혼합물 DOE - 고무 배합 문제안녕하세요, JMP 커뮤니티 여러분!
저희 팀은 JMP를 사용하여 초기 개발 단계에 있는 고무 화합물의 난연 특성을 연구하고 최적화하기 위한 혼합물 실험 설계(DOE)를 진행할 계획입니다.
일반적으로 우리는 고무 중합체를 기준으로 첨가제 농도를 고무 100ppm(phr) 단위로 나타냅니다. 예를 들어, 110 phr 배합은 고무 중합체 100 phr과 첨가제 10 phr을 포함합니다. 그러나 혼합물 실험 설계(DOE)에서는 모든 요소의 합이 1(100%)이 되어야 하므로 총 phr이 100을 초과하게 되어 이러한 표기법이 문제가 됩니다.
이 문제를 해결하기 위해 성분 함량을 중량비(w/w) 기준으로 재조정했습니다. 이 실험에서는 1~5 phr 농도의 다양한 난연제를 평가합니다. 일반적인 조건에서는 다른 모든 성분의 농도는 고정되어 있습니다. 하지만 중량비(w/w)로 표현할 경우, 첨부된 이미지의 요인 설정에서 볼 수 있듯이 성분 농도는 서로 연관되어 영향을 받게 됩니다.
예를 들어:
- 1 phr의 난연제는 배합에서 0.88% w/w(0.0088)에 해당합니다.
- 5 phr의 난연제는 배합에서 4.25% w/w(0.0425)에 해당합니다.
저희는 이 범위 내에서 작업하는 데 문제가 없습니다. 또한 선형 제약 조건으로 0.8492 ≤ 폴리머 A + B + C ≤ 0.8791을 적용했습니다. 즉, 고무 배합은 폴리머 A~C를 84.92%~87.91% (w/w) 함유해야 합니다.
주요 효과만을 고려한 설계로, 이 혼합 실험계획법은 단일 난연제에 대해 36회의 실험을 수행할 수 있습니다. 본 프로젝트에서는 최소 5가지의 서로 다른 난연제를 조사할 계획입니다. 시간, 비용 및 재료 제약으로 인해 이 접근 방식을 사용하여 180회의 실험을 수행하는 것은 현실적으로 불가능합니다.
그렇다면 이러한 설계 문제에 대해 요소들을 "혼합물"로 취급하는 보다 전략적인 접근 방식이 있을까요? 아니면 난연제를 미리 정해진 처리 수준의 "연속적인 요소"로 취급하여 설계를 단순화하는 것이 더 나을까요?
저도 다른 고무 배합 전문가들이 소재 개발에 실험 설계법(DOE)을 어떻게 활용하고 있는지 궁금합니다.
JMP 커뮤니티 여러분, 감사합니다!
실험 설계제목: 혼합물 DOE - 고무 배합 문제안녕하세요 @Sammi_Chemist 님
베이지안 최적화 기법을 사용해 보는 것을 고려해 보셨나요? 베이지안 최적화는 복잡한 공식을 처리하는 데 더 효과적이며, 실험 횟수를 최소화하고 최적값에 도달하는 데 집중하는 데 적합한 방법입니다.
관심 있으시면 다음 자료들을 참고하세요:
복잡한 공식에 베이즈 접근법을 사용하는 방법에 대한 발표
산업 분야에서 베이즈 최적해법 적용 사례 개요
제목: 혼합물 DOE - 고무 배합 문제베이지안 최적화를 사용하는 것도 좋은 선택일 수 있지만, 더 많은 지식을 얻고 싶다면 설계된 실험이 더 나은 방법이라고 생각합니다. 얻는 지식과 최적의 공식 중 무엇이 더 중요한가요? 그리고 설계된 실험보다 베이지안 최적화를 통해 더 많은 시행착오를 겪을 의향이 있으신가요? 베이지안 최적화를 사용할 때는 최적화 경로를 사전에 완전히 알 수 없습니다.
설계 실험 방식을 선택하신다면 몇 가지 고려 사항이 있습니다. 고무 폴리머의 농도는 항상 100 phr인가요? 말씀하신 내용은 그렇지만, 설계 과정에서 총량을 약간씩 변화시킨 것 같습니다. 의도적으로 그렇게 하신 건지, 아니면 어쩔 수 없이 그렇게 하신 건지는 잘 모르겠습니다. 만약 고무 폴리머의 농도를 100 phr로 유지하고 싶으시다면, 세 가지 폴리머의 농도를 고정하고 첨가제만을 중심으로 설계하면 훨씬 간단하게 실험을 진행할 수 있습니다. 이렇게 하면 실험 횟수를 줄일 수 있을 것입니다.
세 가지 고무 폴리머의 특성을 정말로 조정하고 싶다면 몇 가지 선택을 해야 합니다. 공짜는 없습니다. 구성 요소가 이렇게 많으면 더 많은 시뮬레이션 실행이 필요합니다. JMP에서 36회 실행을 권장하는 이유는 구성 요소가 많고 각 구성 요소의 범위가 좁기 때문입니다. 결과적으로 생성되는 설계 공간에는 꼭짓점과 모서리가 많아져 실행 횟수가 늘어날 수 있습니다. 기본값은 좋은 시작점이지만, 요구 사항에 맞는 최적의 설계를 보장하지는 않습니다.
