926952_ko-KR

liliconcom

실험가 클럽 녹음 (2026년 1분기)

영상 1: JMP의 DOE 플랫폼: 아티스트의 도구 모음에 새롭게 추가된 기능

@BillFish828 님 의 블로그 글은 여기에서 읽어보세요: https://community.jmp.com/t5/JMP-Blog/JMP-s-DOE-platform-A-new-addition-to-the-artist-s-toolkit/ba-p/919860

질문: 타구치 설계와 직교 배열의 차이점은 무엇입니까?

MOLS는 요인 간 독립성을 보장하는 균형 잡힌 부분 요인 설계 행렬인 반면, 타구치 설계는 이러한 행렬을 활용하여 SN 비율 평균 반응을 최적화하고 견고성을 향상시킵니다.

영상 2: n=1일 때 왜 무작위화해야 할까요?

댓글: 제가 말하려던 요점은 추세 자체보다는, 실험 전에는 알 수 없었던, 즉 식별 불가능한 효과에 관한 것이었습니다. 제 추천은 생각할 수 있는 모든 영향 요인, 심지어는 다소 억지스러운 요인까지 포함해서 요인을 선택하고, 가능하다면 포함되지 않은 요인을 관찰하는 것부터 시작하라는 것입니다.

영상 3: 반응 표면(RS)과 같은 에너지 분석(DOE)에 대한 심층 분석

이 동영상은 현재 처리 중입니다. 몇 분 후에 다시 시도해 주세요.

(내 동영상에서 보기)

제목: 실험가 클럽 2026년 1분기 녹음 관련

녹음해 주셔서 감사합니다 , @maria_astals !

무작위 배정에 관해 말씀드리자면, 저는 무작위 배정의 목적이 반응의 시간적 추세를 피하는 것이라는 의견에 전적으로 동의하지는 않습니다. 무작위 배정은 실험에 영향을 미칠 수 있는 알려지지 않고 통제할 수 없는 외부 요인으로 인한 편향을 방지하기 위해 존재합니다. 즉, 치료 효과와 다른 알려지지 않은 효과(허위 상관관계) 간의 혼란을 피하기 위해 사용됩니다.
실험의 무작위화 방식에 따라 시간에 대한 설계의 견고성이 달라질 수 있습니다. (교란 요인의 인지 및 제어 가능성에 따라) 더 나은 선택지는 다음과 같습니다.

• 실제 실행 순서를 기록하고 이를 모델의 공변량으로 사용하여 통계적 유의성과 실제적 중요성을 평가합니다(다시 말해 실행 순서가 영향을 미칠 수 있는지 평가하기 위한 "사후 분석"). 이는 알려진 통제 요인에 대한 방해 요인입니다.
• @statman 님 이 말씀하신 것처럼 블록화를 사용하면 블록 간에 요인 수준을 최대한 균질하게 조정하여 알려 지고 제어 가능한 교란 효과를 줄이거나 없앨 수 있습니다. 블록화는 유사한 실행들을 서로 다른 블록/실행 그룹으로 분류합니다. 예를 들어, 서로 다른 작업자, 장비/기계, 날짜별 또는 주별 차이 등을 고려합니다.
• 시간 의존성을 고려하여 실험 설계를 사전에 계획할 때, 시간을 공변량으로 사용하여 요인 수준의 균형을 맞추십시오. 브래들리 존스(@bradleyjones)는 시간 추세 에 강건한 실험 설계를 만드는 방법에 대한 훌륭한 글을 썼습니다. (How to create an experiment design that is robust to linear time trend)
  여기에서 응용 사례를 확인할 수 있습니다: 사용자 정의 설계에서 정의된 순서로 공변량 배치
  시간을 공변량으로 사용하여 견고한 시계열 설계를 만드는 상황은 Peter GOOS와 Bradley JONES의 저서 "Optimal Designs of Experiments: A Case Study Approach"(9장: 공변량이 있는 경우의 실험 설계)에 설명되어 있습니다.

하나의 데이터 포인트가 이상치/변동값을 보인다고 해서 너무 걱정하지 않으셔도 됩니다. DoE는 OFAT나 다른 유사한 방법보다 소수의 이상치에 덜 민감하도록 설계되어 있습니다.

다음번에 함께할 수 있기를 기대합니다!