이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

실험계획법(DOE)

체계적 데이터 수집을 통한 실험 계획

수동적인 데이터 수집은 통계적 모델링에서 많은 문제를 초래합니다. 응답 변수에서 관측된 변경 사항과 개별 요인(공정 변수)에서 관측된 변경 사항 사이에 상관 관계는 있지만 인과 관계는 없을 수도 있습니다. 여러 요인에서 동시적으로 발생하는 변경 사항은 개별적인 효과로 분리해 내기 어려운 상호 작용을 일으킬 수 있습니다. 관측값이 종속 변수인데 데이터의 모델은 이를 독립 변수라고 간주할 수도 있습니다.

실험계획법을 사용하면 이러한 문제를 해결할 수 있습니다. 실험계획법에서는 정보의 품질을 향상시키고 중복된 데이터를 제거하도록 데이터 생성 공정이 능동적으로 조작됩니다. 모든 실험계획법의 공통적인 목표는 모델의 모수를 정확히 추정하기에 충분한 정보를 제공하되, 동시에 최대한 적은 양의 데이터를 수집하는 것입니다.

함수

모두 확장

ff2nTwo-level full factorial design
fullfactFull factorial design
fracfactFractional factorial design
fracfactgenFractional factorial design generators
bbdesignBox-Behnken design
ccdesignCentral composite design
candexchD-optimal design from candidate set using row exchanges
candgenCandidate set generation
cordexchCoordinate exchange
daugmentD-optimal augmentation
dcovaryD-optimal design with fixed covariates
rowexchRow exchange
rsmdemoInteractive response surface demonstration
lhsdesignLatin hypercube sample
lhsnormLatin hypercube sample from normal distribution
haltonsetHalton quasirandom point set
qrandstreamConstruct quasi-random number stream
sobolsetSobol quasirandom point set
interactionplotInteraction plot for grouped data
maineffectsplotMain effects plot for grouped data
multivarichartMultivari chart for grouped data
rsmdemoInteractive response surface demonstration
rstoolInteractive response surface modeling

도움말 항목

Full Factorial Designs

Designs for all treatments

Fractional Factorial Designs

Designs for selected treatments

Response Surface Designs

Quadratic polynomial models

Improve an Engine Cooling Fan Using Design for Six Sigma Techniques

This example shows how to improve the performance of an engine cooling fan through a Design for Six Sigma approach using Define, Measure, Analyze, Improve, and Control (DMAIC).

D-Optimal Designs

Minimum variance parameter estimates