제가 추천드리는 방법은 다양한 실험 횟수로 여러 가지 설계를 살펴보는 것입니다. 최적화에 관심이 있다고 하셨으니 I-최적 설계를 사용하는 것도 고려해 보세요. 여러 가지 난연제를 사용할 계획이시니, 설계에 그 내용도 반영하는 것이 좋겠습니다. 혼합물 설계를 먼저 하고 각 난연제에 대해 다시 설계하는 것은 불필요할 수도 있습니다. 최적화는 일반적으로 곡률 모델링을 의미하므로, 2차 교차곱을 이용한 모델을 고려해 보는 것이 좋습니다.
원하는 결과를 얻으면서도 실행 횟수를 적절하게 유지하기 위해 할 수 있는 일은 많습니다. 물론 이렇게 큰 문제의 경우 여러 번 시행착오를 거쳐야 합니다. 공짜는 없으니까요. JMP에서 제공하는 디자인 탐색기를 활용하여 다양한 조합을 시도해보고, 실행 횟수와 필요한 예측 속성 사이에서 적절한 균형을 찾을 수 있는지 확인해 보세요. 조금이나마 도움이 되었으면 좋겠습니다.
제목: 혼합물 DOE - 고무 배합 문제안녕하세요 @Sammi_Chemist 님 ,
@Dan_Obermiller 님 의 의견, 제안 및 권고 사항에 전적으로 동의합니다. 베이지안 최적화와 실험 설계(DoE) 중 어떤 것을 선택할지는 목적에 따라 달라집니다. 베이지안 최적화는 최적화에 매우 유용하지만, 실험 공간에 대한 완전한 시각을 제공하지 못하며, 샘플 크기가 작은 반복 실험에 효과적입니다. 준비 및 실험 시간이 많이 소요되는 일부 화학/물리적 맥락에서는 모든 샘플을 미리 준비하고 동시에 실험을 진행하는 DoE를 수행하는 것이 더 효율적일 수 있습니다. 다음 실험에 필요한 시간과 총 실험 횟수를 알 수 없는 상태에서 매번 실험을 기다리며 시간을 낭비하는 것보다 훨씬 효율적이기 때문입니다.
또한 모든 요인을 설계에 포함시키고 각 난연제마다 설계를 "복제"하지 않는 것이 좋습니다. 개념적으로는 간단하고 논리적으로 보일지라도, 모든 요인을 정의하면 모델 계수를 결정하는 데 불필요한 중복 실험을 줄일 수 있습니다. 따라서 5가지 난연제에 대해 180회 미만의 실험으로도 충분한 결과를 얻을 수 있습니다. Dan이 언급했듯이, 주효과와 상호작용 효과를 고려한 혼합 설계가 좋은 출발점이 될 것입니다.
최적화 및 예측에 관심이 있다면 공간 채움 설계(space filling designs) 도 살펴보시기를 추천합니다. 이러한 모델 비의존적 실험 설계(DoE)는 사전 모델 정의 없이 설계 공간을 폭넓게 탐색할 수 있다는 큰 장점이 있으며, SVM , 가우시안 프로세스 등과 같은 유연한 머신러닝 모델을 활용하여 우수한 예측 성능을 달성할 수 있습니다. 모델이 가정되지 않기 때문에 데이터 포인트 수를 자유롭게 조정할 수 있어 여러 번의 반복을 통해 진행할 수 있습니다. 예를 들어, 첫 번째 "원시" 매핑 후 데이터를 증강하고 더 좁은 영역에서 두 번째 실행을 수행하는 방식입니다.
하지만 한 가지 주의할 점은 공간 채움 혼합 설계는 "차원의 저주"라는 문제에 직면할 수 있다는 것입니다. 즉, 제약 조건/의존성을 가진 요인이 많을수록(혼합 설계의 경우처럼) 실험 공간의 극단적인 부분에 있는 데이터 포인트가 줄어듭니다. 차원이 높아질수록 데이터 포인트는 실험 공간의 중심에 점점 더 많이 위치하게 됩니다. 이러한 문제를 피하고 줄이기 위해 여러 접근 방식을 결합하는 것이 유용할 수 있습니다. 예를 들어, 주효과 모델 기반 혼합 설계(실험 공간의 가장자리에 데이터 포인트를 배치)와 공간 채움 접근 방식(실험 공간의 중심 근처에 데이터 포인트를 배치)을 결합할 수 있습니다. 자세한 내용은 다음 게시물을 참조하십시오. https://www.linkedin.com/posts/victorguiller_doe-doe-datascience-activity-7350781215546699777-Ofo9
마지막으로, 문제 해결 과정을 순차적으로 생각해 보시길 권합니다. 하나의 설계로 모든 결과를 얻을 수는 없겠지만, 각 단계와 관련된 목표들을 고려해 보세요. 상황에 따라서는 여러 방법을 혼합하는 것이 가장 효율적인 전략일 수 있습니다. 예를 들어, 간단한 모델 기반 혼합 설계로 시작하여 공간 채움 접근법을 통해 확장하고, 마지막으로 베이지안 최적화 접근법으로 최적화하는 방식이 있습니다.
더 자세한 정보는 제가 박사 과정 학생의 난연제 배합에 공간 채움 설계와 머신 러닝을 적용하는 연구를 도왔다는 점을 참고해 주세요. 베이지안 최적화 기법도 포함되어 있으며, 논문은 다음 링크에서 확인하실 수 있습니다: https://theses.hal.science/tel-04976497
이 추가 답변이 도움이 되기를 바랍니다.
제목: 혼합물 DOE - 고무 배합 문제고무 배합, 제형 및 특수 화학 기반은 이제 IR Tubes Pvt Ltd.에서 분석합니다. 더 자세한 정보를 원하시면 웹사이트 irtubes.com을 방문하세요.
