Beispiel für Mischungsversuchsplan analysieren

Forscher in einem Lebensmittellabor möchten ein Rezept für Käsefondue weiterentwickeln. Hierzu sollen der Geschmack verbessert, die anhaftende Menge am in das Fondue eingetauchten Brot maximiert und die am Boden des Topfes angebrannte Menge minimiert werden. Die Forscher entwerfen ein Experiment mit einem Mischungsversuchsplan mit Begrenzungen, um die Auswirkungen des Mischungsverhältnisses sowie der Serviertemperatur zu untersuchen.

  1. Öffnen Sie die Beispieldaten Fonduerezept.MTW.
  2. Wählen Sie Statistik > Versuchsplanung (DOE) > Mischung > Mischungsversuchsplan analysieren aus.
  3. Geben Sie im Feld Antworten die Spalte Geschmack ein.
  4. Wählen Sie unter Modelltyp die Option Mischungskomponenten und Prozessvariablen aus.
  5. Wählen Sie unter Komponenten analysieren in die Option Anteilen aus.
  6. Wählen Sie unter Modellanpassungsmethode die Option Regression für Mischungen aus.
  7. Klicken Sie auf Terme.
  8. Verschieben Sie die folgenden Terme mit Hilfe der Pfeiltasten nach Ausgewählte Terme: Emmentaler, Greyerzer, Brühe, AB, BC, A*X1, C*X1.
  9. Klicken Sie auf OK und dann auf Grafiken.
  10. Wählen Sie unter Residuendiagramme die Option Vier-in-Eins aus.
  11. Klicken Sie in den einzelnen Dialogfeldern auf OK.

Interpretieren der Ergebnisse

Da die p-Werte kleiner als das Signifikanzniveau 0,05 sind, können die Wissenschaftler schlussfolgern, dass die Wechselwirkungseffekte statistisch signifikant sind.

Die positiven Koeffizenten für die Wechselwirkungsterme mit zwei Komponenten weisen darauf hin, dass sich die beiden Komponentenmischungen synergetisch verhalten. Dies bedeutet, dass die mittlere Geschmacksbewertung für die Mischung größer ist als der Wert, den Sie bei einer Berechnung des einfachen Mittelwerts der beiden Geschmacksbewertungen für die einzelnen reinen Mischungen erhalten würden.

Außerdem weist die Wechselwirkung zwischen den Zutaten und der Prozessvariable (Temperatur) darauf hin, dass sich die Geschmacksbewertungen der Mischungen abhängig von der Serviertemperatur unterscheidet.

Das R2 gibt an, dass das Modell 99,98 % der Streuung beim Geschmack erklärt; dies weist darauf hin, dass das Modell außerordentlich gut an die Daten angepasst ist.

Tipp

Um die Beziehungen zwischen den Komponenten/Prozessvariablen und der Antwortvariablen näher zu untersuchen, verwenden Sie Konturdiagramm, Wirkungsflächendiagramm und Ergebnisspurendiagramm.

Regression für Mischungen: Geschmack vs. Emmentaler; Greyerzer; Brühe; ...

Geschätzte Regressionskoeffizienten für Geschmack (Komponentenanteile) Term Koef SE Koef t-Wert p-Wert VIF Emmentaler 104,874 0,667 * * 15,94 Greyerzer 175,08 5,89 * * 203,46 Brühe -8,810 0,659 * * 26,04 Emmentaler*Greyerzer 59,2 10,3 5,75 0,000 57,33 Greyerzer*Brühe 30,04 9,00 3,34 0,008 109,44 Emmentaler*Temperatur 4,500 0,475 9,48 0,000 8,09 Greyerzer*Temperatur 4,500 0,679 6,62 0,000 2,71 Brühe*Temperatur 4,500 0,443 10,16 0,000 11,76 Koeffizienten werden für kodierte Prozessvariablen berechnet.
Zusammenfassung des Modells S R-Qd R-Qd(kor) PRESS R-Qd(prog) 0,276960 99,98% 99,97% 2,65322 99,93%
Varianzanalyse für Geschmack (Komponentenanteile) Quelle DF Seq SS Kor SS Kor MS F-Wert p-Wert Regression 7 3924,18 3924,18 560,597 7308,30 0,000 Nur Komponente Linear 2 3557,10 741,33 370,664 4832,22 0,000 Quadratisch 2 2,58 2,58 1,289 16,80 0,001 Emmentaler*Greyerzer 1 1,72 2,53 2,532 33,01 0,000 Greyerzer*Brühe 1 0,85 0,85 0,855 11,14 0,008 Komponente * Temperatur Linear 3 364,50 364,50 121,500 1583,95 0,000 Emmentaler*Temperatur 1 335,51 6,89 6,887 89,79 0,000 Greyerzer*Temperatur 1 21,07 3,37 3,365 43,87 0,000 Brühe*Temperatur 1 7,92 7,92 7,924 103,30 0,000 Residuenfehler 10 0,77 0,77 0,077 Gesamt 17 3924,94
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien