{"id":602,"date":"2024-08-29T10:00:03","date_gmt":"2024-08-29T08:00:03","guid":{"rendered":"https:\/\/site.ellistat.com\/?p=602"},"modified":"2026-11-06T10:19:23","modified_gmt":"2026-11-06T09:19:23","slug":"il-piano-di-esperienza-a-due-livelli-di-taguchi","status":"publish","type":"post","link":"https:\/\/ellistat.com\/it\/plan-dexperience-a-deux-niveau-de-taguchi\/","title":{"rendered":"Disegno sperimentale di Taguchi"},"content":{"rendered":"<p class=\"wp-block-paragraph\">Il disegno degli esperimenti di Taguchi \u00e8 un metodo statistico utilizzato per migliorare la qualit\u00e0 dei prodotti e dei processi produttivi. Sviluppato dal&nbsp;<a href=\"https:\/\/fr.wikipedia.org\/wiki\/Genichi_Taguchi\">Dr. Genichi Taguchi&nbsp;<\/a>L'obiettivo di questo piano \u00e8 identificare i fattori che hanno la maggiore influenza sulla variazione di un prodotto o di un processo, riducendo al minimo il numero di esperimenti necessari.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Questo metodo organizza gli esperimenti in modo sistematico ed efficiente, consentendo di analizzare contemporaneamente gli effetti di diverse variabili. L'obiettivo principale \u00e8 quello di rendere il prodotto o il processo robusto contro le variazioni esterne e interne, garantendo cos\u00ec prestazioni stabili e di alta qualit\u00e0.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Costruire un disegno sperimentale - Metodo Taguchi<\/h2>\n\n\n\n<h2 class=\"wp-block-heading\">Definizione dei fattori e dei livelli<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La definizione dei fattori implica la scelta dei fattori da studiare. Per scegliere i fattori giusti, si consiglia di comprendere innanzitutto il processo o il prodotto in questione, quindi di eseguire le seguenti operazioni:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Organizzare sessioni di brainstorming con un team multidisciplinare per generare un elenco esaustivo di potenziali fattori.<\/li>\n\n\n\n<li>Valutare l'importanza di ciascun fattore in termini di impatto potenziale sul risultato finale. Dare priorit\u00e0 ai fattori che possono avere un effetto significativo.<\/li>\n\n\n\n<li>Selezionate i fattori rilevanti per il disegno sperimentale in base all'importanza del fattore, alla vostra capacit\u00e0 di controllarlo e alla facilit\u00e0 di misurarlo in modo affidabile.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Per ogni fattore individuato, occorre poi definire i livelli studiati. \u00c8 importante scegliere livelli pertinenti:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Larghezza della spiaggia<\/strong>&nbsp;Selezionare livelli che coprano un intervallo sufficientemente ampio per rilevare gli effetti dei fattori, ma senza arrivare a estremi non realistici che potrebbero essere inutili o pericolosi.<\/li>\n\n\n\n<li><strong>Pratico<\/strong>&nbsp;Assicurare che i livelli scelti siano raggiungibili in un contesto produttivo reale.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Scelta del tavolo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Una volta identificati i fattori, \u00e8 necessario creare il disegno sperimentale. A questo scopo, si consiglia di usare&nbsp;<a href=\"https:\/\/ellistat.com\/it\/piano-di-esperienza\/\">il modulo di analisi dei dati Ellistat&nbsp;<\/a>che dispone di un esclusivo motore di progettazione di esperimenti. \u00c8 in grado di trovare un disegno con la migliore strategia possibile data una determinata strutturazione delle interazioni. Le tabelle programmate in Ellistat sono L4, L8, L12, L16, L20 e L32.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ecco gli elementi da tenere in considerazione quando si crea un disegno sperimentale con la metodologia di Taguchi:<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Nozione di interazione<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">L'interazione A*B si riferisce al fatto che il livello di A influenza l'effetto di B e viceversa.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Esempio:<\/em><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"980\" height=\"388\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Notion-dinteraction-plan-dexperience.webp\" alt=\"\" class=\"wp-image-1140\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Notion-dinteraction-plan-dexperience.webp 980w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Notion-dinteraction-plan-dexperience-300x119.webp 300w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Notion-dinteraction-plan-dexperience-768x304.webp 768w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Notion-dinteraction-plan-dexperience-18x7.webp 18w\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" \/><\/figure>\n<\/div>\n\n\n<p class=\"wp-block-paragraph\">Nell'esempio precedente, la figura a sinistra mostra :<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Qualunque sia il livello del fattore B, l'effetto di A sulla Y \u00e8 lo stesso e A ha un effetto di 1 sulla risposta. Non c'\u00e8 quindi alcuna interazione tra A e B.