Transcript Taguchi_kivonat

x4 =  x1 x2
x5=x1x3
27 4
A
B
C
D
E
F
G
x7=x1x2x3
terv (régi szint a szürke):
faktor
agalmatolit típusa
az adalék szemcsézettsége
mészkő mennyisége
selejt-visszaforgatás
betöltött mennyiség
agalmatolit mennyisége
földpát mennyisége
(az agalmatolit drága)
x 6 =  x2 x3
-1
jelenlegi
durva
5%
0%
1300 kg
43%
0%
+1
olcsóbb
finom
1%
4%
1200 kg
53%
5%
1. példa: Ina Tile
1
1
2
3
4
5
6
7
8
A
–1
+1
–1
+1
–1
+1
–1
+1
B
–1
–1
+1
+1
–1
–1
+1
+1
C
–1
–1
–1
–1
+1
+1
+1
+1
D
–1
+1
+1
–1
–1
+1
+1
–1
E
–1
+1
–1
+1
+1
–1
+1
–1
F
–1
–1
+1
+1
+1
+1
–1
–1
G
–1
+1
+1
–1
+1
–1
–1
+1
selejt %
16.0
17.0
12.0
6.0
6.0
68.0
42.0
26.0
2
A
B
C
D
E
F
G
hatás
átlag/tengelymetszet
24.125
agalmatolit típusa
10.250
adalék szemcsézettsége -5.250
mészkő mennyisége
22.750
selejt-visszaforgatás
21.250
betöltött mennyiség
-12.750
agalmatolit mennyisége -2.250
földpát mennyisége
-17.750
b
sorrend választandó
24.125
5.125
V –1 (jelenlegi)
-2.625
VI +1 (finom)
11.375
I
–1 (5%)
10.625
II –1 (0%)
-6.375
IV +1 (1200 kg)
-1.125
VII +1 (53%)
-8.875
III +1 (5%)
Nem az okot, hanem a következményt enyhítették
3
A
B
C
D
E
F
G
átlag/tengelymetszet
agalmatolit típusa
adalék szemcsézettsége
mészkő mennyisége
selejt-visszaforgatás
betöltött mennyiség
agalmatolit mennyisége
földpát mennyisége
becsült
b
24.125
5.125
–2.625
11.375
10.625
–6.375
–1.125
–8.875
Választott szint (xi)
b*xi
–1
1
–1
–1
1
–1
1
–5.125
–2.625
–11.375
–10.625
–6.375
1.125
–8.875
–19.75
Meglepő!
Nem normális (hanem binomiális) eloszlás szerinti ingadozás, σ≠ konst
 k  p1  p 
Var   
n
TRAF_DEF=ArcSin(Sqrt(v8/100))*200/Pi
n
y  arcsin p
4
y  arcsin p
(grad: 100 a derékszög)
hatás
b
átlag/tengelymetszet
A agalmatolit típusa
B adalék szemcsézettsége
C mészkő mennyisége
30.975
7.300
-3.350
30.975
3.650
-1.675
1
6
. 2
5
0
8
. 1
2
D
s e
1
6
. 1
0
0
8
. 0
E
b
e
t ö
- 1
0
. 3
0
0
- 5
F
a
g
a
l m
- 4
. 1
5
0
G
f ö
l d
p
2
. 3
0
0
c
s ü
b
e
l e
j t - v
l t ö
a
á
t
i s s z
t t
m
t o
l i t
m
e
a
e
f o
n
r g
n
t á
s
n
y
i s é
g
e
n
n
y
i s é
i s é
g
m
n
a
y
e
g
e
- 1
választott
szint (xi)
b*xi
-1
1
-3.650
-1.675
5
- 1
- 8
. 1
2
5
5
0
- 1
- 8
. 0
5
0
. 1
5
0
1
- 5
. 1
5
0
- 2
. 0
7
5
- 1
2
. 0
7
5
- 6
. 1
5
0
1
- 6
. 1
5
0
0
. 2
5
0
l t
Visszatranszformálva: 2.2·10-3 % a becsült selejtarány.
