30분
DOE(실험계획법) 개념 및 제조 적용
Day 3: 공정 최적화
DOE(실험계획법) 개념 및 제조 적용
생산 최적화 — 스마트 팩토리 AI > Day 3: 공정 최적화
학습 목표
DOE(Design of Experiments)의 원리를 이해한다 Full Factorial과 Fractional Factorial의 차이를 구분한다 주효과와 교호작용을 해석할 수 있다
왜 DOE인가?
[기존 방식: OFAT (One Factor At a Time)]
실험 1: 온도만 변경 (압력, 속도 고정)
실험 2: 압력만 변경 (온도, 속도 고정)
실험 3: 속도만 변경 (온도, 압력 고정)
문제: 교호작용을 발견할 수 없다!
온도+압력 조합이 최적일 수 있는데 놓친다.
실험 횟수 대비 정보량이 적다.
[DOE 방식]
모든 인자의 조합을 체계적으로 실험
-> 주효과 + 교호작용 모두 파악
-> 최소 실험으로 최대 정보Full Factorial vs Fractional
[3인자 2수준 Full Factorial = 2^3 = 8회]
실험 | 온도 | 압력 | 속도 | 결과(불량률)
-----|------|------|------|----------
1 | 낮음 | 낮음 | 낮음 | 2.1%
2 | 높음 | 낮음 | 낮음 | 1.8%
3 | 낮음 | 높음 | 낮음 | 3.2%
4 | 높음 | 높음 | 낮음 | 1.5%
5 | 낮음 | 낮음 | 높음 | 2.8%
6 | 높음 | 낮음 | 높음 | 1.2%
7 | 낮음 | 높음 | 높음 | 3.5%
8 | 높음 | 높음 | 높음 | 0.9% <- 최적!| 방식 | 실험 횟수 (5인자) | 정보량 | 적합 상황 |
|---|---|---|---|
| Full Factorial | 2^5 = 32 | 모든 교호작용 | 인자 4개 이하 |
| Fractional (1/2) | 16 | 주효과 + 2인자 | 인자 5~8개 |
| Taguchi L16 | 16 | 주효과 중심 | 스크리닝 |
| CCD (RSM) | 26 | 2차 곡면 | 최적점 탐색 |
주효과 vs 교호작용
[주효과 (Main Effect)]
온도를 높이면 불량률이 줄어든다.
불량률
3% | *
2% | *
1% |
+--------+----
낮음 높음 <- 온도
[교호작용 (Interaction)]
온도 효과가 압력 수준에 따라 달라진다!
불량률
4% | * <- 압력 높음
3% | \ * <- 압력 낮음
2% | X
1% | * \
0% | * <- 압력 높음+온도 높음=최적
+--------+----
낮음 높음 <- 온도
교호작용이 있으면 OFAT로는 최적 조건을 못 찾는다!AI와 DOE의 만남
DOE 실험 결과 (소수의 실험)
|
v
ML 서로게이트 모델 학습
(LightGBM, Gaussian Process)
|
v
전체 파라미터 공간 예측
(실험하지 않은 조합도 예측)
|
v
최적 조건 추천
+ Bayesian 최적화로 추가 실험 제안AI로 학습하기 — 꿀팁
🧪제조 공정 DOE 실험 계획 설계AI 학습 팁
DOE는 요인 수가 많아질수록 Full Factorial 실험이 현실적으로 불가능합니다. AI로 내 공정의 핵심 요인을 선별하고 Fractional Factorial 실험 계획을 설계하세요.
우리 제조 공정에 적합한 DOE 실험 계획을 설계해줘. 공정 정보: 공정 유형=[사출성형/용접/열처리/도장 중 선택], 후보 제어 요인=[온도, 압력, 속도, 시간 등 나열], 측정 반응변수=[불량률/인장강도/표면조도 등], 실험 가능 횟수=[예산 제한 기입]. 출력: 1) Full Factorial vs Fractional Factorial 비교(실험 횟수 계산), 2) 권장 설계(예: 2^(k-p) 설계, Resolution 등급 명시), 3) Python pyDOE2로 실험 계획 행렬 생성 코드, 4) 각 실험 조건을 현장 작업 지시서 형식으로 변환하는 코드.
이 팁이 도움이 됐나요?
핵심 포인트
- • DOE는 OFAT보다 효율적으로 최적 조건을 찾는 체계적 실험 방법
- • 교호작용 발견이 DOE의 핵심 가치
- • AI 서로게이트 모델로 소수 실험에서 전체 공간을 예측 가능
- • 인자 수에 따라 Full/Fractional/Taguchi 선택