Beispiel für Taguchi-Versuchsplan analysieren (dynamisch)

Ein Agrartechniker untersucht die Auswirkung von fünf Faktoren auf das Wachstum von Basilikumpflanzen. Der Techniker entwirft ein zweistufiges Taguchi-Experiment, um festzustellen, welche Faktoreinstellungen das Pflanzenwachstum verstärken, ohne dass die Streuung des Wachstums dabei steigt. Der Techniker ändert zudem zwei Rauschfaktoren, um zu ermitteln, welche Einstellungen für die fünf Faktoren das Pflanzenwachstum über den tatsächlichen Bereich von Temperatur- und Feuchtigkeitsbedingungen steigern.

Der Techniker erstellt einen dynamischen Versuchsplan mit dem Signalfaktor „Zeit“, der die Wachstumsdauer auf vier Stufen (3, 5, 7 und 9) darstellt. Der Techniker misst und erfasst die Daten in vier Spalten des Arbeitsblatts.

  1. Öffnen Sie die Beispieldaten Basilikumwachstum.MTW.
  2. Wählen Sie Statistik > Versuchsplanung (DOE) > Taguchi > Taguchi-Versuchsplan analysieren aus.
  3. Geben Sie im Feld Antwortdaten befinden sich in die Spalten T1F1, T1F2, T2F1 und T2F2 ein.
  4. Klicken Sie auf Grafiken, und wählen Sie anschließend unter Diagramme der Haupteffekte und Wechselwirkungen im Modell generieren für die Option Standardabweichungen aus. Klicken Sie auf OK.
  5. Klicken Sie auf Analyse.
  6. Aktivieren Sie unter Antworttabellen anzeigen für alle Optionen. Aktivieren Sie unter Lineares Modell anpassen für alle Optionen. Klicken Sie auf OK.
  7. Klicken Sie auf Terme.
  8. Verschieben Sie die Terme A: Sorte, B: Licht, C: Dünger, D: Wasser, E: Sprühen und AC von Verfügbare Terme nach Ausgewählte Terme. Klicken Sie auf OK.
  9. Klicken Sie auf Optionen.
  10. Wählen Sie unter Dynamisches Signal-Rausch-Verhältnis die Option Alle Linien durch einen festen Referenzpunkt anpassen aus.
  11. Klicken Sie in den einzelnen Dialogfeldern auf OK.

Interpretieren der Ergebnisse

Minitab gibt eine Tabelle der geschätzten Regressionskoeffizienten für jedes ausgewählte Merkmal der Antwortvariablen aus. Verwenden Sie die p-Werte, um zu ermitteln, welche Faktoren statistisch signifikant sind, und verwenden Sie die Koeffizienten, um die relative Bedeutung jedes Faktors im Modell zu bestimmen.

In diesem Beispiel weist „Dünger“ für die S/N-Verhältnisse einen p-Wert kleiner als 0,05 (p = 0,033) auf, und dieser Faktor ist auf dem Signifikanzniveau 0,05 statistisch signifikant. „Sorte“ ist auf dem Signifikanzniveau 0,10 statistisch signifikant (p = 0,064). Für die Steigungen ist keiner der Faktoren auf den Signifikanzniveaus 0,05 und 0,10 statistisch signifikant. Für die Standardabweichungen weisen die p-Werte darauf hin, dass „Sorte“ (p = 0,050) auf dem Signifikanzniveau 0,05 statistisch signifikant ist. „Dünger“ (p = 0,054), „Wasser“ (p = 0,057) und „Licht“ (p = 0,070) sind auf dem Signifikanzniveau 0,10 statistisch signifikant. „Sprühen“ (p = 0,300) und die Wechselwirkung „Dünger*Sorte“ (p = 0,169) sind statistisch nicht signifikant.

Der Absolutwert des Koeffizienten gibt die relative Bedeutung jedes Faktors an. Der Faktor mit dem größten Koeffizienten hat die größte Auswirkung auf ein bestimmtes Merkmal der Antwortvariablen. In Taguchi-Versuchsplänen spiegelt die Größe des Faktorkoeffizienten in der Regel die Rangfolge der Faktoren in den Antworttabellen wider.

Die Antworttabellen zeigen für jede Stufe jedes Faktors den Durchschnitt für jede Eigenschaft der Antwortvariablen. Die Tabelle umfasst Ränge auf der Grundlage der Delta-Statistik, mit der die relativen Größen von Effekten verglichen werden. In der Delta-Statistik wird für jeden Faktor der kleinste Durchschnitt vom größten abgezogen. Minitab weist die Ränge auf der Grundlage von Delta-Werten zu; Rang 1 dem höchsten Delta-Wert, Rang 2 dem zweithöchsten usw. Ermitteln Sie mit Hilfe der Stufendurchschnitte in den Antworttabellen, welche Stufe jedes Faktors das beste Ergebnis liefert.

In dynamischen Taguchi-Experimenten soll immer das S/N-Verhältnis maximiert werden. In diesem Beispiel weisen die Ränge darauf hin, dass „Dünger“ den größten Einfluss sowohl auf das S/N-Verhältnis als auch auf die Steigung hat. Für das S/N-Verhältnis weist „Sorte“ den nächstgrößten Einfluss auf, gefolgt von „Wasser“, „Licht“ und „Sprühen“. Für die Steigungen hat „Wasser“ den nächstgrößten Einfluss, gefolgt von „Licht“, „Sorte“ und „Sprühen“. Für die Standardabweichungen lautet die Rangfolge „Sorte“, „Dünger“, „Wasser“, „Licht“ und „Sprühen“.

