Ⅳ. Improve Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 (2) 22 실험계획법 (3) 23 실험계획법 차례표 Ⅳ. Improve (1) 실험계획법 핵심요약 (2) 22 실험계획법 (3) 23 실험계획법 (4) 24 실험계획법 (Block 활용)

Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 정량적인 개선안 도출 방법 유용한 과거의 Data가 있는 경우 충분치 못한 경우 회귀분석(Regression) 실험계획법 매출액 = -2.27 + 2.61×광고료 지역 Y A A1 A2 교 육 수 준 4 6 7 11 B1 B B2 5 4 6 8 1수준 2수준 Regression(회귀분석)이란? Y와 X’s들의 방정식을 구하여 최적 조건을 구하는 것 DOE(실험계획법)란 ? 영향이 가장 큰 factor를 찾아냄 중요한 인자간 교호작용을 찾아냄

Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 실험 계획법(DOE) ◎ Overview Data를 적극적으로 수집하는 방법이 실험이다. 실험을 할 때, 시간과 Cost를 절약함은 물론 실험을 Noise로부터 보호하기 위해 고안된 것이 실험계획이다. 실험을 Planning하는 것이 아니라 Design하자는 것이다. 그렇기 때문에 여러 상황에 맞는 다양한 실험 계획법이 있지만, 일반적으로 실험을 할 때는 다음의 3단계를 거쳐 최적화를 달성한다. ☞ Step 1 : 치명인자의 선정 - 요인배치법(2수준계), 교락법, 일부실시법 ☞ Step 2 : 최적점의 확인 - 반응표면 실험(일반적으로 중심 합성법) ☞ Step 3 : Robust – 다구찌 실험 실험 시 사용하는 기초 용어. ● 실험의 관심 대상은 ? 냉각력 --> 종속변수 또는 반응변수라고 함. ● 조절하고 하는 변수는 ? A, B --> 독립변수 또는 설명변수라고 함. ● 독립변수의 실험 조건은 ? 3 --> 수준(Level) ● 각각의 실험 조건에서의 실험 횟수는 ? 2 --> 반복수

Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 실험 계획법(DOE) Process 현장 지식 (기술적인 ◎ 실험을 통한 예제 해결 프로세스 현장 지식 (기술적인 Know-How) Data 분석 - 분산 분석 - 사후 분석 실험 설계 및 실시 (인자, 수준의 결정) Data 수집 실험설계 Know-How ◎ 효과적인 실험 설계를 위한 조건 - 현장 지식의 충분한 활용 : 실험 환경의 이해, 실험 결과의 적용및 조치 - 실험 설계 및 분석의 지식 : 실험의 설계 및 분석 방법, 분석결과의 해석 방법 ◎ 프로세스와 실험 계획 조절 불가능한 인자 Input 프로세스 Process Output 조절 가능한 인자

Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 실험 계획법(DOE) ◎ 실험 계획의 기본 원칙(Basic Principles) 1) Randomization -. 실험의 대상 선정이나 실험의 실시는 랜덤하게 이루어져야 합니다. 이 원리는 여러 가지 기본원리 중에서 가장 중요한 것으로, 선정된 인자 외에 기타 요인들의 영향이 실험결과에 효과가 서로 뒤섞여 분리되지 않는 교락을 피하기 위한 방법 입니다. 따라서, 실험을 랜덤한 순서로 하지 않으면, 실험의 숙련도나 실험실의 기온 등과 같이 실험에서 고려하지 않은 요인들이 실험결과에 영향을 끼쳐 어느 것이 참 원인인지 모르게 되므로 랜덤화가 잘 되지 않은 실험으로부터 어떤 결론을 내릴 때에는 특히 이 점을 주의하여야 합니다. 2) Blocking의 원리(실험의 정밀도를 높이기 위함) -. 실험의 정도를 높이기 위하여 실험 대상 중 유사한 것을 그룹화합니다. 실험의 환경을 될 수 있는 한 균일한 부분으로 쪼개어 여러 블럭으로 만든 후에 블록 내에서 각 인자의 영향을 조사하는 것이 바람직 합니다. 실험 전체를 시간적 혹은 공간적으로 분할하여 블럭을 만들어 주면 각 블록 내에서는 실험환경이 균일하게 되어 정도가 높은 결과를 얻을 수 있게 되고 또한 블록을 하나의 인자로 하여 그 효과를 별도로 분리하게 되므로 총변동에서 블럭간의 변동을 제외시키면 균일한 블록 내의 다른 인자 들의 변동만이 남습니다. 따라서 블럭화를 하면 블럭 내에서는 동질성이 유지되며, 블럭간에는 이질적이 됩니다. 결국 블럭화는 관심 있는 요인의 효과 차이를 더 뚜렷하게 밝혀내기 위한 것으로, 블럭간 차이가 크면 클수록 오차분산을 줄일 수 있게 되어 블럭화의 효율은 증대 됩니다. 3) 반복의 원리 -. 실험의 정도를 높이기 위하여 2회 이상의 반복 실험을 합니다. 실험은 각 수준의 조합에서 1회 행하는 것보다는 가능하면 반복하여 2회 이상 행하는 것이 얻어지는 실험결과의 신뢰성을 높일 수 있습니다. 실험을 반복함으로써 오차항의 자유도가 커지게 되고 또한 오차분산의 정도가 좋게 추정되어 실험결과의 신뢰성을 높일 수 있습니다. 일반적으로 오차항의 자유도는 6～20정도로 하는 것이 좋습니다. 그러나 반복을 실시하여 실험횟수가 증가하면 비용이 많이 소요되므로 적은 횟수의 실험 에서 정도가 좋은 결과를 얻을 수 있는 실험계획법을 구상하도록 하여야 합니다. * 자료원 : sppm.korcham.net

Ⅳ. 개선(Improve) (1) 실험계획법 핵심요약 4) 교락의 원리 -. 중요한 인자들이 블록의 효과와 중복되지 않도록 합니다. 이와 같은 방법을 교락법이라고 하는데, 교락법이란 고려할 필요가 없는 2인자 교호작용이나 고차의 교호작용을 블럭과 교락시키는 방법으로서, 검출할 필요가 없는 요인을 블럭과 교락시켜 실험의 효율을 높이는 것입니다. 5) 직교성의 원리 (실험에 영향을 주는 인자들의 효과를 분리하기 위함.) -. 인자들간에 영향을 받지 않도록 합니다. 요인간에 직교성을 갖도록 실험을 계획하여 데이터를 구하면 같은 실험횟수라도 검출력이 더 좋은 검정을 할 수 있고, 정도가 높은 추정을 할 수 있습니다. 따라서 교호작용 가운데 기술적으로 생각하여 무시될 수 있는 것을 주효과와 교락시켜 실험의 크기를 줄일 수 있도록 고안된 직교배열표를 사용하면 효과적 입니다.

개념 이해 Ⅳ. 개선(Improve) (2) 22 실험계획법 * 실험 계획법 : (1) 해결하고자 하는 예제에 대해 실험을 어떻게 하고, Data를 어떻게 취하며, 어떠한 통계적 방법으로 Data를 분석하면, 최소의 실험횟수로 최대의 정보를 얻을수 있는가를 계획하는 것을 말합니다. (2) 어떤 X인자가 Y값에 영향을 가장 많이 미치는지를 파악하고, 그 유의한 X인자가 어떠한 조건을 가질때 가장 바람직한 Y값을 얻을수 있는가를 알아낼수 있습니다. * 반응치 : 실험을 실시한 후에 얻어지는 특성치 Data 입니다. (종속변수;Y) * 인자 : 반응치에 산포를 준다고 생각되는 많은 원인들 중에서 실험에서 취급되는 원인을 말합니다. (독립변수;X,Factor) * 실험단위 : 실험의 대상이 되는 기본적인 개체 입니다. * 변수 : 실험단위에서 정의한 실험단위의 특성 입니다. * 수준 : 독립변수들의 실험조건 즉, 실험을 하기 위한 인자의 조건 입니다. * 일원배치 실험 : 반응치(특성치) Y에 대해 하나의 인자 X의 영향을 조사하기 위해 사용하는 실험계획 입니다. * 이원배치 실험 : 반응치(특성치) Y에 대하여 예제가 되는 인자를 2개 취하여 행하는 실험을 말합니다. * 2수준 실험계획법 : (1) N개의 인자(X인자,독립변수)에 대해 각각 2수준으로 실험을 실시하여 각 인자의 영향도를 파악하고자 할때, 사용하는 것입니다. (22(2인자 2수준), 23(3인자 2수준) 등으로 표현 합니다) (2) 다수의 인자에서 중요한 몇 개의 원인을 선별하기 위해 사용 합니다.

