실험계획법 (Design of Experiments (DOE))

한 줄 정의: 여러 요인이 결과에 미치는 영향을 최소한의 실험 횟수로 효율적으로 파악하기 위해 실험 조건을 체계적으로 배치하는 통계적 기법.

쉽게 풀면

온도, 압력, 시간 등 여러 조건이 동시에 결과에 영향을 미칠 때, 한 번에 하나씩 바꿔가며 실험하면 시간이 너무 오래 걸리고 조건 간 상호작용도 놓칠 수 있다. 실험계획법은 통계적 원리를 이용해 각 조건의 조합을 효율적으로 배치함으로써, 적은 실험 횟수로도 각 요인의 영향과 요인 간 상호작용까지 파악할 수 있게 해준다.

예를 들어 요인이 3개면 모든 조합을 다 해보는 대신 일부 조합만 골라 실험하고도 전체 경향을 추정할 수 있다. 신제품 개발, 공정 최적화, 재료 배합 비율 결정 등 다양한 공학 실험 설계에 널리 활용된다.

왜 중요한가

실험 자원과 시간은 한정되어 있는데 다뤄야 할 변수는 여러 개인 경우가 대부분이라, 무작정 모든 조합을 시도하는 방식은 현실적으로 불가능한 경우가 많다.

실험계획법은 이런 제약 속에서도 통계적으로 신뢰할 수 있는 결론을 이끌어내는 방법을 제공하기 때문에 공정 최적화, 신소재 배합, 품질 개선을 다루는 공학·제조 분야 논문에서 핵심적인 연구 설계 도구로 쓰인다.

또한 실험 결과의 재현성과 일반화 가능성을 뒷받침하는 근거로도 활용되어 심사 과정에서 방법론적 신뢰도를 높이는 역할을 한다.

어떤 절차인가

실험계획법은 여러 요인이 결과(반응)에 미치는 영향을 적은 실험 횟수로 추정하도록 실험 조건의 조합을 미리 정해 두는 방법입니다. Fisher(1935)가 농업 실험에서 체계화했고, 요인(조절하는 변수), 수준(요인이 취하는 값), 반응변수(결과) 세 용어로 구조를 설명합니다. 기본 원리는 다음과 같습니다.

반복: 같은 조건을 되풀이해 오차의 크기를 추정합니다.
랜덤화: 실험 순서나 배정을 무작위로 해 숨은 요인의 영향을 흩뜨립니다.
블록화: 알려진 변동 원인(날짜, 배치 등)을 묶어 비교의 정밀도를 높입니다.

대표적인 설계는 모든 조합을 하는 요인설계, 일부 조합만 하는 부분요인설계, 곡면 형태의 최적 조건을 찾는 반응표면법, 직교배열을 쓰는 다구치 기법입니다. 결과 분석에는 보통 분산분석이 함께 쓰입니다.

언제 쓰고 무엇을 얻나

(가상의 실험을 코드로 계산) 요인 A, B, C가 각각 두 수준(−, +)이면 전체 요인설계는 2³ = 8회입니다. 정의관계 I = ABC로 절반만 하는 부분요인설계(2³⁻¹)는 4회입니다.

실험	A	B	C	반응(가상 값)
1	−	−	+	60
2	−	+	−	72
3	+	−	−	54
4	+	+	+	68

주효과는 ‘+ 수준의 평균 − − 수준의 평균’으로 구합니다. A = -5.0, B = 13.0, C = 1.0입니다. 이 설계에서는 A의 효과가 BC 교호작용과, B가 AC와, C가 AB와 구별되지 않고 섞입니다(교락). 실험이 절반으로 줄어든 대가이므로, 교호작용이 작다고 가정하거나 필요하면 나머지 절반을 추가로 실험합니다.

얻는 것: 한 번에 한 요인씩 바꾸는 방식보다 적은 실험으로 주효과와 교호작용을 함께 추정합니다.
순서: 많은 요인을 선별(스크리닝) → 중요한 요인을 최적화(반응표면법)로 이어 가는 흐름이 흔합니다(Box & Wilson, 1951).