In diesem Beispiel ist der Techniker an den Faktorstufen interessiert, die die Standardabweichung minimieren und die das S/N-Verhältnis sowie die Steigung maximieren. Die Stufendurchschnitte in den Antworttabellen verdeutlichen, dass die S/N-Verhältnisse und die Steigungen bei diesen Stufen maximiert wurden:
  • Sorte, Stufe 2
  • Dünger, Stufe 2
  • Sprühen, Stufe 2
  • Es gibt keine eindeutige Erkenntnis hinsichtlich der besten Stufen für „Licht“ und „Wasser“, da die S/N-Verhältnisse und Steigungen auf Stufe 2, die Standardabweichungen hingegen auf Stufe 1 minimiert werden.
    Hinweis

    Weitere Informationen dazu, welche Entscheidungen der Techniker zu den Einstellungen für „Licht“ und „Wasser“ trifft, finden Sie unter Beispiel für Taguchi-Ergebnisse prognostizieren

Die Haupteffektediagramme und die Wechselwirkungsdiagramme bestätigen diese Ergebnisse.

Geschätzte Modellkoeffizienten für S/N-Verhältnisse

TermKoefSE Koeftp
Konstante0,44010,23841,8460,316
Sorte 1-2,36670,2384-9,9260,064
Licht 1-1,13120,2384-4,7440,132
Dünger 1-4,58000,2384-19,2090,033
Wasser 1-1,42710,2384-5,9850,105
Sprühen 1-0,21270,2384-0,8920,536
Sorte*Dünger 1 1-0,60410,2384-2,5340,239

Zusammenfassung des Modells

SR-QdR-Qd(kor)
0,674499,81%98,69%

Varianzanalyse für S/N-Verhältnisse

QuelleDFSeq SSKor SSKor MSFp
Sorte144,80944,80944,80998,520,064
Licht110,23610,23610,23622,510,132
Dünger1167,811167,811167,811368,970,033
Wasser116,29316,29316,29335,820,105
Sprühen10,3620,3620,3620,800,536
Sorte*Dünger12,9202,9202,9206,420,239
Residuenfehler10,4550,4550,455   
Gesamt7242,886       

Geschätzte Modellkoeffizienten für Steigungen

TermKoefSE Koeftp
Konstante0,7153530,0379618,8460,034
Sorte 1-0,0286170,03796-0,7540,589
Licht 1-0,1110200,03796-2,9250,210
Dünger 1-0,1889040,03796-4,9770,126
Wasser 1-0,1716430,03796-4,5220,139
Sprühen 1-0,0086840,03796-0,2290,857
Sorte*Dünger 1 1-0,0204460,03796-0,5390,685

Zusammenfassung des Modells

SR-QdR-Qd(kor)
0,107498,20%87,43%

Varianzanalyse für Steigungen

QuelleDFSeq SSKor SSKor MSFp
Sorte10,0065510,0065510,0065510,570,589
Licht10,0986030,0986030,0986038,550,210
Dünger10,2854770,2854770,28547724,770,126
Wasser10,2356900,2356900,23569020,450,139
Sprühen10,0006030,0006030,0006030,050,857
Sorte*Dünger10,0033440,0033440,0033440,290,685
Residuenfehler10,0115270,0115270,011527   
Gesamt70,641795       

Geschätzte Modellkoeffizienten für StdAbwn

TermKoefSE Koeftp
Konstante0,641820,0107559,6970,011
Sorte 10,137610,0107512,7990,050
Licht 1-0,096850,01075-9,0080,070
Dünger 10,125920,0107511,7120,054
Wasser 1-0,119610,01075-11,1250,057
Sprühen 1-0,021080,01075-1,9610,300
Sorte*Dünger 1 10,039660,010753,6890,169

Zusammenfassung des Modells

SR-QdR-Qd(kor)
0,030499,81%98,67%

Varianzanalyse für StdAbwn

QuelleDFSeq SSKor SSKor MSFp
Sorte10,1514900,1514900,151490163,820,050
Licht10,0750400,0750400,07504081,150,070
Dünger10,1268450,1268450,126845137,170,054
Wasser10,1144560,1144560,114456123,770,057
Sprühen10,0035560,0035560,0035563,850,300
Sorte*Dünger10,0125810,0125810,01258113,610,169
Residuenfehler10,0009250,0009250,000925   
Gesamt70,484893       

Antworttabelle für Signal-Rausch-Verhältnisse

Dynamische Antwort
StufeSorteLichtDüngerWasserSprühen
1-1,9266-0,6911-4,1399-0,98700,2274
22,80681,57125,02011,86720,6527
Delta4,73332,26239,16002,85420,4253
Rang24135

Antworttabelle für Steigungen

StufeSorteLichtDüngerWasserSprühen
10,68670,60430,52640,54370,7067
20,74400,82640,90430,88700,7240
Delta0,05720,22200,37780,34330,0174
Rang43125

Antworttabelle für Standardabweichungen

StufeSorteLichtDüngerWasserSprühen
10,77940,54500,76770,52220,6207
20,50420,73870,51590,76140,6629
Delta0,27520,19370,25180,23920,0422
Rang14235