개념 이해 Ⅳ. 개선(Improve) (2) 22 실험계획법 * 부분배치 실험 : N개의 X인자에 대해 인자의 수가 많아지면, 정상적인 실험배치를 할 경우 실험의 횟수가 많아 집니다. 이러한 경우에 실험의 목적을 적절히 달성하면서 최소의 경제적인 횟수를 하는 것이 부분배치 실험 입니다. * 반응표면 실험 : 일반적으로 N개의 X인자에서 최소 2~3개 정도의 핵심인자가 결정 되었을 때, 이 인자를 중심으로 실험의 결과가 최적이 될수 있도록 X인자의 조건을 결정하기 위해 행해지는 실험법 입니다. * 교호작용 : 반응치 Y에 영향을 주는 X인자중 하나다 다른 인자에 영향을 미쳐 반응치 Y에 2개이상의 인자의 조합에 의해 일어나는 효과를 말합니다. * 교락 : 반응치 Y에 영향을 주는 X인자 중에서 어떤 인자가 반응치 Y에 영향을 미치는지 알수 없을 때를 말합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 (예제) 코팅할 때 사용하는 Film을 생산하는 공정이 있다. 고객으로부터 코팅을 한 뒤, 코팅부위가 잘 떨어진다는 불만이 제기 되었다. 이를 해결하기위해 생산기술팀에서는 회의를 통해, 코팅부위의 접착력에 예제가 있다고 판단하고, 이를 극대화 하기 위해 접착력에 영향을 주는 여러가지 변수 중에서, 온도와 협력회사를 선정하여 2수준 완전배치법을 이용하여 실험을 실시하였다. B(협력회사) 인장력이 최대인 곳은 어디입니까 ? (유의수준 5%) 18.2 16.7 평균 : 17.45 22.9 22.2 평균 : 22.55 + (X협력회사) 18.6 17.4 평균 : 18 17.5 16.5 평균 : 17 - (Y협력회사) - (580도) + (600도) A(온 도) ▶ 예제 풀이 순서 ① 실험계획 Design → ② Data 입력 → ③ 실험계획 분석 → ④ 그래프를 통한 인자효과 확인 → ⑤ 최적조건 산출 ⑥ 보고서 작성

Ⅳ. 개선(Improve) (2) 22 실험계획법 [1] 실험계획 Design Ⓐ ‘2-수준 요인(기본생성자)’ 및 ‘요인 개수’를 확인 합니다. 통계학 → DOE → 요인 설계 → 요인설계 생성… Ⓑ ‘설계’단추를 눌러 실험계획을 설계 합니다. Ⓒ 예제의 조건에 따라 실험의 ‘설정 반복수’를 ‘2’로 수정 합니다. Ⓓ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 Ⓑ A인자에 대해 ‘이름’을 ‘온도’로 변경하고, ‘유형’은 현재 ‘텍스트’로 변경후, 낮은 조건과 높은 조건에 대해 각각 ‘580도’와 ‘600도’를 입력합니다. B인자에 대해 ‘이름’을 ‘협력회사’로 ‘유형’을 ‘텍스트’로 ‘낮음’에 ‘Y’, ‘높음’에 ‘X’를 각각 입력 합니다. Ⓐ ‘요인’단추를 눌러 인자의 조건을 설정합니다. Ⓒ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓓ ‘옵션’단추를 눌러 실험 데이터 입력 방법의 조건을 설정합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 Ⓐ 예제에서와 같이 실험의 순서를 랜덤화하여 할 경우에는 ‘런 랜덤화’의 초기값 그래로 입력을 확인 합니다. 에서 ‘랜덤화를 하지 말라’고 할 경우에는 ‘런 랜덤화’를 해제하여야 합니다. Ⓑ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓒ ‘확인’단추를 눌러 다음 단계로 진행 합니다. (여기서는 Data 입력 화면이 나올 것입니다.)

