여러분이 여름휴가를 위해 아주 먼 장거리 여행을 하는 도중에 자동차가 고장났다고 가정해보자.
보험회사에 전화를 하고 견인차가 와서 견인해 가기를 기다리게 될 것이다.
그러나 여러분이 이 사건을 직접 처리해 보리라고 생각을 하거나 수리 비용을 최소로 하는 방법과 같은
보다 좀더 현명한 방법은 없을까 고려해 보고있다고 가정해보자.

아주 많은 사유로 인해 자동차는 고장날 수 있다. 우리가 이러한 복잡한 상황에 직면하게 되면 직감적으로
머리 속에 떠 오르는 다른 해결책을 실행하려고 한다. 어떤 하나의 방법이 해결책이 아니었다는 것을 알아
차렸을 때 다음으로 가능성이 있는 해결책을 찾아 실행해 보려고 할 것이다.

이러한 방법은 보통의 문제해결을 위해 하는 "한번에 한 요인씩" 검토하는 방법으로 복잡한 품질이슈에
부딪혔을 때 매우 직감적이고 전세계를 걸쳐 많은 회사에서 매우 흔히 사용하는 방법이다.
문제가 해결될 때까지 한번에 하나의 요인만 변경하고 테스트되는 특징이 있다.

그렇지만 실험계획(DOE)에서는 접근하는 방법이 완전히 다르다. 아래와 같은 실험배열에 따라
모든 요인들을 동시에 같이 한꺼번에 설정해주게 된다.

그렇다면 "한번에 한 요인씩" 변경하며 실험하는 것 보다 실험계획(DOE)에 의한 실험을 실시하는 것이
더 좋은 이유는 무엇일까?

■ 효과 예측이 정밀하다.

2수준 실험계획에서 모든 인자에 대해 설정을 하게되면, 인자별 -설정에 대한 평균과 +설정에 대한 평균값을
우리는 계산에 사용할 수 있게된다. 즉, 2수준 인자의 효과는 +설정에 대한 평균값과 -설정에 대한 평균값의
차이로써 구할 수 있다. 그러므로, 실험계획(DOE)에서는 개별갑과 다른 개별값을 비교하는 것이 아니라
평균과 다른 평균을 실제 비교하게 된다.

이 방법으로 인하여 주어진 횟수만큼의 실험을 통해 상당히 높은 수준의 효과값을 예측할 수 있도록 해주며
실험주변의 환경 노이즈(실험의 오류, 실험환경을 둘러싸고 있는 변동 등등...)로 부터 영향력이 높은 인자가
두드러져 보이도록 해준다. 실험설계로 부터 상당히 정확한 예측값을 제공하므로 측정시스템에서의 정확도
부족에 대한 보상도 된다.

■ 인자간의 교호작용을 확인할 수 있다.

인자간의 교호작용을 예측가능하도록 하는 것도 실험설계의 주요한 장점중 하나이다.
위 파레토도를 참조로 살펴보면 인자 A의 효과는 인자 B가 어떤 명시된 수준으로 설정되었을 때 교호작용항
AB로 인하여 좀 더 큰 효과를 보일 수도 있다. 교호작용에 대한 잘 알려진 사례로서 음주와 수면제의
자동차 브레이크 제동거리에 대한 교호작용이다.

어떤 운전자가 음주에 대한 효과를 테스트 한다고 가정해 보자.
소주를 5병 마시고 100m 주행중 브레이크를 밟으면 제동거리는 심각한 수준으로 길어질 것이다.

동일한 운전자에게 많은 수면제를 먹게하고 소주 5병을 마시게 한 다음 100m 주행후 브레이크를
밟으면 인자간의 교호작용의 영향으로 소주 5병만을 마시고 실험한 제동거리에 수면제 복용에 의해 추가되는
단순 증가 제동거리를 합산한 것보다 훨씬 제동거리가 길어 지도록 할 것이다.
즉, "한번에 한 요인씩" 실험으로는 한 요인의 변화에 따른 이러한 교호작용 효과를 정의할 수가
없지만, 실헌계획(DOE)에서는 가능하다.

■ 직교배열로 인해 예측값에 편의가 발생되지 않는다

표준적인 실험설계방법에서는 각 인자에 대한 각 수준은 다른 인자들중 하나 하나에 대한 각 수준수 만큼
관련지어져 있어 수준의 조합의 효과들이 서로 균형을 갖추도록 설계되어 지며 각 인자에 대한 효과크기의
예측을 다른 모든 인자들의 효과로 부터 독립적인 예측이 가능하도록 해준다.

즉, 예측값들이 다른 인자들로 부터의 다른 효과에 의해 편향되지 않는다.
"한번에 한 요인씩" 실험하는 경우로 데이터 베이스를 상상해보면 우연히 어떤 하나의 모수가 변할 때
동시에 또 다른 어떤 하나의 모수가 변할 수도 있다. 그렇지만, 실험계획(DOE)에 의한 직교배열에서는
각 인자간의 명시한 효과에 대해서 편의없이 예측이 가능하다.

정리해 보면, 세계적으로 문제개선시에 "한번에 한 요인씩" 접근하는 방법이 매우 보편적이며 직감적인
방법이기는 하지만 여러분이 매우 단순한 문제를 다루지 않는한 이슈를 해결하는데 효과적인 방법이 아니다.
실험계획(DOE)에 의한 품질개선이 "한번에 한 요인씩" 개선방법보다 항상 좋은 결과를 가져다 준다.