모든 프로세스는 시간의 흐름에 따라 다양한 소스에 의한 변동에 의해 영향을 받는다.
최적설정값을 기준으로 설계된 제품도 실제 생산공정을 흐르면서 이상적인 설정값으로 부터
이동하는 경향을 볼 수 있다.

환경적인 변동과 공정의 변동성이 품질문제의 주요 원인이 되곤하므로 비용과 성능에만
집중하여 설계하는 것 만으로는 부족하게되고 성능이 나빠지는 것에 대한 민감도 이해와
공정의 불완전성이 주요한 이슈가 되고 있다. 기온의 변화, 오염, 습도 등과 같은
제어하기 힘든 요인에 의한 변동을 완전히 제거하는 것이 불가능한 경우가 종종 있다.

예를 들어, 여러분이 만든 제품은 전 세계에서 매우 다른 환경 속에서 혹은 기대하지않은
많은 다른 방법으로 사용될 수 있으며 아주 주의하며 설계되고 정밀하게 조정된 여러분의
작업 프로세스에서도 시간의 경과에 따라 변동이 발생할 것이다.

이러한 변동에 대한 가장 효과적이고 비용측면에서 효과적인 방법은 여러분이 생산하는 제품의
성능에서 발생할 수 있는 변동을 최소화해 주는 일이다.

비록 Input 속의 변동이 끊임없이 발생하더라도 최종 Output으로 전달되는 변동의 크기는
감소될 수도 있다. 그렇지만 변동의 주된 근원은 시스템 속으로 변동이 전파되는 것을 검토하기
위하여 정의해 둘 필요성이 있다. 최종목표는 input으로 부터 들어와서 여러분의 최종 시스템에
영향을 미치는 변동의 크기를 줄이는 것이다.

ANOVA, DOE, Regression 등을 사용하여 Input으로 부터 들어온 제어할 수 없는 변동(Noise, 노이즈)
요인을 잘 평가할 수 있다. 여러분의 시스템 속에 있는 손쉽게 제어할 수 있는 많은 모수들은
이러한 노이즈 인자들과 교호작용을 하고 있을 수도 있다. 이런 관점에서 교호작용의 의미는
제어할 수 있는 인자에 의해 노이즈 인자의 효과를 수정할 수 있을 것이다는 것이다.
만일 분석중인 모델에서 노이즈의 효과를 최소화시켜주기 위한 방법으로 "노이즈*제어가능인자"의
교호작용을 이용해 볼 수 있다.

여러분의 프로세스에 영향을 주는 변동성의 크기를 줄일 수 있는 두가지 방법이 가능하다.
먼저, 곡선과 2차항 효과를 검토하기 위해서 반응표면 실험을 사용할 수 있다.
아래 그림을 보면 factor B는 반응결과 Y에 대해서 2차항 효과를 나타내고 있음을 볼 수 있다.

곡선의 경사도는 높은 수준의 B값(B+)에서 아주 느슨한 경사를 이루고 있는 반면에 낮은 수준의
B값(B-)에서 더욱 급한 경사를 이루고 있다. 반응결과 Y의 변동이 좁은 곡선부분이 효율적인
포인트가 된다. 예측변수 B의 변동량은 B- 수준이거나 B+ 수준이거나 동일한데도 반응결과 Y로
전파된 변동성은 B+ 수준에서 더욱 작아져 있는 것을 볼 수 있다. 그러므로 예측변수 B에 대해서는
B+값으로 설정해주면 변동에 대해 좀더 강건한 프로세스로 만들어 줄 수 있다.

다음 그래프는 노이즈 인자(B)와 쉽게 제어가능한 인자(C)의 교호작용을 보여준다.

두개의 직선은 쉽게 제어가능한 인자(C)의 두 종류의 수준에 대한 노이즈 인자(B)의 선형적인 효과를
나타내고 있다. 쉽게 제어가능한 인자(C)의 수준이 낮은 값, 즉 C- 수준일 때, 노이즈 인자(B)의
반응결과 Y에 미치는 효과의 크기가 상당히 적음을 주목해 보자. 그러므로 이 경우에는
쉽게 제어가능한 인자(C)의 수준을 C-로 설정해 줌으로써 노이즈 인자(B)의 효과를 최소화할 수 있고
프로세스에 대한 B의 변동성으로 부터 좀더 강건한 프로세스를 만들 수 있게 된다.