논문에는 이렇게 적는다

설계를 명시합니다: 요인과 수준, 설계 종류(전체/부분요인, 반응표면 등), 실험 횟수, 반복 수, 중심점 사용 여부, 랜덤화 방법.
교락 구조를 밝힙니다: 부분요인설계라면 어떤 효과가 어떤 효과와 섞였는지(정의관계)와 그 가정을 적습니다.
분석 결과를 표로 보입니다: 분산분석표(제곱합, 자유도, F, p), 효과 추정값, 모형의 적합도(결정계수, 수정 결정계수), 잔차 진단(정규성, 등분산성).
최적 조건은 확인 실험으로 검증합니다: 모형이 예측한 최적점에서 실제로 실험해 예측과 일치하는지 보고합니다.
사용한 소프트웨어와 버전, 유의수준을 적습니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

“통계학적 실험계획법(DOE)은 수십 년 동안 산업계에서 품질을 개선하기 위해 사용되어온 방법이다.”
화학공학 분야에서 통계적 실험계획법 적용에 대한 서지 검토, 공업화학, 2020 · KCI 한국학술지인용색인 · 원문 보기 ↗
“본 연구에서는화학공학 분야에서 통계적 실험계획법이 적용된 사례 115건을 검토해 보았다.”
화학공학 분야에서 통계적 실험계획법 적용에 대한 서지 검토, 공업화학, 2020 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"3요인 3수준 실험계획법을 적용하여 공정 변수 간 상호작용을 분석하였다."

세 가지 공정 변수를 각각 세 단계로 조합해 실험을 설계하고, 변수들이 서로 어떻게 영향을 주고받는지 분석했다는 뜻이다.

"반응표면법(response surface methodology)을 이용한 실험계획법을 통해 배합 비율의 최적 조건을 도출하였다."

재료 배합 실험에서 여러 조건 조합의 결과를 곡면 형태로 모델링해 최적의 배합 비율을 찾아냈다는 의미다.

"직교배열표(orthogonal array)를 기반으로 한 다구찌(Taguchi) 실험계획법을 적용하여 품질 특성에 영향을 미치는 주요 인자를 선별하였다."

품질공학에서 널리 쓰이는 다구찌 기법으로 적은 실험 횟수만으로 품질에 큰 영향을 주는 인자를 가려냈다는 뜻이다.

조금 더 깊게 보면

실험계획법에는 요인 간 조합을 일부만 골라 배치하는 부분요인설계, 배합 비율처럼 곡면 형태의 반응을 다루는 반응표면법, 직교배열표를 활용해 실험 횟수를 크게 줄이는 다구찌 기법 등 여러 세부 방법이 있으며 논문에서는 이 중 어떤 방법을 썼는지가 실험의 목적과 신뢰도를 이해하는 데 중요한 단서가 된다.

결과 분석에는 대체로 분산분석(ANOVA)이 함께 쓰여 각 요인과 상호작용이 통계적으로 유의한지를 판단한다. 요인, 수준, 반응변수라는 기본 용어를 정확히 구분해서 읽으면 실험 설계의 구조를 훨씬 쉽게 파악할 수 있다.

주의할 점

요인과 수준을 잘못 선정하면 정작 중요한 상호작용을 놓칠 수 있어 사전 지식에 기반한 신중한 설계가 필요하다.

헷갈리기 쉬운 용어

실험계획법은 설계, 분석, 개별 기법이 서로 이어져 있습니다.

용어	무엇인가	실험계획법과의 관계
요인설계	모든 수준 조합을 실험	실험계획법의 기본 형태입니다.
부분요인설계	조합의 일부만 실험	횟수를 줄이는 대신 일부 효과가 교락됩니다.
반응표면법	반응을 요인의 곡면으로 모형화해 최적점을 찾음	실험계획법에 속하는 최적화 단계입니다.
다구치 기법	직교배열과 신호 대 잡음비를 이용한 품질 설계	실험계획법의 한 갈래입니다.
분산분석	요인별 효과의 유의성을 가르는 분석	실험계획법의 결과를 분석하는 도구입니다.

참고 문헌

Fisher, R. A. (1935). The Design of Experiments. Oliver & Boyd.
Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for Experimenters: Design, Innovation, and Discovery (2nd ed.). Wiley.
Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.
Box, G. E. P., & Wilson, K. B. (1951). On the experimental attainment of optimum conditions. Journal of the Royal Statistical Society: Series B, 13(1), 1–45.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.