Ⅳ. 개선(Improve) (2) 22 실험계획법 [2] Data 입력 ⑤ 인자의 수준조합이 나열 열의 이름을 ‘y’로 하고, 각각의 반응조건(온도, 협력회사)에 따라 반응치 Y를 입력 합니다. 여기서 주의 할 것은 본 Data 입력 화면에서 순서가 랜덤화 되어 있어 입력시 주의 하여야 합니다. 하지만, 반복의 순서는 랜덤화 되어 있지 않으므로 이 또한 주의 하여야 합니다. ④ 실험이 블럭화 되지 않았다면 모두 ‘1’로 표시 두개의 블록으로 되었다면 ‘1’과 ‘2’로 구분 ③ 중심점이 포함된 실험계획법이라면 ‘0’이라고 표시된다. ② 실험계획후 실험실시에 따른 랜덤순서 ① 처음에 실험계획이 설계될때의 순서

Ⅳ. 개선(Improve) (2) 22 실험계획법 [3] 실험계획 분석 통계학 → DOE → 요인 설계 → 요인설계 분석… Ⓐ 인자를 모두 마우스 및 ‘Ctrl’키를 이용해 클릭한 후, ‘선택’단추를 누릅니다. Ⓑ ‘그래프’단추를 눌러 다음 단계로 진행 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 Ⓐ ‘Pareto’ 그래프를 선택 합니다. Ⓑ 유의수준 ‘알파’의 값이 예제에서 주어진 ‘0.05’를 확인 합니다. Ⓒ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓓ ‘항’단추를 눌러 다음 단계로 진행 합니다. Ⓔ 분석할 요인을 선택 합니다. ‘AB’는 A와 B의 교호작용 입니다. Ⓕ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘확인’단추를 눌러 다음 단계로 진행 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘표준화된 효과의 Pareto 차트 ’ 출력 창 입니다. ‘y에 대한 추정된 효과 및 계수(코드화된 단위)’분석에서 인자 A에 대한 p-Value가 0.023로 유의수준 보다 작으므로 유의 합니다. 인자 B에 대한 p-Value가 0.012으로 유의수준보다 작으므로 유의 합니다. 인자 A와 B의 교호작용에 대한 p-Value가 0.006로 유의수준보다 작으므로 유의 합니다. 다시 ‘y에 대한 분산 분석(코드화된 단위)’으로 볼때, 2차 교호작용 (2-Way Interactions)의 p-value 역시 앞의 결과와 같이 유의수준보다 적으므로 유의 합니다. 즉, 교호작용이 있다. 그러므로 두인자 중 하나의 인자만을 선택하여 최적조건을 산출합니다. Cube Plot에 의해 최적조건을 구할수 있습니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 [4] 그래프를 통한 인자효과 확인 통계학 → DOE → 요인 설계 → 요인 플롯… Ⓐ 대상 그래프를 선택 합니다. 여기서는 모든 그래프를 선택 합니다 Ⓑ ‘설정’ 단추를 눌러 다음 단계로 진행 합니다

Ⅳ. 개선(Improve) (2) 22 실험계획법 Ⓐ 반응치를 마우스 및 ‘Ctrl’키를 이용해 클릭한 후, ‘선택’단추를 누릅니다. Ⓑ ‘모두이동’단추를 눌러 모든 요인을 선택 합니다. Ⓒ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓓ 해당 ‘설정’단추를 눌러 앞에서와 같은 작업을 2번 더 반복합니다. 각 그래프별로 조건을 부여하여야 하므로, 모두 수행을 해야 합니다. Ⓔ ‘확인’단추를 눌러 다음 단계로 진행 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘y의 주효과 플롯(데이터 평균)’ 출력 창 입니다. 인자 A와 B 모두 결과치 Y에 대해 주효과가인 것으로 보이나, 분산분석 등 통계적 분석을 하여 확정할수 있음. 인자 A와 B의 직선이 서로 교차하여 교호작용이 있는 것으로 보이나, 분산분석 등 통계적 분석을 하여 확정할수 있음.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘y에 대한 입방체 플롯(Cube Plot)’ 출력 창 입니다. 활용하여 최적조건을 구할수 있음. 여기서, y의 값이 가장 높은 것이 최적조건이므로 22.55가 최적값이다. 최적조건은 온도가 600도, X협력사 임.

