프로세스의 결과에 영향을 미치고 있는 여러가지의 요인을 찾아내어야 할 필요성이 있다면
실험계획(DOE)가 바로 그 답이다. 만일 여러분이 관심이 있는 요인을 제외하고는 모두 일정한 값으로 둔
한번 실험에 인자 하나만 검토한다면 한번 실험에 따른 비용과 시간 소비가 엄청나게 소요되며 다른 인자
개개의 미치는 영향에 대해서는 어떠한 정보도 없지 못할 것이다.

앞에서 언급한 한번에 하나의 인자만 것에 비해 한번에 여러 인자를 동시에 검토할 수 있도록
바꾸어 주는 방법이 실험계획(DOE)의 근본 취지이다. 여러분이 검토를 위해서 필요한 실험계획을 위한
실험횟수를 최소화 시켜주며, 의미있는 결과와 함께 인자들이 반응결과에 가능한한 효율적으로 반응결과에
영향을 미치는지에 대한 결론에 도달할 수 있게 해준다.

여러분이 무엇을 발견하기를 원하느냐 얼마나 자세히 알고 싶느냐에 따라 매우 간단하거나 매우 봅잡한
계획된 실험이 배치될 것이다. 어떤 실험은 인자 1~2개만 포함할 수도 있고 다른 것은 수십개가 될 수도 있다.

가장 일반적인 실험계획의 유형은 반응결과에 가장 크게 영향을 미치는 인자를 결정하는데 사용되는
단순 Screening 실험계획법이다. 예를 들어, 어떤 자동차 제조업체에서 새차의 페인팅 건조시간에 7~8개의
인자 중에서 어느 것이 가장 큰 영향을 미치는지 알아보기 위해 Screening 실험계획법을 사용할 수 있다.

먼저 2~3개의 가장 중요한 인자를 정의한 다음, 이들 인자의 최적 설정값을 정의하기 위해서 좀더 복잡한
다중수준의 실험계획법을 사용할 수 있다. 명백하게 두 경우 모두 같은 실험배치는 사용되지 않을 것이다.

이러한 방법은 사포의 역할과 같다. 큰 모래 알갱이를 가진 사포를 사용하여 먼저 큰 면적을 재빨리
연마시켜준 다음, 최종 매끈한 표면을 얻기 위해서는 아주 부드러운 사포가 필요로 하는 것과 같다.

마찬가지로, 많은 실험계획에서 우선 접근해야하는 폭이 매우 넓은 탐색조사를 위한 배치가 먼저 설계되고
다음에 아주 정밀하고 확신을 주는 그런 실험배치가 뒤이어 진다.

요인배치는 언제 필요할까?
여러분이 전자회사에 근무하고 있으며 불량 스마트폰에 대하여 엄청난 건수의 고객불만이 접수되었다고 하고,
품질 엔지니어가 품량의 원인이 될 것 같은 5개의 다른 인자를 정의하였다. 여러분은 실험계획이 필요하다는
것을 알고 있지만 올바른 조건과 올바른 인자들의 설정과 올바른 실험 순서을 위해서 어느 정도의 데이터를
수집해야 하는지 확신을 할 수 없다고 하자.

여러분이 실험계획을 시작할 때 고려해야 할 것들은 다음과 같다.
만일 수작업으로 단순 실험계획을 설정하여고 한다면, 그것은 매우 어려운 작업이며 실수할 가능성 또한 높다.
다행이 보통은 통계 프로그램을 사용하기 때문에 손쉽게 요인배치를 할 수 있다.

이제 어떤 유형의 설계방법을 선택해야 할까?
분석하려는 실험을 위한 올바른 실험설계는 분석하려고 하는 인자의 갯수와 개개 인자에 대한 수준에 따라 달라진다.

여러분은 실험설계를 위해서 적어도 인자 2개에 대해 각각 2수준 배치를 해야한다. 인자의 수준이나 설정은
문자(예를 들어, 높음/낮음)이거나 숫자(100℃/200℃)일 수도 있다. 인자는 범주형이거나 연속형이어도 된다.

실험계획에 임하는 여러분의 목표를 위해 커거나 작은 통계적인 도움이 필요할 것이며 중요한 프로세스에 대한
매우 민감한 설정을 해야할 경우도 있을 것이고, 초기 Screening 실험계획에서 어떤 인자가 반응결과에 큰 영향을
미치는지 발견하기 위한 것일 수 도 있다. 만일 여러분이 빠듯한 예산으로 인해 여러분이 선택한 실험의 횟수가
몇회이냐에 따라 예산의 여유가 있을지 영향을 받을 수도 있다.

그러므로, 처음 실험계획을 할 때, 2수준 요인배치, Plackett-Burman, General Full Factorial Design에 대해
여러분의 상황에 꼭 맞는 실험 횟수를 선정하도록 확인하는 것이 매우 중요하다.