Minitab DOE数据分析
Minitab(4)实验计划法-DOE[1]
![Minitab(4)实验计划法-DOE[1]](https://img.taocdn.com/s3/m/9c00e921bc64783e0912a21614791711cc7979fa.png)
A(機台)平均
6
13
9.5
SA2
(6-9.5)2×2=24.5 (13-9.5)2×2=24.5
(4-9.5)2+(8-9.5)2+(14-9.5)2+(12-9.5)2=59
One-way ANOVA: y versus A
Two-way ANOVA: y versus A, B
Source DF SS MS F P
B2
8
12
10
(10-9.5)2×2=0.5
A(機台)平均
6
13
9.5
SA2
(6-9.5)2×2=24.5 (13-9.5)2×2=24.5
(4-9.5)2+(8-9.5)2+(14-9.5)2+(12-9.5)2=59
4
ANOVA
機台
人員
A1
A2
B(人員)平均
B1
4
14
9
B2
8
12
10
2樣本
SB2 (9-9.5)2×2=0.5 (10-9.5)2×2=0.5
4
3
2
1
0
-2 -1
0
1
2
3
Residual
Residual
Residuals Versus the Order of the Data
2
0
-2 1 2 3 4 5 6 7 8 9 10 11 12 Observation Order
25
Frequency
22因子設計
Least Squares Means for y
實驗計劃法Minitab(4)
DOE
如何用Minitab做DoE的主效应图和交互作用图
用Minitab做DoE的 主效应图和交互作用图
主效应图--Minitab的路径
路径：Stat ANOVA Main Effects
主效应图示及分析
解读：斜率大的即为主效应明显的因子。 此处为 1.烘烤条件 2.治具是否冷却 3. 是否Plasma处理
交互作用图--Minitab的路径
路径：Stat ANOVA InteractionPlot
交互作用图示及分析
解读：如何看交互作用的大小 1. 看交叉的角度大小。平行就没有交互作用，交叉角度越大，交互作用越明显。 2. 水平的高低程度
其它图表
3.CubePlots 立体图--同时观察3个因子 4.ResidualPlots 残值图-- 检查模式的有效性 5.EqualVariance Plots 等方差图-- 检定实验设计的基本假设是否存在
Minitab教程之教你学会数据分析软件
练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 求 Durability 的 基础统计值。 (2) Durability的Range保存到 C5。
练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 正态化。 (2) 把 Durability 标准化为3和4之间的数据。
window
2. 基础统计
基础统计
基础统计量输出 基础统计量保存
Minitab
对母平均的推定及检定
对母比率的推定及检定
两个母集团的分散的同一性检定 相关分析 公分散分析 正态性检定
基础统计量 (Display Descriptive Statistics)
➢资料应为连续性的列资料, 同时应为数值资料。 ➢能输出图表。
3) 把 C4 Column Size 变更为 12
Minitab 菜单(Manip)
Minitab
从活动 Worksheet 中复制数据，制作 subset Worksheet。 把活动 Worksheet 分成两个以上新的 Worksheet 把多个 Worksheet 合并为一个 Worksheet
基础统计量 (Display Descriptive Statistics)
Minitab
< 制作图表选项 >
▪Histogram of data : 制作 Histgram ▪Histogram of data with normal curve : 制作
Histogram和正态分布曲线
▪Dotplot of data : 制作 Dotplot ▪Boxplot of data : 制作 Boxplot ▪Graphical summary : 把统计值用Graph输出
DOE跟Minitab使用初级知识(中)
DOE
20
分析： 从极差大小看，影响最大的因素是C，以2水平为好；其次是 AxB，以2水平为好，第3是因素A，以1水平为好，第4是因素B 以1水平为好。 列出A和B进行组合的几种效果表：
AXB A 1 2 B 1 69 72 2 73.5 65.5
从此表可知，A和B的最佳组合为A1B2。 AxC 和 BxC的极差很小，对试验的影响很小，忽略不计。综合 分析，最好的方案应是A1B2C2，这与试验4相吻合。
DOE
14
分析： 1) 根据综合评分的结果，直观上第1号试验的分数最高，应进一步分 析它是不是最好的试验方案；
2) 通过直观分析法可以得知，最好的试验方案是A1B3C2D1。A，D 两个因素的极差都很大，是对试验影响较大的两个因素； 3) 分析出来的最好方案，在已经做过的9个试验中是没有的。可以 按这个方案再试验一次，看能不能得出比第一号试验更好的结果， 从而确定出真正最好的试验方案； 综合评分法是将多指标的问题，通过加权计算总分的方法化成一个 指标的问题，使对结果的分析计算都比较方便、简单。
3.5 3 2.5 2 1.5 1 0.5 0 1.1 1.3 1.5
DOE
11
分析：
1) 粒度B对抗压强度和落下强度来讲，极差都是最大的，说明它是影 响最大的因素，而且以取8为最好；对裂纹度来讲，粒度的极差不 是最大，不是影响最大的因素，而且也以取8为最好； 2) 碱度C对三个指标的极差都不是最大的，是次要的因素。对抗压 强度和裂纹度来讲，碱度取1.1最好；对落下强度，取1.3最好，但取 1.1也不是太差，综合考虑碱度取1.1； 3) 水分A对裂纹度来讲是最大的因素，以取9为最好；但对抗压强度 和落下强度来讲，水分的极差都是最小的，是影响最小的因素。综 合考虑水分取9； 最后较好的试验方案是B3C1A2
