전혀 겹치지 않는 비정규 요인 설계의 새로운 차원

초록

본 논문은 2수준 비정규 부분 요인 설계 중에서 설계점이 𝔽₂ 벡터공간의 어떤 affine 초평면에도 포함되지 않는 ‘affinely full‑dimensional factorial design’이라는 새로운 클래스를 정의한다. 이 클래스는 주효과 모델의 파라미터를 동시에 식별할 수 있는 장점을 가지며, 특히 포화 설계에서 r ≡ 5,6,7 (mod 8)인 경우 D‑optimal 설계가 이 클래스에 속함을 보인다.

상세 분석

논문은 먼저 𝔽₂ 위의 n 차원 벡터공간에서 정의된 전통적인 정규 2ⁿ 완전 요인 설계와 달리, 설계점이 affine 초평면에 포함되지 않는 경우를 ‘affinely full‑dimensional’이라고 명명한다. 이를 수학적으로는 설계 행렬 X의 모든 행이 서로 선형 독립이며, 어떠한 비자명한 선형 결합도 0 벡터가 되지 않도록 하는 조건으로 표현한다. 이러한 조건은 설계의 indicator function f(·)에 대해 f(x)=1인 점들의 집합이 𝔽₂ⁿ 전체를 아핀하게 포괄한다는 의미와 동치이며, 이는 기존의 regular fractional factorial design에서 나타나는 alias 구조가 전혀 존재하지 않음을 의미한다.

주효과 모델 y = β₀ + Σ_{j=1}^k β_j x_j + ε 에 대해, 설계가 affinely full‑dimensional이면 XᵀX가 완전한 랭크를 유지하므로 β_j (j=1,…,k) 를 동시에 추정할 수 있다. 이는 특히 고차 상호작용을 무시하고 주효과만을 고려하는 실험 상황에서 파라미터 추정의 불확실성을 크게 감소시킨다.

다음으로 논문은 D‑optimal성 관점에서 이 클래스를 평가한다. D‑optimal 설계는 |XᵀX|를 최대화하는 설계로, 행렬식이 클수록 추정된 파라미터의 분산이 작아진다. 포화 설계(즉, 실행 횟수 r 와 추정 파라미터 수가 동일한 경우)에서 r ≡ 5,6,7 (mod 8)인 경우, 기존의 Hadamard 기반 설계보다 affinely full‑dimensional 설계가 더 큰 행렬식을 제공함을 증명한다. 이는 특히 r이 5,6,7,13,14,15,… 와 같이 8의 나머지가 5~7인 경우에 해당한다. 논문은 이러한 결과를 combinatorial design 이론과 연결시켜, 해당 r값에 대해 존재하는 최대 행렬식(=D‑optimal) 설계가 반드시 affinely full‑dimensional임을 보인다.

또한, 설계의 indicator function을 다항식 형태로 전개했을 때, 모든 고차 항의 계수가 0이 되는 특성을 제시한다. 이는 설계가 어떤 비자명한 고차 상호작용을 완전히 차단한다는 의미이며, 실험 설계자가 사후 분석에서 불필요한 교란을 최소화할 수 있게 한다.

마지막으로, 저자는 이러한 설계가 실제 산업 실험이나 품질 관리에서 어떻게 활용될 수 있는지를 논의한다. 특히, 실험 비용이 제한된 상황에서 포화 설계가 요구될 때, affinely full‑dimensional 설계를 채택하면 주효과 추정의 정확성을 보장하면서도 설계 구성이 간단해진다.

요약하면, 본 연구는 기존 비정규 부분 요인 설계의 한계를 극복하고, affine 완전성을 기반으로 한 새로운 설계 클래스를 제시함으로써, 파라미터 식별성, D‑optimal성, 그리고 고차 상호작용 억제라는 세 가지 핵심 목표를 동시에 달성한다는 점에서 의미가 크다.