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La figura a destra mostra :<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Quando il livello del fattore B \u00e8 minimo, l'effetto di A sulla Y \u00e8 pari a 2. Quando il livello del fattore B \u00e8 massimo, l'effetto di A sulla Y \u00e8 pari a 1. L'effetto di A varia in funzione del livello di B. Esiste pertanto un'interazione tra A e B.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Quando c'\u00e8 un'interazione, l'effetto dell'interazione \u00e8 modellato da un termine moltiplicativo nell'equazione di previsione Y, in questo caso A*B.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La forma dell'equazione di previsione sarebbe :<\/p>\n\n\n\n<p class=\"has-text-align-center wp-block-paragraph\"><span class=\"wp-katex-eq\" data-display=\"false\">Y=\\alpha_0+\\alpha_1*A+\\alpha_2*B+\\alpha_3*A*B<\/span><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Il termine \u03b1<sub>3<\/sub>&nbsp;corrisponde all'interazione A*B<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Nozione di alias<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il termine alias tra due fattori si riferisce al fatto che i fattori hanno lo stesso livello per tutti gli esperimenti del disegno sperimentale.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ad esempio, supponiamo di aver realizzato il seguente disegno sperimentale:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><th>A<\/th><th>B<\/th><th>Y<\/th><\/tr><\/thead><tbody><tr><td>1<\/td><td>1<\/td><td>5<\/td><\/tr><tr><td>1<\/td><td>1<\/td><td>5<\/td><\/tr><tr><td>2<\/td><td>2<\/td><td>10<\/td><\/tr><tr><td>2<\/td><td>2<\/td><td>10<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">I fattori A e B variano contemporaneamente, quindi non \u00e8 possibile distinguere il fattore A dal fattore B, n\u00e9 dire quale dei due fa variare la Y da 5 a 10 quando passa da 1 a 2. Diremo che questi due fattori sono alias.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ovviamente, quando si costruisce un disegno sperimentale, si scelgono con cura le prove in modo che nessun fattore sia alias con un altro fattore. Tuttavia, \u00e8 possibile che un fattore sia alias con un'interazione. Prendiamo il seguente esempio:<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"411\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-1024x411.png\" alt=\"\" class=\"wp-image-1141\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-1024x411.png 1024w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-300x120.png 300w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-768x308.png 768w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-1536x617.png 1536w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1-18x7.png 18w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-1.png 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n<\/div>\n\n\n<p class=\"wp-block-paragraph\">In questo esempio, abbiamo costruito un piano a tre fattori utilizzando la tabella L4. La tabella degli alias mostra :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Il fattore a viene aliasato con l'interazione b*c<\/li>\n\n\n\n<li>Il fattore b \u00e8 alias con l'interazione a*c<\/li>\n\n\n\n<li>Il fattore c \u00e8 alias con l'interazione a*b<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Allo stesso modo, se due fattori sono alias, non sar\u00e0 possibile dire alla fine del disegno sperimentale se l'effetto osservato \u00e8 dovuto al fattore a, all'interazione b<em>c o la somma delle due. Assumeremo quindi che l'interazione b<\/em>c \u00e8 pari a zero, ma ci\u00f2 resta da verificare sperimentalmente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Per evitare questo tipo di problema, in genere si scelgono disegni sperimentali in cui nessuno dei fattori \u00e8 alias con un'interazione. Nell'esempio precedente avremmo potuto scegliere un disegno L8 in cui nessuno dei fattori \u00e8 alias con un'interazione.