Ⅳ. 개선(Improve) (2) 22 실험계획법 [6] 보고서 작업(ReportPad) 창 → 다음에 대한 효과 Pareto : y ‘Pareto 그림’을 활성화한 그림 입니다. ‘그래프 영역’을 활성화 한후, 마우스의 오른쪽 단추를 눌러 ‘바로가기 메뉴’에서 ‘보고서에 그래프 추가’를 선택 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘요인 적합: y 대 온도, 협력회사’(ANOVA 분석)의 세션을 활성화한 그림 입니다. ‘세션’을 활성화 한후, 마우스의 왼쪽 단추를 눌러 보고서에 입력할 영역을 선택한후, 오른쪽 단추를 눌러 ‘바로가기 메뉴’ 에서 ‘선택한 행에 보고서 추가’를 선택 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘주효과 플롯’을 활성화한 그림 입니다. 창 → y의 주효과 플롯(데이터 평균) ‘주효과 플롯’을 활성화한 그림 입니다. ‘그래프 영역’을 활성화 한후, 마우스의 오른쪽 단추를 눌러 ‘바로가기 메뉴’에서 ‘보고서에 그래프 추가’를 선택 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘상호작용 플롯’(교호작용)을 활성화한 그림 입니다. 창 → y에 대한 상호작용 플롯(데이터 평균) ‘상호작용 플롯’(교호작용)을 활성화한 그림 입니다. ‘그래프 영역’을 활성화 한후, 마우스의 오른쪽 단추를 눌러 ‘바로가기 메뉴’에서 ‘보고서에 그래프 추가’를 선택 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 ‘입방체 플롯’(cube plot)을 활성화한 그림 입니다. 창 → y에 대한 입방체 플롯(데이터 평균) ‘입방체 플롯’(cube plot)을 활성화한 그림 입니다. ‘그래프 영역’을 활성화 한후, 마우스의 오른쪽 단추를 눌러 ‘바로가기 메뉴’에서 ‘보고서에 그래프 추가’를 선택 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 Ⓐ ‘도구모음 메뉴’에서 ‘Project Manager’단추를 눌러 실행 시킵니다. Ⓑ 활성화된 Project Manager 창에서 ‘ReportPad’폴더를 선택 합니다. Ⓒ ‘최대화’ 단추를 눌러 창을 확대 합니다.

Ⅳ. 개선(Improve) (2) 22 실험계획법 출력된 보고서 화면 입니다. ‘ReportPad’폴더에서 마우스의 오른쪽 단추를 눌러 ‘바로가기 메뉴’에서 보고서의 출력의 형태를 선택 합니다. 여기서는 ‘보고서 인쇄’를 선택 하였습니다.