5
A zaj az ismétlések szórásában tükröződik
4. példa
Egy gépkocsi-ipari beszállítónál furatba préselnek egy tengelyt, a
cél a kiszakítási nyomaték előírt minimális értékének elérése.
jel
A
B
C
D
E
F
G
faktor neve
ragasztó típusa
ragasztó tömege
tengely-tisztítás
ház-tisztítás
bepréselési nyomás
állási idő
ragasztó alkalmazási módja
1. szintje
Permabond A121
0.064 g
ahogy szállítják
ahogy szállítják
40 NM
2. szintje
Loctite 263
0.04 g
tisztítva
tisztítva
45 NM
2
1
4
h
rácsöppentve
2
h
körülkenve
6
Minden beállítást 10-szer valósítanak meg (milyen ismétlés a jó?).
A mérési eredmények: kiszakítási nyomaték, Nm
1
2
3
4
5
6
7
8
A
1
1
1
1
2
2
2
2
B
1
1
2
2
1
1
2
2
C
1
1
2
2
2
2
1
1
D
1
2
1
2
1
2
1
2
E
1
2
1
2
2
1
2
1
F
1
2
2
1
1
2
2
1
G
1
2
2
1
2
1
1
2
50
50
40
40
42
40
36
30
44
42
40
28
40
36
34
34
54
44
52
52
46
30
36
24
52
48
44
50
40
32
34
34
y
58
40
50
38
44
30
38
30
54
46
34
46
40
38
34
30
52
52
48
38
40
30
38
32
46
50
60
36
40
40
36
32
46
42
54
34
36
30
30
30
50
42
48
30
42
38
38
30
átlag
50.6
45.6
47.0
39.2
41.0
34.4
35.4
30.6
szórás
4.33
4.20
7.67
8.01
2.71
4.40
2.50
2.84
átlag=mean(v8:v17)
szórás=stdev(v8:v17)
7
5. példa
A terv és az eredmények:
idő
hőm.
1
2
3
4
5
6
7
8
tojás liszt
–
–
+
–
–
+
+
+
–
–
+
–
–
+
+
+
zsir.
–
–
–
–
+
+
+
+
–
–
1.3
2.2
1.3
3.7
1.6
4.1
1.9
5.2
+
–
1.6
5.5
1.2
3.5
3.5
6.1
2.4
5.8
–
+
1.2
3.2
1.5
3.8
2.3
4.9
2.6
5.5
+
+
3.1
6.5
1.7
4.2
4.4
6.3
2.2
6.0
átlag
szórás
1.800
4.350
1.425
3.800
2.950
5.350
2.275
5.625
0.883
1.991
0.222
0.294
1.245
1.038
0.299
0.350
Az eredményeket átlagra és szórásra dolgozzuk föl (nem igazi
szórás, de …).
8
átlag
5.0
4.5
4.0
3.5
3.0
2.5
2.0
1.5
-1
tojás
1
-1
liszt
1
-1
zsír
1
9
szórás
1.3
1.2
1.1
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-1
1
tojás
-1
1
liszt
-1
zsír
1
10
Ef f ect Estimates; Var.:átlag; R-sqr=.99108; Adj:.93753 (Torta.sta)
2**(3-0) design; MS Residual=.1582031
DV: átlag
Ef f ect
Std.Err.
t(1)
p
Coef f .
