Definitive Screening Designs 실험 자료에 대한 효율적인 분석

Abstract

Definitive Screening Designs(DSDs)는 최소한의 실험점을 가진 단 한 번의 실험으로, 실험 계획 시 고려해야할 많은 변수 중 실제 반응 값에 영향을 주는 변수를 선별하여 2차 모형을 적합할 수 있는 실용적인 실험 설계이다. DSDs를 쉽게 설계하고 분석할 수 있는 프로그램인 JMP 12와 Design Expert 10을 이용하여 실험 자료를 분석하고 그 방법을 비교하고자 한다. DSDs 실험은 실험 횟수에 비하여 후보 항이 훨씬 많은 설계이므로, 요인의 완전 2차 모형을 가정하면 전진 선택법으로 항을 추가하는 방법으로 변수를 선택해야 한다. 모형 선택 시, 프로그램에 따라 활용할 수 있는 선택 방법을 비교하고 적절한 모형을 선택하기 위하여 고려해야할 요소에 대하여 알아보고 어떤 기준을 활용할 때, 적절한 모형을 선택할 수 있는 지 알아보고자 한다. DSDs의 설계의 특성 상, 주효과는 2차 이상의 효과와 직교하나 2차 이상의 효과 간 상관관계가 존재하기 때문에 가정한 효과 개수가 증가하면 적절한 변수 선택이 이루어지지 않을 수 있다. 이를 개선하기 위하여 먼저, 유의한 주효과만을 선별한 후에 선별된 주효과에 대해서만 완전 2차 모형을 가정한 후 단계적 선택법을 활용하는 방법을 고려해볼 수 있다. 전진 선택법을 이용하여 선택된 모형에 대하여 선별된 주효과 이외에, 추가적으로 유의한 항이 있는 지 검토해보고 최적 후보 모형으로 하는 방법을 제안하고자 한다.;Definitive Screening Designs(DSDs) are efficient designs which can do screening and making response surface just at once. The purpose of the study is to compare the methods of analyzing DSDs data with JMP 12 and Design Expert 10. DSDs have small runs even though they have many effects to consider. So, we need to use forward selection and we compared the options of each programs to do stepwise selection when analyzing DSDs data. On DSDs, main effects(ME) are orthogonal to two interaction(2FIs) or quadratic effects(Qs), but 2FIs and Qs are correlated each other. So, we considered the following new methods. For the first, we do screening only on main effects with stepwise selection and make full quadratic models for selected main effects. After that also do stepwise selection to figure out efficient effects. Last, do forward stepwise selection again to all ME, 2FIs, Qs to find out that another effects could improve the model.