개념 이해 Ⅳ. 개선(Improve) (3) 23 실험계획법 * 스크리닝 설계 (Screening Designs) : (1) 실제 현업에서 잠재적인 입력변수가 많습니다. Screening 설계는 중요 입력변수, Process, 혹은 품질에 영향을 주는 Process 조건을 확인함으로써, 입력변수를 줄이는데 사용됩니다. (2) Screening으로 많이 사용되는 실험계획법은 2-level full, 일부실시법, Plackette-Burman법 등이 있습니다. 이러한 실험계획법 들은 1차 Model(선형)으로 적합시키는데 유용하고, 만일 실험배치에 중심점(Center Point)를 추가 시킨다면, 2차 Model(곡면)의 정보를 제공하기도 합니다. * 완전 요인설계 (Full Factorial Designs) – 완전배치법 : 인자의 모든 수준 조합에서 실시되는 실험계획 입니다. * 2수준 완전요인 설계 (2-level Full Factorial Designs) : (1) 실험의 인자가 2수준일때, 인자의 모든 조합에서 실시되는 실험계획 입니다. (2) 인자에 따른 반응영역을 모두 탐험할수는 없지만, 인자당 상대적으로 작은 실행에 비해 유용한 정보를 얻을수 있고, 반응의 추이를 볼수 있으며, 심화 실험을 위한 방향을 제공 할수 있습니다. * 완전 요인 설계 (General Full Factorial Designs) : (1) 실험인자 수준에 따른 모든 조합에서 실시되는 실험계획 입니다. 예로 A인자가 2수준, B인자가 3수준, C인자가 5수준 이면 총 실험은 30회(2×3×5=30)가 되는 것입니다. (2) 이 실험계획은 작은 Screening 실험 또는 최적화 실험에 사용합니다. * 2수준 요인실험 설계하기 Minitab을 사용하면, 7개의 인자까지 완전요인(Full Factorial) 실험을, 15개 까지 일부 실시(Fractional Factorial) 실험을 설계할수 있습니다.

개념 이해 Ⅳ. 개선(Improve) (3) 23 실험계획법 * 일부실시 설계(Fractional Factorial Designs) – 부분배치법: (1) 인자의 수가 많아지면 처리조합의 수는 급격하게 증가하고, 1회 반복실험만 실시하더라도 실험횟수가 많아 집니다. 예를 들어, 인자의 수가 10개이고 2수준이라면 210 = 1024번의 실험횟수로서 거의 실험의 실시가 곤란하게 됩니다. 그러므로 필요로 하는 요인에 대한 정보를 얻기 위하여 의미가 적은 고차의 교호작용을 희생시켜서 실험의 횟수를 적게 하자는 것이 일부실시설계 입니다. (2) 일부실시설계에서는 불필요한 교호작용을 중요한 요인들과 교락시켜 주는 것이 보통인데 교락된 효과는 분리해서 검출할수 없다. 일부실시설계를 계획할 때에는 직교배열표를 사용하는 것이 편리하며, Minitab 에서는 2수준의 15개 인자까지 일부실시설계를 지원 합니다. * Plackette-Burman 설계 : (1) 이 실험계획은 해상도 3(Resolution Ⅲ)인 실험으로, 주로 주효과를 탐색하고자 할때 사용 합니다. 해상도 3(Resolution Ⅲ)인 실험은 주효과가 2차의 교호작용과 교락됨을 의미합니다. 즉, 2차의 교호작용아 없다는 가정을 하게 되면 주효과는 확실히 검출된다는 의미 입니다. (2) Minitab에서는 2수준의 47개까지 Placktte-Burman 법을 지원하며, 실험은 8회에서 48회까지 4회씩 증가된 수로만 시행됩니다. 또한 인자의 수는 반드시 실험의 시행수보다 작아야 합니다 * 실험계획의 선택 (1) 실험계획을 선택하기 위해서 고려해야 할 것 -. 관심있는 인자의 수를 확인 -. 시행할수 있는 실험의 수를 결정 -. 비용, 시간, 설비사용 가능성 등의 고려사항을 결정 (2) 실험의 해상도 -. Resolution Ⅲ : 주효과가 2차 교호작용과 교락된 경우 -. Resolution Ⅳ : 주효과가 3차 교호작용과 교락되거나, 2치 교호작용간에는 교락된 경우 -. Resolution Ⅴ : 주효과가 4차 교호작용과 교락되거나, 2차 교호작용과 3차 교호작용간에 교락된 경우

Ⅳ. 개선(Improve) (3) 23 실험계획법 (예제) A, B, C 세가지 요인에 대하여 2회 반복하여 실험한 결과가 다음과 같습니다. 2수준 완전배치 실험계획을 수립하고, 실험 결과를 분석하십시오.(유의수준 5%) 실 험 결 과 High C High Low B Low Low High A ▶ 예제 풀이 순서 ① 실험계획 Design → ② Data 입력 → ③ 실험계획 분석 → ④ 그래프를 통한 인자효과 확인 → ⑤ 최적조건 산출 ⑥ 보고서 작성