Factor
Mean/Interc. 3.446875 0.140625 24.51111 0.025958 3.446875
(1)tojás
2.668750 0.281250 9.48889 0.066844 1.334375
(2)liszt
-0.331250 0.281250 -1.17778 0.448146 -0.165625
(3)zsír
1.206250 0.281250 4.28889 0.145829 0.603125
1 by 2
0.193750 0.281250 0.68889 0.615972 0.096875
1 by 3
0.206250 0.281250 0.73333 0.597180 Probability
0.103125
Plot; Var.:átlag; R-sqr=.99108; Adj:.93753
2 by 3
0.131250 0.281250 0.46667 0.722035 0.065625
2**(3-0) design; MS Residual=.1582031
DV: átlag
Expected Half-Normal Values (Half-Normal Plot)
3.0
.99
2.5
2.0
.95
(1)tojás
1.5
.85
(3)zsír
.75
1.0
.65
(2)liszt
1by 3
0.5
.45
1by 2
.25
2by 3
0.0
-0.5
.05
0.0
0.5
1.0
1.5
2.0
2.5
- Interactions
- Main ef f ects and other ef f ects
Ef f ects (Absolute Values)
11
3.0
Probability Plot; Var.:szórás; R-sqr=.92315; Adj:.46208
2**(3-0) design; MS Residual=.2092192
DV: szórás
Expected Half-Normal Values (Half-Normal Plot)
3.0
.99
2.5
2.0
.95
(2)liszt
1.5
.85
1by 3
1.0
(1)tojás
1by 2
0.5
2by 3
(3)zsír
0.0
0.0
0.1
0.2
.75
.65
.45
.25
Ef f ect Estimates; Var.:szórás;
R-sqr=.92315; Adj:.46208 (Torta
.05
design;
0.3
0.4
0.5
0.6 2**(3-0)
0.7
0.8
0.9 MS
1.0 Residual=.2092192
1.1
- Interactions
- Main ef f ects
other ef f ects
DV:andszórás
Ef f ects (Absolute Values)
Ef f ect
Std.Err.
t(1)
p
Coef f .
Factor
Mean/Interc. 0.790167 0.161717 4.88611 0.128517 0.790167
(1)tojás
0.256080 0.323434 0.79175 0.573661 0.128040
(2)liszt
-0.997967 0.323434 -3.08553 0.199524 -0.498984
(3)zsír
-0.114723 0.323434 -0.35470 0.783003 -0.057362
1 by 2
-0.194056 0.323434 -0.59999 0.655965 -0.097028
1 by 3
-0.334066 0.323434 -1.03287 0.489706 -0.167033
2 by 3
0.180963 0.323434 0.55951 0.675253 0.090482
12
Vegyük észre, hogy a szorzat-terv fölfogható egyetlen 25 tervként is!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
TOJAS LISZT ZSIR HOM IDO y
-1
-1
-1
-1
-1 1.3
1
-1
-1
-1
-1 2.2
-1
1
-1
-1
-1 1.3
1
1
-1
-1
-1 3.7
-1
-1
1
-1
-1 1.6
1
-1
1
-1
-1 4.1
-1
1
1
-1
-1 1.9
1
1
1
-1
-1 5.2
-1
-1
-1
-1
1 1.6
1
-1
-1
-1
1 5.5
-1
1
-1
-1
1 1.2
1
1
-1
-1
1 3.5
-1
-1
1
-1
1 3.5
1
-1
1
-1
1 6.1
-1
1
1
-1
1 2.4
1
1
1
-1
1 5.8
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
TOJAS LISZT ZSIR HOM IDO y
-1
-1
-1
1
-1 1.2
1
-1
-1
1
-1 3.2
-1
1
-1
1
-1 1.5
1
1
-1
1
-1 3.8
-1
-1
1
1
-1 2.3
1
-1
1
1
-1 4.9
-1
1
1
1
-1 2.6
1
1
1
1
-1 5.5
-1
-1
-1
1
1 3.1
1
-1
-1
1
1 6.5
-1
1
-1
1
1 1.7
1
1
-1
1
1 4.2
-1
-1
1
1
1 4.4
1
-1
1
1
1 6.3
-1
1
1
1
1 2.2
1
1
1
1
1 6.0
13
Probabilit y Plot ; Var. : Y; R-sqr=. 96011; Adj: . 9227
2**(5-0) design; MS Residual=. 2345313
DV: Y
3. 0
2. 5
. 99
2. 0
( 1) TO JAS
E xpect ed Normal V al ue
1. 5
. 85
. 75
. 65
. 55
. 45
. 35
. 25
. 15
( 4) HO M
1by5
1by3
1by2
2by3
4by5
1by4
3by5
3by4
2by4
( 2) LI SZT
0. 5
0. 0
-0. 5
-1. 0
-1. 5
. 95
( 3) ZSI R
( 5) I DO
1. 0
2by5
. 05
-2. 0
. 01
-2. 5
-3. 0
-1. 5
-1. 0
-0. 5
0. 0
0. 5
1. 0
1. 5
2. 0
2. 5
Ef f ect s
- I nt eract ions
- Main ef f ect s and ot her ef f ect s
liszt-idő kölcsönhatás →
a liszt befolyása az
ingadozás mértékére
3. 0
3. 5
Mean/Interc.
(1)TOJAS
(2)LISZT
(3)ZSIR
(4)HOM
(5)IDO
1 by 2
1 by 3
1 by 4
1 by 5
2 by 3
2 by 4
2 by 5
3 by 4
3 by 5
4 by 5
Effect
3.4469
2.6688
-.3313
1.2063
.5313
1.1063
.1938
.2063
.0063
.3063
.1313
-.2188
-.9188
-.0812
-.0312
.0687
p
.000000
.000000
.070917
.000003
.006841
.000008
.274486
.245879
.971333
.092623
.454508
.219620
.000063
.641531
.857472
.693343
Coeff.
3.4469
1.3344
-.1656
.6031
.2656
.5531
.0969
.1031
.0031
.1531
.0656
-.1094
-.4594
-.0406
-.0156
.0344
14
Yˆ  b0  b1 x1  b2 x2   b3 x3  c4 z4  c5 z5  d 25 x2 z5
Mean/Interc.
(1)TOJAS
(2)LISZT
(3)ZSIR
(4)HOM
(5)IDO
1 by 2
1 by 3
1 by 4
1 by 5
2 by 3
2 by 4
2 by 5
3 by 4
3 by 5
4 by 5
Effect
3.4469
2.6688
-.3313
1.2063
.5313
1.1063
.1938
.2063
.0063
.3063
.1313
-.2188
-.9188
-.0812
-.0312
.0687
p
.000000
.000000
.070917
.000003
.006841
.000008
.274486
.245879
.971333
.092623
.454508
.219620
.000063
.641531
.857472
.693343
Coeff.
3.4469
1.3344
-.1656
.6031
.2656
.5531
.0969
.1031
.0031
.1531
.0656
-.1094
-.4594
-.0406
-.0156
.0344
2
 Yˆ  2
 z
Var Yˆ   
j



z
j 
j 


Var Yˆ  c42 z24  c5  d 25 x2  z25 
 0.26562  z24  0.5531  0.4594 x2   z25
2
A minimum x2=1-nél van (több liszt).
15
6. példa
Y. Wu, A. Wu: Taguchi methods for robust design, ASME Press, 2000, p. 25
Extrudálás optimalizálása (külső átm. [cm])
1
s crew
1 A1
2 A1
3 A1
4 A1
5 A2
6 A2
7 A2
8 A2
9 A3
10 A3
11 A3
12 A3
13 A4
14 A4
15 A4
16 A4
2
rpm
32
33
34
35
32
33
34
35
32
33
34
35
32
33
34
35
3
1
1.596
1.646
1.696
1.746
1.586
1.656
1.706
1.736
1.916
1.976
2.036
2.096
1.598
1.648
1.698
1.748
4
2
1.604
1.654
1.704
1.754
1.594
1.664
1.714
1.744
1.924
1.984
2.044
2.104
1.602
1.652
1.702
1.752
WuWu_p25.sta
Kézbentartható faktorok:
csiga típusa (4 szinten)
fordulatszám (4 szinten)
Zaj-faktor: kombinált, kétszintes
Time
Moisture
N1
1h
dry
N2
48h
0.2%
16
screw*rpm; Weighted Means
Current ef f ect: F(9, 16)=5.7692, p=.00122
Ef f ectiv e hy pothesis decomposition
Vertical bars denote 0.95 conf idence interv als
2.3
2.2
2.1
diam
2.0
1.9
1.8
1.7
1.6
1.5
1.4
32
33
34
rpm
35
screw
A1
screw
A2
screw
A3
screw
A4
17
Ef f ect
Intercept
screw
screw
screw
screw
screw*rpm
screw*rpm
screw*rpm
screw*rpm
rpm^2
screw*rpm^2
screw*rpm^2
screw*rpm^2
screw*rpm^2
Parameter Estimates (WuWu_p25_extrusion_meansd.sta)
(*Zeroed predictors f ailed tolerance check)
Ov er-param eterized model
Lev el of Column Comment mean
Ef f ect
(B/Z/P) Param.
1
-0.0000
A1
2
Biased -0.0000
A2
3
Biased -11.2100
A3
4
Biased 0.0000
A4
5
Zeroed* 0.0000
1
6
0.0500
2
7
0.7200
3
8
0.0600
4
9
0.0500
Parameter Estimates (WuWu_p25_extrusion_m eansd.
10
-0.0000
(*Zeroed predictors f ailed tolerance check)
1
11
Biased -0.0000
Ov er-param eterized model
2
12
Biased -0.0100
Lev el of Column Comment
sd
3
13 EfBiased
0.0000
f ect
Ef f ect
(B/Z/P)
Param.
4
14 Intercept
Zeroed* 0.0000
1
0.002828
screw
screw
screw
screw
rpm
screw*rpm
screw*rpm
screw*rpm
screw*rpm
A1
A2
A3
A4
1
2
3
4
2
3
4
5
6
7
8
9
10
Biased
Biased
Biased
Zeroed*
Biased
Biased
Biased
Zeroed*
0.002828
0.002828
0.002828
0.000000
-0.000000
0.000000
0.000000
0.000000
0.000000
18
mean  11.21 screw  A2  
 0.05  sc  A1   0.72  sc  A2   0.06  sc  A3   0.05  sc  A4  rpm 
 0.01 screw  A2  rpm 2
sd  0.0028  0.0028  screw  A4 
19
7. példa
Y. Wu, A. Wu: Taguchi methods for robust design
(ASME Press, 2000), p. 169
Aranyozás
Cél: a bevonat vastagsága legyen legalább 50 mm,
minél kisebb ingadozással
20
7. példa
A
B
C
D
E
F
G
H
Gold concentration
Current density
Temperature
Barrel speed
Anode size
Load size
pH
Nickel concentration
1
0.7-0.75
2.0
95
10
1/4
1/4
4.2
600
N
Location
off-center
2
1.1-1.15
1.5
105
15
1/2
1/3
4.3
650
center
3
1.0
115
20
1/1
1/2
4.4
700
mindkét helyzetből két minta
21
A terv és az eredmények
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
A
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
B
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
C
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
D
1
2
3
1
2
3
2
3
1
3
1
2
2
3
1
3
1
2
E
1
2
3
2
3
1
1
2
3
3
1
2
3
1
2
2
3
1
F
1
2
3
2
3
1
3
1
2
2
3
1
1
2
3
3
1
2
G
1
2
3
3
1
2
2
3
1
2
3
1
3
1
2
1
2
3
H
1
2
3
3
1
2
3
1
2
1
2
3
2
3
1
2
3
1
83
73
57
55
73
58
44
50
64
74
75
70
71
48
66
45
60
57
N1
88
73
58
59
75
60
49
54
65
79
78
76
80
56
67
53
67
65
90
83
65
61
76
68
55
57
66
86
90
52
87
59
79
58
66
79
N2
91
81
69
67
79
72
58
64
68
94
94
88
95
65
86
64
73
83
22
A B C D E
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
2
3
1
3
1
2
2
3
1
3
1
2
1
2
3
2
3
1
1
2
3
3
1
2
3
1
2
2
3
1
F
G H y1
1
2
3
2
3
1
3
1
2
2
3
1
1
2
3
3
1
2
1
83
73
57
55
73
58
44
50
64
74
75
70
71
48
66
45
60
57
1
2
3
3
1
2
2
3
1
2
3
1
3
1
2
1
2
3
1
2
3
3
1
2
3
1
2
1
2
3
2
3
1
2
3
1
y2 y3
y4 s
s1
s2
sinner
y1
y2
y
sy
1
88
73
58
59
75
60
49
54
65
79
78
76
80
56
67
53
67
65
2
91
81
69
67
79
72
58
64
68
94
94
88
95
65
86
64
73
83
3.536
0.000
0.707
2.828
1.414
1.414
3.536
2.828
0.707
3.536
2.121
4.243
6.364
5.657
0.707
5.657
4.950
5.657
0.707
1.414
2.828
4.243
2.121
2.828
2.121
4.950
1.414
5.657
2.828
25.456
5.657
4.243
4.950
4.243
4.950
2.828
2.550
1.000
2.062
3.606
1.803
2.236
2.915
4.031
1.118
4.717
2.500
18.248
6.021
5.000
3.536
5.000
4.950
4.472
85.5
73.0
57.5
57.0
74.0
59.0
46.5
52.0
64.5
76.5
76.5
73.0
75.5
52.0
66.5
49.0
63.5
61.0
90.5
82.0
67.0
64.0
77.5
70.0
56.5
60.5
67.0
90.0
92.0
70.0
91.0
62.0
82.5
61.0
69.5
81.0
88.00
77.50
62.25
60.50
75.75
64.50
51.50
56.25
65.75
83.25
84.25
71.50
83.25
57.00
74.50
55.00
66.50
71.00
3.536
6.364
6.718
4.950
2.475
7.778
7.071
6.010
1.768
9.546
10.960
2.121
10.960
7.071
11.314
8.485
4.243
14.142
2
90
83
65
61
76
68
55
57
66
86
90
52
87
59
79
58
66
79
3.56
5.26
5.74
5.00
2.50
6.61
6.24
5.91
1.71
8.69
9.18
15.00
10.21
7.07
9.68
8.04
5.32
12.11
23
Kiértékelés az átlagos vastagságra
Average Eta by Factor Levels
Mean=69.3472 Sigma=11.1659 MS Error=2.57292 df=2
(Dashed line indicates ±2*Standard Error)
78
76
74
72
avav
70
68
66
64
62
60
58
A
B
C
D
E
F
G
H
24
Kiértékelés a vastagság helyek közötti szórására
Average Eta by Factor Levels
Mean=1.79476 Sigma=.600592 MS Error=.161124 df=2
(Dashed line indicates ±2*Standard Error)
2.2
2.1
2.0
1.9
ln(s_av)
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
A
B
C
D
E
F
G
H
25
Kiértékelés a helyeken belüli ingadozásra
Average Eta by Factor Levels
Mean=1.20318 Sigma=.666917 MS Error=.152282 df=2
(Dashed line indicates ±2*Standard Error)
1.7
1.6
1.5
1.4
ln(s_inner)
1.3
1.2
1.1
1.0
0.9
0.8
0.7
0.6
A
B
C
D
E
F
G
H
26
8. példa
G. Taguchi: Introduction to quality engineering
Asian Productivity Organization, 1986, p. 127
Szivattyú kopásának optimalizálása
Taguchi_p127.sta
Kézbentartható faktorok: A-E 2 szinten
Zaj-faktor: a tengely 8 pontja
y: kopás [μm]
Standard
Run
1
2
3
4
5
6
7
8
Design: 2**(3-0) design (Spreadsheet1)
A B C D E R1 R2 R3 R4 R5 R6
-1 -1 -1 -1 -1 12 12 10 13 3 3
-1 -1 1 1 1 6 10 3 5 3 4
-1 1 -1 1 1 9 10 5 4 2 1
-1 1 1 -1 -1 8 8 5 4 3 4
1 -1 -1 -1 1 16 14 8 8 3 2
1 -1 1 1 -1 18 26 4 2 3 3
1 1 -1 1 -1 14 22 7 5 3 4
1 1 1 -1 1 16 13 5 4 11 4
R7
16
20
3
9
20
7
19
14
R8
20
18
2
9
33
10
21
30
mean
11.125
8.625
4.5
6.25
13
9.125
11.875
12.125
sd
5.866065
6.802048
3.338092
2.492847
10.21204
8.626165
8.043409
8.64271
27
lnsd
1.769184
=log(sd)
1.917224
1.205399
0.913425
2.323567
2.1548
2.084853
2.156716
Expected Half-Normal Values (Half-Normal Plot)
Ef f ect Estimates; Var.:lnsd; R-sqr=1. (Taguchi_p127.sta)
5 f actors at two lev els
DV: lnsd: =log(sd)
Factor
Ef f ect
Coef f .
Mean/Interc. 1.815646 1.815646
(1)C
-0.060210 -0.030105
(2)B
-0.451095 -0.225548
(3)A
0.728676 0.364338
Probability Plot; Var.:lnsd; R-sqr=1.
(4)D
0.049846 0.024923
5 f actors at two lev els
(5)E
0.170161 0.085081
DV: lnsd: =log(sd)
3.0
1 by 3
0.011758 0.005879
1 by 5
0.332696 0.166348
.99
2.5
2.0
.95
(3)A
1.5
.85
(2)B
.75
1.0
1by 5
.65
(5)E
.45
(1)C
0.5
(4)D
1by 3
0.0
-0.1
.25
.05
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
- Interactions
- Main ef f ects and other ef f ects
Ef f ects (Absolute Values)
28
0.9
Ef f ect Estimates; Var.:mean; R-sqr=1. (Taguchi_p127.sta)
5 f actors at two lev els
DV: mean
Factor
Ef f ect
Coef f .
Mean/Interc. 9.57813 9.57813
(1)C
-1.09375 -0.54688
(2)B
-1.78125 -0.89062
Probability Plot; Var.:mean; R-sqr=1.
5 f actors at two lev els
(3)A
3.90625 1.95313
DV: mean
(4)D
-2.09375 -1.04688
3.0
(5)E
-0.03125 -0.01562
1 by 3
-0.71875 -0.359382.5
1 by 5
2.71875 1.359382.0
.99
Expected Normal Value
1.0
1by 5
1by 3
(1)C
0.0
-1.0
.75
(5)E
0.5
-0.5
.95
(3)A
1.5
.55
.35
(2)B
.15
(4)D
-1.5
.05
-2.0
.01
-2.5
-3.0
-3
-2
-1
0
- Interactions
1
2
3
4
- Main ef f ects and other ef f ects
Ef f ects
29
5
eset
L
L
k
2
y

T
=


 i
n i
névleges a legjobb
k y  T
SN (Taguchi)
 10 lg s 2y
javasolt
 10 lg s 2y
(ha =0)
vagy
2
2
 n 1
 k  s 2
 y  T 
n

i 
 10 lg sln2 y
y2
10 lg 2
s
(ha =1)
minél kisebb, annál jobb
ky 2
k
 n 1

yi2  k  s 2
 y2



n i
n
1

 10 lg   y i2  
n i

 10 lg  s 2  y 2 
minél nagyobb, annál jobb
k
y2
k
1

n i y i2
p
1 p
k
selejtarány
k
p
1 p
1
1
 10 lg   2 
 n i yi 
 10 lg
p
1  p
30