어떤 System Y=F(X's)의 반응값의 해석이 필요할 때, 우리는 여러번의 실험계획방법을 통하여 최적값을
예측한다. 여기서 DOE(Design of Experiments) 방법은 변수(X's)와 반응값(Y)의 상관관계를 구하기 위한
체계적인 접근방법이다. 여기서 반응표면(Response Surface) 실험계획방법은 최적값을 찾기 위하여
상대적으로 적은 횟수의 실험의 실행을 통하여 높은 품질의 근사값을 추정해 낼 수 있도록 해준다.
또한, Y의 목표점에 이르는 설계변수 X의 경향(방향과 기울기)을 이해하고 최적점을 찾아 낼 수 있다.

   

반응표면실험 결과 분석시 핵심 Point 5가지는 다음과 같다.
    (1) 반응표면실험 분석을 할때 먼저 Y=F(X's)관계를 나타내는 Graph 부터 시작한다
    (2) Model을 "Full Quadratic" 조건으로 먼저 Fitting 한다
    (3) 중요하지 않은 항을 제거하여 Model을 단순화 한다
         - 2차항 혹은 3차항이 있으면 1차항도 반드시 포함시킨다
    (4) R-sq(adj)값, 잔차의 표준편차, 잔차 Plot, Lack-of-Fit값을 참조하여 Model의 적절성를 확인한다
    (5) Fit된 Model로 최적화를 한 다음, Contour Plot을 그리고 목표로 하는 "Y" value에 적합한
        변수 X's에 대한 적용수준을 선정한다

   

반응표면(Response Surface) 실험계획방법은 일반적으로 개념이 쉽고 수치과정이 복잡하지 않다는
장점이 있으나, 사용자가 지정한 변수(X's)의 형태를 미리 정해줘야 하며 이에 따라 근사모델의
예측 성능이 크게 달라진다는 단점을 가지고 있다. 또한 비선형성이 심한 시스템을 근사화하는데
적합하지 않으며, 설계변수의 수가 증가하게 되면 근사모델 생성을 위해 필요한 실험횟수가 급증한다는
단점이 있다. 우리가 Y=F(X's)의 최적화를 위하여 무한한 시간과 자원이 있는 것이 아니기 때문에
우리가 최적화 하고자하는 Y=F(X's)에 맞는 최적화 방법을 선택하는 혜안이 필요하다.