Ⅳ. 개선(Improve) (3) 23 실험계획법 [1] 실험계획 Design 통계학 → DOE → 요인 설계 → 요인설계 생성… ① 2수준 요인실험을 설계할때 선택합니다. ② 특정한 2수준 요인실험을 설계할때 선택합니다. Ⓐ ‘2-수준 요인(기본생성자)’ 및 ‘요인 개수’를 확인 합니다. ③ Plackette-Burman(PB)법을 설계할때 선택합니다. ④ 인자의 수에 상관없이 완전요인실험을 설계 할때 선택합니다. ⑤ 인자의 수를 선택합니다. Ⓑ ‘사용가능한 설계표시’단추를 눌러, 실험 횟수에 따른 실험의 해상도를 파악 합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 ① 인자수와 실험 회수에 따른 해상도를 볼수 있습니다. ② PB법 설계시 인자에 따른 실험시행 가능수를 알수 있습니다. Ⓐ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓑ ‘설계’단추를 눌러 실험계획을 설계 합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 ① 원하는 실험계획을 선택할수 있습니다. ② 실험설계시 중심점을 지정할수 있습니다. ③ 실험설계시 블럭을 지정할수 있습니다. Ⓐ 예제의 조건에 따라 실험의 ‘설정 반복수’를 ‘2’로 수정 합니다. Ⓑ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓒ ‘요인’단추를 눌러 인자의 조건을 설정합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 인자의 이름과 수준을 입력 합니다. Ⓐ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓑ ‘옵션’단추를 눌러 실험 데이터 입력 방법의 조건을 설정합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 ① 실험의 모든 인자 또는 개별인자에 대해 실험수를 접기 (Fold) 합니다. Ⓐ 예제에서와 같이 실험의 순서를 랜덤화하여 할 경우에는 ‘런 랜덤화’의 초기값 그래로 입력을 확인 합니다. 에서 ‘랜덤화를 하지 말라’고 할 경우에는 ‘런 랜덤화’를 해제하여야 합니다. Ⓑ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. ② 똑같은 실험계획을 연속해서 생성할때 그 횟수를 지정 합니다. ③ 실험계획을 워크시트에 저장 합니다 Ⓒ ‘결과’단추를 눌러 다음 단계로 진행 합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 ① Session창에 출력하고자 하는 실험계획 결과를 다양하게 지정할수 있습니다. ② Session창에 별명(alias)과 관련된 내용을 출력시킬 때 교호작용의 차수를 지정할수 있습니다. Ⓐ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓑ ‘확인’단추를 눌러 다음 단계로 진행 합니다. (여기서는 Data 입력 화면이 나올 것입니다.)

Ⅳ. 개선(Improve) (3) 23 실험계획법 [2] Data 입력 열의 이름을 ‘y’로 하고, 각각의 반응조건(A,B,C)에 따라 반응치 Y를 입력 합니다. 여기서 주의 할 것은 본 Data 입력 화면에서 순서가 랜덤화 되어 있어 입력시 주의 하여야 합니다. 하지만, 반복의 순서는 랜덤화 되어 있지 않으므로 이 또한 주의 하여야 합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 [3] 실험계획 분석 통계학 → DOE → 요인 설계 → 요인설계 분석… Ⓐ 변수를 모두 마우스 및 ‘Ctrl’키를 이용해 클릭한 후, ‘선택’단추를 누릅니다. Ⓑ ‘그래프’단추를 눌러 다음 단계로 진행 합니다.

Ⅳ. 개선(Improve) (3) 23 실험계획법 Ⓐ ‘Pareto’ 그래프를 선택 합니다. Ⓑ 유의수준 ‘알파’의 값이 예제에서 주어진 ‘0.05’를 확인 합니다. Ⓒ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다. Ⓓ ‘항’단추를 눌러 다음 단계로 진행 합니다. Ⓔ 분석할 요인을 선택 합니다. ‘AB’는 A와 B의 교호작용 입니다. Ⓕ ‘확인’단추를 눌러 앞의 창으로 되돌아 갑니다.