The dual response approach has been proposed as an alternative to Taguchi’s parameter design and can avoid the problems inherent to the latter using a more rigorous statistical methodology. Nevertheless, the existing dual response approach only deals with the case where the variance of the response does not depend on the mean. Besides, the adjustment of the mean to the target is not considered, and therefore, the existing dual response approach is not efficient since the mean and variance of the response should be optimized whenever the target of the response changes. This thesis develops a new approach for parameter design by combining the concept of mean adjustment in the Taguchi method and the response modeling strategy in the dual response approach. The developed approach deals with the case where the variance of the response is proportional to the square of the mean as well as the case where variance does not depend on the mean. Furthermore, for each case, separate approaches are developed according as the variance model is obtained by the replication of an experimental condition or by including the noise variables as factors in the experiment. Using the developed approaches, the relation of the mean and variance of the response can be reflected more properly when finding the optimal setting. In addition, a new optimal setting can be found more easily by adjusting the mean to the target when the target of the response changes. The developed approaches are also illustrated with examples to show their detailed procedures and effectiveness.
파라미터 설계를 위한 다구치 방법의 대안으로 제안된 이중 반응표면 분석법은 다구치 방법에서 지적되었던 여러가지 문제를 해결하였다. 그러나, 기존의 이중 반응표면 분석법은 특성치의 분산이 평균에 의존하지 않는 경우만을 다루고 있다. 또한 평균의 조정을 고려하지 않기 때문에 특성치의 목표치가 변하는 상황 하에서 그때마다 새로운 최적화 과정을 수행해야 하므로 효율적이지 못하다. 본 논문에서는 다구치 방법의 ‘평균 조정’ 개념과 이중 반응표면 분석법의 ‘이중 모형화’ 개념을 결합하여 두 방법의 단점을 보완하고 장점을 살린 새로운 접근방법을 개발하였다. 아울러, 분산이 평균에 의존하지 않는 경우와 평균의 제곱에 비례하는 경우를 고려하였고, 각각의 경우를 다시 잡음의 반영 형태에 따라 소극적 반영과 적극적 반영의 두 가지로 나누어 다룸으로써 각각의 상황을 적절히 고려하여 최적조건을 구할 수 있도록 하였다. 또한, 사례를 통해 기존의 방법을 이용했을 때보다 결과가 개선됨을 보였으며, 본 논문에서 개발한 방법을 이용하면 목표치가 변하는 상황에서 보다 효율적으로 최적조건을 구할 수 있다.
