한 농업 엔지니어는 다섯 가지 요인이 사과 묘목의 성장에 미치는 효과를 조사합니다. 이 엔지니어는 성장의 변동성을 증가시키지 않고 묘목의 성장률을 높이는 요인 설정을 찾기 위해 2-수준 Taguchi 실험을 설계합니다. 또한 실제 온도 및 습도 조건 범위에서 식물 성장률을 증가시키는 요인을 찾기 위해 온도와 습도를 두 개의 잡음 요인으로 처리합니다.
엔지니어는 4가지 수준(3, 5, 7, 9)에서의 성장 시간인 신호 요인 즉, 시간을 사용하여 동적 설계를 생성합니다. 엔지니어는 데이터를 수집하여 워크시트의 네 열에 기록합니다.
그래프을 클릭한 다음 모형의 주효과도 및 교호작용도 생성 대상 통계량에서 표준 편차을 선택합니다. 확인을(를) 클릭합니다.
분석을(를) 클릭합니다.
반응 표 표시 대상 통계량에서 모든 옵션을 선택합니다. 선형 모형 적합 대상 통계량에서 모든 옵션을 선택합니다. 확인을(를) 클릭합니다.
항을(를) 클릭합니다.
A: 품종, B: 빛, C: 비료, D: 물, E: 물 주기 및 AC를 사용 가능한 항에서 선택 항으로 이동합니다. 확인을(를) 클릭합니다.
옵션을(를) 클릭합니다.
동적 신호 대 잡음 비 아래에서 고정된 기준 점을 지나도록 모든 선 적합을 선택합니다.
각 대화 상자에서 확인을 클릭합니다.
결과 해석
Minitab은 선택한 각 반응
특성에 대한 추정된 회귀 계수표를 제공합니다. p-값을 사용하면 통계적으로 유의한 요인을 확인하고 계수를 사용하면 모형에서 각 요인의 상대적인 중요도를
확인할 수 있습니다.
이 예에서 신호 대 잡음비의 경우 비료는 p-값이 0.05보다 작고(p = 0.033) 0.05의 유의 수준에서
통계적으로 유의합니다. 품종은 0.10의 유의 수준에서 통계적으로 유의합니다(p = 0.064). 기울기의 경우 어느 요인도 0.05 또는 0.10의
유의 수준에서 통계적으로 유의하지 않습니다. 표준 편차의 경우 p-값은 품종(0.050)이 0.05 유의 수준에서 유의함을 나타냅니다. 비료(p =
0.054), 물(p = 0.057) 및 빛(p = 0.070)은 0.10의 유의 수준에서 통계적으로 유의합니다. 물 주기(p = 0.300)와
비료*품종 교호작용(p = 0.169)은 유의하지 않습니다.
계수의 절대값은 각 요인의 상대적인 강도를 나타냅니다. 계수가 가장 큰
요인이 주어진 반응 특성에 가장 큰 영향을 미칩니다. Taguchi 설계에서 요인 계수의 크기는 일반적으로 반응 표에서 요인 순위를
나타냅니다.
반응 표에는 각 요인 수준에 대해 각 반응 특성의 평균이 표시됩니다. 이 표에는 효과의 상대적 크기를 비교할 수 있는 델타
통계량에 따른 순위가 포함되어 있습니다. 델타 통계량은 각 요인의 평균값 중 가장 큰 값에서 가장 작은 값을 뺀 값입니다. Minitab은 델타 값에
따라 순위를 할당하는데 가장 큰 델타 값을 순위 1로 지정하고, 두 번째로 큰 값을 순위 2로 지정하는 방식입니다. 반응 표에서 수준 평균을 사용하면
가장 좋은 결과를 내는 각 요인의 수준을 확인할 수 있습니다.
동적 Taguchi 실험에서는 신호 대 잡음비를 항상 최대화합니다. 이
예에서 순위는 비료가 신호 대 잡음비와 기울기에 가장 큰 영향을 준다는 것을 보여줍니다. 신호 대 잡음비의 경우 품종이 그 다음으로 영향이 가장 크고
물, 빛, 물 주기가 그 다음입니다. 기울기의 경우 물이 그 다음으로 영향이 가장 크고 빛, 품종, 물 주기가 그 다음입니다. 표준 편차의 경우 순위는
품종, 비료, 물, 빛, 물 주기의 순입니다.
이 예의 경우, 엔지니어는 엔지니어는 표준 편차를 최소화하고 신호 대 잡음 비와 기울기를
최대화하는 요인 수준을 확인하려고 합니다. 반응 표의 수준 평균은 신호 대 잡음 비와 기울기가 다음 수준을 사용하여 최대화되었다는 것을 보여줍니다.
품종, 수준 2
비료, 수준 2
물 주기, 수준 2
신호 대 잡음비와 기울기는 수준 2에서 최대화되지만 표준
편차는 수준 1에서 최소화되기 때문에 빛과 물에 대한 최고 수준이 일치하지 않습니다.