<\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"471\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-1024x471.png\" alt=\"\" class=\"wp-image-1142\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-1024x471.png 1024w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-300x138.png 300w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-768x353.png 768w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-1536x707.png 1536w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1-18x8.png 18w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.06.35-2048x942-1.png 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n<\/div>\n\n\n<h2 class=\"wp-block-heading\">Risolvere un disegno sperimentale<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La risoluzione di un disegno di esperimento corrisponde al livello di alias di questo disegno.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Risoluzione III<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un disegno sperimentale \u00e8 di risoluzione III se almeno un fattore (ordine I) \u00e8 alias con un'interazione di tipo A*B (ordine II).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Questo tipo di disegno riduce notevolmente il numero di prove, ma presuppone che tutte le interazioni siano nulle. Occorre prestare attenzione nell'interpretazione dei risultati e l'ipotesi di interazioni nulle deve essere convalidata da ulteriori prove.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esempio:<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"411\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-1024x411.png\" alt=\"\" class=\"wp-image-1143\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-1024x411.png 1024w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-300x120.png 300w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-768x308.png 768w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-1536x617.png 1536w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2-18x7.png 18w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.05.04-2048x822-2.png 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Nel disegno precedente, il fattore a \u00e8 alias con l'interazione b*c. Il disegno \u00e8 la risoluzione III<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Risoluzione IV<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un disegno sperimentale \u00e8 di risoluzione IV se :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Nessun fattore \u00e8 alias con un'interazione (ordine II)<\/li>\n\n\n\n<li>Almeno un'interazione (ordine II) \u00e8 alias con un'altra interazione (ordine II)<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Questo tipo di disegno limita il numero di prove. Presuppone che la maggior parte delle interazioni sia nulla, tranne alcune che possono essere identificate. Questo \u00e8 generalmente il caso.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dato che i fattori non sono allineati con altre interazioni, l'effetto di tutti i fattori pu\u00f2 essere calcolato in modo inequivocabile.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Questo \u00e8 il tipo di piano pi\u00f9 utilizzato.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Esempio:<\/em><\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"471\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-1024x471.png\" alt=\"\" class=\"wp-image-1144\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-1024x471.png 1024w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-300x138.png 300w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-768x353.png 768w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-1536x707.png 1536w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1-18x8.png 18w, https:\/\/ellistat.com\/wp-content\/uploads\/2024\/08\/Capture-decran-2024-07-31-a-10.10.17-2048x942-1.png 2048w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Nel piano precedente, nessuno dei fattori \u00e8 associato a un'altra interazione. Le interazioni a<em>b e c<\/em>d sono alias, quindi il piano \u00e8 la risoluzione IV.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Risoluzione V<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un disegno sperimentale \u00e8 di risoluzione IV se :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Nessun fattore \u00e8 alias con un'interazione (ordine II)<\/li>\n\n\n\n<li>Questa tipologia di disegno limita il numero di prove rispetto al disegno completo.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Dato che i fattori non sono allineati con altre interazioni, l'effetto di tutti i fattori pu\u00f2 essere calcolato in modo inequivocabile.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dal momento che le interazioni non sono alias con altre interazioni, l'effetto di tutte le interazioni pu\u00f2 essere calcolato in modo inequivocabile.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Questo \u00e8 il tipo di piano ideale, ma purtroppo ne esiste solo uno con meno di 20 prove. Si tratta di un piano a 5 fattori che utilizza la tabella L16.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">I limiti del metodo Taguchi<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il metodo Taguchi \u00e8 stato oggetto di critiche da parte degli statistici, ed \u00e8 utile conoscerle per applicarlo in modo corretto:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Il rapporto S\/N combina la media e la dispersione.<\/strong>\u00a0Pu\u00f2 nascondere alcuni comportamenti che l'analisi separata della media e della deviazione standard rivelerebbe.<\/li>\n\n\n\n<li><strong>Spesso si ritiene che le interazioni siano trascurabili.<\/strong>\u00a0Con tabelle a bassa risoluzione, un\u2019interazione elevata pu\u00f2 distorcere le conclusioni.<\/li>\n\n\n\n<li><strong>Le matrici incrociate comportano costi elevati in termini di prove.<\/strong>\u00a0Una L8 incrociata con una L4 rappresenta gi\u00e0 32 prove.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Questi limiti non sminuiscono in alcun modo il valore del metodo. Servono semplicemente a ricordare l\u2019importanza di confermare i risultati e di scegliere una risoluzione adeguata al processo. Oggi altri approcci completano il set di strumenti: piani di superficie di risposta, piani D-ottimali, o&nbsp;<a href=\"https:\/\/ellistat.com\/it\/progetti-esperienza-smart-design-ottimizzazione-bayesiana\/\">ottimizzazione bayesiana<\/a>&nbsp;quando ogni prova ha un costo elevato.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Creare i propri piani Taguchi con Ellistat<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il modulo&nbsp;<a href=\"https:\/\/ellistat.com\/it\/piano-di-esperienza\/\">Analisi dei dati di Ellistat<\/a>&nbsp;include un motore esclusivo per la creazione di piani sperimentali:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>si definiscono i fattori e le interazioni da studiare;<\/li>\n\n\n\n<li>il software propone la pianta pi\u00f9 adatta tra quelle predefinite (L4, L8, L12, L16, L20, L32) o tra gli altri tipi di piante disponibili;<\/li>\n\n\n\n<li>L'analisi dei risultati (effetti, ANOVA, modello di previsione, ottimizzazione multi-risposta) viene effettuata nello stesso strumento, senza dover ricorrere a fogli di calcolo.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusione<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La&nbsp;<strong>Metodo Taguchi<\/strong>&nbsp;rimane uno dei modi pi\u00f9 efficaci per strutturare le prove in ambito industriale. Le sue tabelle ortogonali riducono il numero di esperimenti, i suoi grafici lineari semplificano la costruzione dei piani e la sua filosofia della robustezza cambia il modo di regolare un processo: non si cerca pi\u00f9 solo di rientrare nella tolleranza, ma di rimanere sul target indipendentemente dalle perturbazioni.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Se applicata correttamente, con interazioni selezionate sulla base della conoscenza del processo e una verifica sistematica, consente di ottenere, nel giro di poche decine di prove, una regolazione affidabile e duratura.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">FAQ<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Qual \u00e8 la differenza tra un piano di Taguchi e un piano fattoriale classico?<\/strong><br>Le tabelle di Taguchi sono piani fattoriali frazionari standardizzati. La differenza risiede soprattutto nell\u2019approccio: Taguchi fornisce tabelle e grafici lineari pronti all\u2019uso e pone l\u2019accento sulla robustezza attraverso il rapporto segnale\/rumore. Un piano fattoriale completo verifica tutte le combinazioni, il che diventa rapidamente costoso quando i fattori superano i quattro o cinque.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Quanti esperimenti sono necessari per un piano di Taguchi?<\/strong><br>Dipende dal numero di fattori, dai loro livelli e dalle interazioni da studiare. Una tabella L8 consente di studiare fino a sette fattori a due livelli in otto prove. Se si desidera stimare le interazioni in modo univoco, \u00e8 necessaria una tabella pi\u00f9 ampia, come la L16.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Cosa significa la \u00abL\u00bb in L8 o L16?<\/strong><br>Deriva da \u00abLatin square\u00bb (quadrato latino) e indica una tabella ortogonale. Il numero che segue indica il numero di prove del piano.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Che cos\u2019\u00e8 il rapporto segnale\/rumore di Taguchi?<\/strong><br>Si tratta di un indicatore, espresso in decibel, che combina la media e la dispersione della risposta. Pi\u00f9 \u00e8 elevato, pi\u00f9 il risultato \u00e8 stabile rispetto ai fattori di rumore. La sua formula dipende dall\u2019obiettivo: nominale, il pi\u00f9 piccolo o il pi\u00f9 grande possibile.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Il metodo Taguchi viene ancora utilizzato oggi?<\/strong><br>S\u00ec, in particolare per lo screening dei fattori e la progettazione robusta nei settori della meccanica, della plastica e dell\u2019elettronica. Spesso viene integrata con mappe di risposta o metodi di ottimizzazione pi\u00f9 recenti quando il processo presenta forti interazioni o non linearit\u00e0.<\/p>\n\n\n\n<p class=\"has-apc-violet-clair-background-color has-background wp-block-paragraph\">\ud83d\udca1 State preparando una campagna di test? Provate gratuitamente il modulo Data Analysis e lasciate che il motore di generazione scelga la tabella di Taguchi pi\u00f9 adatta ai vostri fattori e alle vostre interazioni. Per approfondire il metodo, il corso di formazione \u201cPiano sperimentale\u201d vi guida dalla definizione dei fattori all\u2019interpretazione dei risultati.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>","protected":false},"excerpt":{"rendered":"<p>Le plan d\u2019exp\u00e9rience de Taguchi est une m\u00e9thode statistique utilis\u00e9e pour am\u00e9liorer la qualit\u00e9 des produits et des processus de fabrication. D\u00e9velopp\u00e9 par le&nbsp;Dr. Genichi Taguchi&nbsp;, ce plan vise \u00e0 identifier les facteurs les plus influents sur la variation d\u2019un produit ou d\u2019un processus tout en minimisant le nombre d\u2019exp\u00e9riences n\u00e9cessaires. Cette m\u00e9thode organise les [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":5054,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-602","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-analysis"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.8 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Plan d\u2019exp\u00e9rience de Taguchi - Ellistat<\/title>\n<meta name=\"description\" content=\"Le plan d&#039;exp\u00e9rience de Taguchi est une m\u00e9thode statistique utilis\u00e9e pour am\u00e9liorer la qualit\u00e9 des produits.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/it\/il-piano-di-esperienza-a-due-livelli-di-taguchi\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Plan d\u2019exp\u00e9rience de Taguchi - Ellistat\" \/>\n<meta property=\"og:description\" content=\"Le plan d&#039;exp\u00e9rience de Taguchi est une m\u00e9thode statistique utilis\u00e9e pour am\u00e9liorer la qualit\u00e9 des produits.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/it\/il-piano-di-esperienza-a-due-livelli-di-taguchi\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"article:published_time\" content=\"2024-08-29T08:00:03+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-11-06T09:19:23+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1529\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Davy\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Davy\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/\"},\"author\":{\"name\":\"Davy\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/e2a04a9eb45bae5d885b534cbf70df8d\"},\"headline\":\"Plan d\u2019exp\u00e9rience de Taguchi\",\"datePublished\":\"2024-08-29T08:00:03+00:00\",\"dateModified\":\"2026-11-06T09:19:23+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/\"},\"wordCount\":2077,\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Capture-decran-2026-11-06-a-10.07.42-scaled.png\",\"articleSection\":[\"Data Analysis\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/\",\"name\":\"Plan d\u2019exp\u00e9rience de Taguchi - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Capture-decran-2026-11-06-a-10.07.42-scaled.png\",\"datePublished\":\"2024-08-29T08:00:03+00:00\",\"dateModified\":\"2026-11-06T09:19:23+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/e2a04a9eb45bae5d885b534cbf70df8d\"},\"description\":\"Le plan d'exp\u00e9rience de Taguchi est une m\u00e9thode statistique utilis\u00e9e pour am\u00e9liorer la qualit\u00e9 des produits.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Capture-decran-2026-11-06-a-10.07.42-scaled.