DOE 효과 분석기

요인 실험의 주효과 및 교호작용 분석. 2수준 요인 설계에서 인자 효과를 추정하고, ANOVA를 수행하며, 파레토 차트를 통해 유의한 인자를 식별합니다. 효과 분석은 요인실험에서 각 인자와 교호작용이 반응변수에 미치는 영향을 정량화합니다. 주효과는 인자가 낮은 수준(-1)에서 높은…

2수준 요인 설계에서 인자 효과를 추정하고, ANOVA를 수행하며, 파레토 차트를 통해 유의한 인자를 식별합니다.

DOE 효과 분석이란?

효과 분석은 요인실험에서 각 인자와 교호작용이 반응변수에 미치는 영향을 정량화합니다. 주효과는 인자가 낮은 수준(-1)에서 높은 수준(+1)으로 바뀔 때 평균 반응이 변하는 크기입니다. 교호작용 효과는 한 인자의 효과가 다른 인자의 수준에 따라 달라질 때 나타납니다.

각 항의 효과 추정값은 높은 수준에서의 평균 반응과 낮은 수준에서의 평균 반응의 차이로 계산됩니다. ANOVA(분산분석)는 총 변동을 각 인자와 교호작용의 기여분으로 분해하고 F-검정으로 통계적 유의성을 판정합니다.

효과의 파레토 차트는 모든 항을 효과의 절댓값 크기 순으로 정렬해 '핵심 소수'에 해당하는 유의한 인자를 쉽게 식별하게 해 줍니다. R²는 총 변동 중 모형이 설명하는 비율을 나타내고, 각 항의 기여율은 상대적 중요도를 보여 줍니다.

Formula: Effect = Ȳ(+1) - Ȳ(-1) SS = (Effect² x N) / 4 % Contribution = SS_factor / SS_total x 100 R² = SS_model / SS_total R²_adj = 1 - (1-R²)(N-1)/(N-p-1)

계산 예시

인자 A와 B로 구성한 2² 요인실험입니다. 반응값: (−,−)=10, (+,−)=14, (−,+)=12, (+,+)=20. 효과 A = ((14+20)/2) - ((10+12)/2) = 17 - 11 = 6. 효과 B = ((12+20)/2) - ((10+14)/2) = 16 - 12 = 4. 교호작용 AB = ((10+20)/2) - ((14+12)/2) = 15 - 13 = 2. 인자 A의 효과가 가장 큽니다.

이 계산기를 사용하는 경우

요인 실험 실행 후 어떤 인자와 교호작용이 반응에 통계적으로 유의한 효과를 미치는지 결정할 때
Six Sigma DMAIC 프로젝트의 분석 단계에서 설계된 실험으로부터 핵심 소수 인자를 식별할 때
공정 최적화를 위한 예측 모델 구축 시 — 효과 추정치와 ANOVA가 모델의 계수와 유의 수준을 제공
반응 표면 연구에 어떤 인자를 포함할지 결정할 때 — 선별 실험의 유의한 인자만 포함해야 함
실험 보고에서 파레토 차트와 기여율 표를 사용하여 인자 기여도의 명확하고 정량화된 요약을 제시할 때

흔한 실수

교호작용 효과를 무시하고 주효과만 분석 — 교호작용이 주효과만큼 또는 더 클 수 있음; 항상 최소한 2인자 교호작용 확인
교락을 이해하지 않고 비반복 실험에서 결론 도출 — 비반복 부분 요인에서 효과는 별칭화됨; 설계의 별칭 구조를 알아야 함
통계적 유의성 없이 기여율을 과대 해석 — 인자가 우연히 15% 기여를 보일 수 있음; 항상 F-검정 p값을 확인하거나 정규 확률 플롯 사용
유의성에 관계없이 가능한 모든 교호작용을 모델에 포함 — 모델을 과적합하고 오차 자유도를 소비; 계층적 모델링 사용(해당 주효과가 유의한 경우에만 교호작용 포함)

결과 해석 방법

효과 파레토 차트부터 보세요 — 막대가 나머지보다 훨씬 큰 항이 핵심 소수이며, 2~3개 항 이후 급격히 떨어지는 모양이 전형적인 '효과 희소성' 패턴입니다
효과 추정값의 부호는 방향을 알려줍니다: 양수면 해당 인자를 −1에서 +1로 옮길 때 평균 응답이 그만큼 증가하고, 음수면 감소합니다
기여율(%)은 전체 변동에서 각 항이 차지하는 몫입니다 — 몇 % 이하로 기여하는 항은 차트에 보이더라도 대개 노이즈입니다
ANOVA 표에서 p-값이 0.05 미만이면 통계적으로 유의한 항입니다 — 단, 포화 설계(반복 없는 완전 모형)에서는 잔차 자유도가 없어 F와 p를 계산할 수 없으므로 파레토 차트와 기여율로 판단하세요
R²와 수정 R²를 비교하세요 — 차이가 크면 모형에 유의하지 않은 항이 많다는 뜻이므로, 교호작용 차수를 줄여 다시 적합하고 수정 R²가 개선되는지 확인하세요

자주 묻는 질문

효과가 통계적으로 유의한지 어떻게 알 수 있나요?

반복 실험이 있으면 ANOVA를 사용합니다. F 통계량의 p 값 < α(보통 0.05)이면 그 효과는 유의합니다. 반복이 없으면 렌스 방법이나 효과의 정규확률지를 사용합니다. 직선에서 벗어나는 효과가 유의한 효과입니다. 파레토 차트도 어떤 효과가 나머지보다 월등히 큰지 보여 주므로 판단에 도움이 됩니다.

주효과와 교호작용 효과는 어떻게 다른가요?

주효과는 다른 인자의 수준과 무관하게 한 인자를 바꿨을 때 반응이 평균적으로 변하는 양입니다. 교호작용 효과는 한 인자의 영향이 다른 인자의 수준에 따라 달라진다는 뜻입니다. 예를 들어 온도를 올렸을 때 저압에서는 수율이 10% 올라가지만 고압에서는 2%만 올라간다면 온도×압력 교호작용이 존재합니다. 교호작용을 무시하면 잘못된 결론에 이를 수 있습니다.