Taguchi 결과 예측에 대한 주요 결과 해석

Taguchi 설계를 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 적합치 및 요인 수준이 포함됩니다.

1단계: 예측 값 조사

예측 값은 지정된 요인 설정에서 선택한 특성의 적합치를 나타냅니다. 적합치는 지정한 모형을 기초로 합니다.

요인 간의 교호작용이 매우 작거나 예측에 따라 정확하게 설명되는 경우에는 후속 확인 런의 관측 결과가 예측 결과와 비슷해야 합니다. 반면에 예측 결과와 관측 결과 사이에 상당한 차이가 있을 경우에는 설명되지 않은 교호작용이나 예기치 않은 잡음 효과가 있을 수 있습니다. 따라서 이 경우에는 추가 조사가 필요합니다.

이 예에서 Minitab은 신호 대 잡음비, 기울기, 표준 편차 및 표준 편차의 자연 로그에 대한 예측 값을 표시합니다. 각 특성에는 실험에서 선택한 네 가지 요인 수준 조합에 해당하는 네 가지 예측 값이 있습니다. 예측 값의 각 행은 요인 수준 행에 해당합니다. 예를 들어, 첫 번째 예측 값 행은 첫 번째 요인 수준 행에 해당합니다.

Taguchi 분석: T1H1, T1H2, T2H1, T2H2 대 품종, 빛, 비료, 물, 물 주기

예측 값

예측 신호 대 Ln(표준 잡음 비 기울기 표준 편차 편차) 4.82849 0.65021 0.161827 -1.20846 7.68268 0.99350 0.401050 -0.87014 7.09082 0.87225 0.355527 -0.93760 9.94501 1.21554 0.594751 -0.59928
설정 품종 빛 비료 물 2 1 2 1 2 1 2 2 2 2 2 1 2 2 2 2
주요 결과: 신호 대 잡음비, 기울기, 표준 편차, Ln(표준 편차)

예측 값의 두 번째 행에는 품종의 높은 수준(2), 빛의 낮은 수준(1), 비료의 높은 수준(2) 및 물의 높은 수준(2)에 대한 예측 값이 표시됩니다.

  • 신호 대 잡음비 = 7.68268
  • 기울기 = 0.9935
  • 표준 편차 = 0.401050
  • 표준 편차의 자연 로그 = -0.87014

2단계: 예측된 결과를 사용하여 최적의 요인 설정 결정

예측 값을 사용하여 공정이나 제품에 대한 최적의 결과를 산출하는 요인 설정을 결정할 수 있습니다.

전형적인 로버스트 모수 설계 연구의 목적은 이상적인 목표치(동적 반응 실험의 경우 목표 함수)에 대한 반응의 변동성을 최소화하는 요인 설정을 찾는 것입니다. Taguchi 방법에서는 2단계 최적화 과정을 통해 이 목적을 달성합니다. 첫 번째 단계는 변동을 최소화하는 것이고, 두 번째 단계는 목표값을 달성하는 것입니다.
  • 먼저 신호 대 잡음비에 상당한 영향을 미치는 모든 요인을 신호 대 잡음비를 최대화하는 수준으로 설정합니다.
  • 그런 다음 평균(또는 기울기)에 상당한 영향을 미치고 신호 대 잡음비에는 영향을 미치지 않는 하나 이상의 요인 수준을 조정하여 반응이 목표치에 도달하도록 합니다.
이 방법 대신에 먼저 표준 편차를 최소화한 후 평균에 영향을 미치고 표준 편차에는 영향을 미치지 않는 요인을 조정할 수도 있습니다.
이 예에서 목적은 지나친 변동량을 유발하지 않으면서 기울기(사과 묘목의 성장률)를 증가시키는 요인 설정을 결정하는 것입니다. 실험자들은 예측 기울기 열의 첫 번째 값인 0.65021이 너무 작고 다른 세 가지 기울기는 충분히 크다고 생각했습니다. 따라서 다음 실험 단계에서는 높은 성장률과 낮은 변동성의 최적 조합을 제공하는 요인 설정을 결정하려고 했습니다.
  • 신호 대 잡음비를 변동성의 측도로 고려하는 경우 신호 대 잡음비가 높을수록 변동성 수준이 낮습니다. 네 번째 조합이 9.94501에서 최적인 것으로 보입니다.
  • 표준 편차를 변동성의 측도로 고려하는 경우 표준 편차가 낮을수록 변동성 수준이 낮습니다. 두 번째 조합과 세 번째 조합(0.401050 및 0.355527)이 거의 같고 네 번째 조합(0.594751)보다 상당히 나은 것으로 간주됩니다. 두 번째 조합과 세 번째 조합의 표준 편차 차이는 거의 없으나 기울기와 신호 대 잡음비는 두 번째 조합이 더 좋습니다.

실험에서는 선택의 범위를 두 번째 조합과 세 번째 조합으로 좁혔습니다. 두 조합 모두 품종 2, 비료 2 및 물 2가 포함됩니다. 유일한 차이는 빛의 수준입니다. 실험에서는 두 번째 조합에서 표준 편차가 상당히 작고 빛의 수준을 낮추면 비용이 많이 줄어들기 때문에 결국 두 번째 조합을 선택했습니다.

예측 값

예측 신호 대 Ln(표준 잡음 비 기울기 표준 편차 편차) 4.82849 0.65021 0.161827 -1.20846 7.68268 0.99350 0.401050 -0.87014 7.09082 0.87225 0.355527 -0.93760 9.94501 1.21554 0.594751 -0.59928
설정 품종 빛 비료 물 2 1 2 1 2 1 2 2 2 2 2 1 2 2 2 2
주요 결과: 예측 값, 설정

신호 대 잡음비에 대한 네 번째 조합이 9.94501에서 최적인 것으로 보입니다. 두 번째 조합과 세 번째 조합의 표준 편차 차이는 거의 없으나 기울기와 신호 대 잡음비는 두 번째 조합이 더 좋습니다.

3단계: 확인 런 수행

선택된 수준에서 확인 런을 수행하여 예측 값을 신뢰할 수 있는지 확인해야 합니다. 사과 묘목 데이터의 경우 선택된 수준이 최초 실험에서 사용되었으므로 먼저 예측 값을 최초 실험의 관측치와 비교했습니다. 최초 실험의 결과는 아래 표에 나타난 것처럼 예측 값에 상당히 가깝습니다.

원래 예측
신호 대 잡음비 7.10 7.68268
기울기 0.926 0.9935
표준 편차 0.409 0.401050
Ln(표준 편차) −0.894 −0.87014

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오