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/Capture-decran-2026-11-06-a-10.07.42-scaled.png\",\"width\":2560,\"height\":1529,\"caption\":\"Ecran illustrant un plan d'experience dans Ellistat Data Analysis\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/plan-dexperience-a-deux-niveau-de-taguchi\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data Analysis\",\"item\":\"https:\\\/\\\/ellistat.com\\\/category\\\/data-analysis\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Plan d\u2019exp\u00e9rience de Taguchi\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l&#039;industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#\\\/schema\\\/person\\\/e2a04a9eb45bae5d885b534cbf70df8d\",\"name\":\"Davy\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/litespeed\\\/avatar\\\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338\",\"caption\":\"Davy\"},\"sameAs\":[\"https:\\\/\\\/ellistat.com\"],\"url\":\"https:\\\/\\\/ellistat.com\\\/it\\\/author\\\/elliadmin\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Disegno sperimentale Taguchi - Ellistat","description":"Il disegno sperimentale di Taguchi \u00e8 un metodo statistico utilizzato per migliorare la qualit\u00e0 dei prodotti.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/it\/il-piano-di-esperienza-a-due-livelli-di-taguchi\/","og_locale":"it_IT","og_type":"article","og_title":"Plan d\u2019exp\u00e9rience de Taguchi - Ellistat","og_description":"Le plan d'exp\u00e9rience de Taguchi est une m\u00e9thode statistique utilis\u00e9e pour am\u00e9liorer la qualit\u00e9 des produits.","og_url":"https:\/\/ellistat.com\/it\/il-piano-di-esperienza-a-due-livelli-di-taguchi\/","og_site_name":"Ellistat","article_published_time":"2024-08-29T08:00:03+00:00","article_modified_time":"2026-11-06T09:19:23+00:00","og_image":[{"width":2560,"height":1529,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png","type":"image\/png"}],"author":"Davy","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Davy","Tempo di lettura stimato":"11 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#article","isPartOf":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/"},"author":{"name":"Davy","@id":"https:\/\/ellistat.com\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d"},"headline":"Plan d\u2019exp\u00e9rience de Taguchi","datePublished":"2024-08-29T08:00:03+00:00","dateModified":"2026-11-06T09:19:23+00:00","mainEntityOfPage":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/"},"wordCount":2077,"image":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png","articleSection":["Data Analysis"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/","url":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/","name":"Disegno sperimentale Taguchi - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png","datePublished":"2024-08-29T08:00:03+00:00","dateModified":"2026-11-06T09:19:23+00:00","author":{"@id":"https:\/\/ellistat.com\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d"},"description":"Il disegno sperimentale di Taguchi \u00e8 un metodo statistico utilizzato per migliorare la qualit\u00e0 dei prodotti.","breadcrumb":{"@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/Capture-decran-2026-11-06-a-10.07.42-scaled.png","width":2560,"height":1529,"caption":"Ecran illustrant un plan d'experience dans Ellistat Data Analysis"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/plan-dexperience-a-deux-niveau-de-taguchi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Data Analysis","item":"https:\/\/ellistat.com\/category\/data-analysis\/"},{"@type":"ListItem","position":3,"name":"Plan d\u2019exp\u00e9rience de Taguchi"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"La suite della qualit\u00e0 per l'industria meccanica","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/ellistat.com\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d","name":"Davy","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338","url":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338","contentUrl":"https:\/\/ellistat.com\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1794425338","caption":"Davy"},"sameAs":["https:\/\/ellistat.com"],"url":"https:\/\/ellistat.com\/it\/author\/elliadmin\/"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/posts\/602","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/comments?post=602"}],"version-history":[{"count":3,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/posts\/602\/revisions"}],"predecessor-version":[{"id":5056,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/posts\/602\/revisions\/5056"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/media\/5054"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/media?parent=602"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/categories?post=602"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/tags?post=602"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}