해 유연성, 효율적인 리소스 사용, 그리고 실제 과학적 질문과의 연관성을 확보할 수 있습니다.
https://www.synthace.com/blog/사용자 설계 유형 가이드
https://ilssi.org/설계된 실험에 맞는 올바른 디자인을 선택하는 방법/
https://community.jmp.com/t5/Abstracts/Design-of-Experiment-s-Crucial-Step-0-Choosing-the-Right-DOE/ev-p/738877
https://www.jmp.com/content/dam/jmp/documents/en/support/jmp111/DOE_Guide.pdf
https://www.itl.nist.gov/div898/handbook/pri/section3/pri33.htm
JMP 19 DOE 리소스
JMP 19의 베이지안 최적화:
- JMP 베이지안 최적화 플랫폼 개요: https://www.jmp.com/en/software/베이지안 최적화
- JMP Pro 19의 베이지안 최적화에 대한 커뮤니티 소개: https://community.jmp.com/t5/JMPer-Cable/JMP-Pro에서 베이지안 최적화 플랫폼 소개/ba-p/897807
- 베이지안 최적화를 포함한 JMP 19 신규 릴리스 개요: https://www.jmp.com/ko/software/new-release/new-in-jmp
- JMP Pro 19 베이지안 최적화 YouTube 데모: https://www.youtube.com/watch?v=9rOqTZHpRqA
JMP(일반 및 JMP 19)의 DOE 백서:
- JMP DOE 장점 백서: https://www.jmp.com/en/resources/white-papers/doe-advantage
- JMP 공식 백서 페이지(DOE 논문 포함): https://www.jmp.com/en/resources/resource-listings/by-type/white-papers
- 자세한 JMP DOE 백서 PDF: https://www.jmp.com/content/dam/jmp/documents/ko/white-papers/jmp-whitepaper-doe-advantage.pdf
- 추가 DOE 백서 PDF: https://www.jmp.com/content/dam/jmp/documents/ko/white-papers/103044-doe.pdf
JMP 19의 DOE 관련 정보 및 새로운 기능:
- JMP 19 실험 설계 가이드 PDF: https://www.jmp.com/content/dam/jmp/documents/en/support/jmp19/실험-디자인-가이드.pdf
- JMP DOE 기능 개요 페이지: https://www.jmp.com/ko/software/capabilities/design-of-experiments
- 새로운 탐색기와 향상된 도구를 갖춘 JMP DOE(JMP 19)의 새로운 기능: https://community.jmp.com/t5/JMPer-Cable/JMP-DOE의 새로운 소식/ba-p/898558
