여기에서 Minitab Statistical Software의 실험 계획법(DOE) 기능이 등장합니다. 설계된 실험은 여러 변수를 조정하는 일련의 실행 또는 테스트입니다. 한 번에 두 개 이상의 요소를 변경하고 평가한 다음 통계 분석을 사용하여 의미 있는 결과를 얻을 수 있으므로 공정을 개선하는 효율적인 방법입니다. Minitab은 어떤 요소가 가장 중요한지 파악하고 요소가 상호작용하면서 공정을 진행하는 방식을 이해하는 데 도움을 줄 수 있습니다. 이러한 지식으로 무장하면 최적의 공정 성능을 생성하는 요소 설정을 찾을 수 있습니다.
Rose의 첫 번째 작업은 올바른 반응을 선택하고 정량화하는 것이었습니다. 더 빠른 속도로 생산되는 부품의 품질을 개선하거나 최소한 유지하는 것이 주요 목표였기 때문에 그는 절단 품질을 중요한 반응으로 선택했습니다. 하나의 실험 "실행"은 강철 한 장을 절단하는 것으로 구성됩니다. 절단 품질은 1~5 등급으로 평가되며 5는 완벽한 절단을 의미합니다. 기준선을 설정하기 위해 Rose는 기존 설정으로 부품 절단의 사전 분석을 수행했는데, 그 결과 평균 점수 4점의 절단이 생성되는 것으로 나타났습니다.
더 빠른 설정을 찾는 데 열의를 보인 레이저 작업자가 각 실행에서 생산된 부품을 평가하기 위해 자원했습니다. 다른 연구원과 마찬가지로 Rose도 실험을 시작하기 전에 측정 시스템의 정밀도를 신뢰할 수 있는지 확인해야 했습니다. 그는 Minitab을 사용하여 작업자가 확립된 표준에 따라 절단 품질을 일관되고 정확하게 평가할 수 있는지 여부를 보여주는 속성 일치 분석을 수행했습니다. 분석 결과를 바탕으로 레이저 작업자 1인을 단독 평가자로 선정했습니다. 그는 이전에 사용된 정수 대신 ¼ 증분(.25)을 통합하는 보다 정확한 채점 시스템을 사용할 수 있었습니다. 이를 통해 데이터 수집 능력이 향상되었습니다.
요소, 중요한 반응, 신뢰할 수 있는 데이터 수집 방법을 갖춘 Rose는 실험을 계획할 준비가 되었습니다. 그는 요소 실험 계획법을 통해 여러 요소가 공정에 미치는 영향을 연구할 수 있다는 것을 알고 있었지만, 최소한의 실험으로 신뢰할 수 있는 결과를 얻을 수 있는 요소 설계 유형을 찾아야 했습니다. 그는 Minitab을 사용하여 옵션을 탐색하고 가장 좋은 옵션을 식별했습니다.
한 가지 옵션은 요소 수준의 모든 조합에서 반응을 측정하는 매우 철저한 접근 방식인 완전 요소 실험이었습니다. 그러나 이 옵션을 사용하려면 엄청나게 많은 실행이 필요할 수 있습니다. 예를 들어, 요소가 5개인 2수준 완전 요소 설계에는 32개의 실행이 필요합니다. 실험자가 반복을 추가하거나 실행을 여러 번 반복하기를 원할 수 있다는 점을 고려하면 대부분의 경우 완전 요소 실험은 실행 가능한 옵션이 아닙니다.
대신 Rose는 요소 수준의 일부 조합을 제외하여 실행 횟수를 관리 가능한 크기로 줄이면서도 여전히 요소에 대한 신뢰할 수 있는 분석을 제공하는 부분 요소 설계를 검토했습니다. 수행되는 실행은 전체 요소 설계의 선택된 부분 집합 또는 부분입니다. 그러나 모든 요소 수준 조합을 실행하지 않으면 일부 효과가 교란되어 다른 효과와 별도로 추정할 수 없습니다. 따라서 의미 있는 결과를 얻으려면 분수를 신중하게 선택해야 합니다. 공정을 더 쉽게 만들기 위해 Minitab은 교란 패턴을 지정하는 별칭 테이블을 표시합니다.
초기 실험에서 Rose는 Minitab을 사용하여 16회 실행만 필요하지만 요소와 양방향 상호작용의 효과를 모두 추정할 수 있는 ½ 부분 요소 설계를 구현했습니다(그림 1). Rose는 또한 데이터 수집 능력을 향상시키기 위해 16회 실행을 3번 반복하여, 실험에서 유의미한 차이를 식별할 수 있는 가능성을 높였습니다.