Minitab DOE数据分析
欢迎使用 Minitab，请按 F1 获得有关匡助。
强度的估计效应和系数(已编码单位)系数标项效应系数准误T P 常量541.319 1.841 293.98 0.000 加热温度20.038 10.019 1.841 5.44 0.032 加热时间16.887 8.444 1.841 4.59 0.044 转换时间 3.813 1.906 1.841 1.04 0.409 保温时间11.113 5.556 1.841 3.02 0.095 加热温度*加热时间0.737 0.369 1.841 0.20 0.860 加热温度*转换时间-0.487-0.244 1.841 -0.130.907 加热温度*保温时间 3.062 1.531 1.841 0.83 0.493 加热时间*转换时间 1.263 0.631 1.841 0.34 0.764 加热时间*保温时间7.113 3.556 1.841 1.93 0.193 转换时间*保温时间0.837 0.419 1.841 0.23 0.841 加热温度*加热时间*转换时间 2.612 1.306 1.841 0.71 0.552 加热温度*加热时间*保温时间-5.288-2.644 1.841 -1.440.288 加热温度*转换时间*保温时间 1.787 0.894 1.841 0.49 0.675 加热时间*转换时间*保温时间 1.038 0.519 1.841 0.28 0.805 加热温度*加热时间*转换时间*保温时间 1.838 0.919 1.841 0.50 0.667 Ct Pt 1.981 4.634 0.43 0.711S = 7.36546 (是西格玛希翼越小越好) PRESS = *R-Sq = 97.17% R-Sq (预测) = *% R-Sq (调整) = 74.56%(step1：至少有两个主效应因子的P值大于等于0.05) (Step2：观察回归效果)(Step3：回归系统的统计质量)强度的方差分析(已编码单位)来源自由度Seq SS Adj SS Adj MS F 主效应 4 3298.85 3298.85 824.71 15.20 加热温度 1 1606.01 1606.01 1606.01 29.60 加热时间 1 1140.75 1140.75 1140.75 21.03 转换时间 1 58.14 58.14 58.14 1.07 保温时间 1 493.95 493.95 493.95 9.11 2因子交互作用 6 252.17 252.17 42.03 0.77 加热温度*加热时间 1 2.18 2.18 2.18 0.04 加热温度*转换时间 1 0.95 0.95 0.95 0.02 加热温度*保温时间 1 37.52 37.52 37.52 0.69 加热时间*转换时间 1 6.38 6.38 6.38 0.12 加热时间*保温时间 1 202.35 202.35 202.35 3.73 转换时间*保温时间 1 2.81 2.81 2.81 0.05 3因子交互作用 4 156.22 156.22 39.05 0.72 加热温度*加热时间*转换时间 1 27.30 27.30 27.30 0.50 加热温度*加热时间*保温时间 1 111.83 111.83 111.83 2.06 加热温度*转换时间*保温时间 1 12.78 12.78 12.78 0.24 加热时间*转换时间*保温时间 1 4.31 4.31 4.31 0.08 4因子交互作用 1 13.51 13.51 13.51 0.25 加热温度*加热时间*转换时间*保温时间 1 13.51 13.51 13.51 0.25 弯曲 1 9.92 9.92 9.92 0.18 残差误差 2 108.50 108.50 54.25 纯误差 2 108.50 108.50 54.25合计18 3839.16来源P主效应0.063加热温度0.032加热时间0.044转换时间0.409保温时间0.0952因子交互作用0.658加热温度*加热时间0.860加热温度*转换时间0.907加热温度*保温时间0.493加热时间*转换时间0.764加热时间*保温时间0.193转换时间*保温时间0.8413因子交互作用0.652加热温度*加热时间*转换时间0.552加热温度*加热时间*保温时间0.288加热温度*转换时间*保温时间加热时间*转换时间*保温时间4因子交互作用加热温度*加热时间*转换时间*保温时间弯曲残差误差纯误差合计0.675 0.805 0.667 0.667 0.711强度的异常观测值拟合值标准化观测值标准序强度拟合值标准误残差残差2 11 549.000 549.000 7.365 0.000 * X3 8 553.000 553.000 7.365 0.000 * X4 9 518.300 518.300 7.365 0.000 * X5 14 548.300 548.300 7.365 0.000 * X6 5 528.300 528.300 7.365 0.000 * X7 10 549.100 549.100 7.365 0.000 * X9 16 574.500 574.500 7.365 0.000 * X10 3 526.800 526.800 7.365 -0.000* X11 1 522.500 522.500 7.365 -0.000* X12 6 536.200 536.200 7.365 0.000 * X13 12 561.800 561.800 7.365 0.000 * X14 4 551.300 551.300 7.365 0.000 * X15 7 531.500 531.500 7.365 -0.000* X16 15 550.200 550.200 7.365 0.000 * X17 13 523.800 523.800 7.365 -0.000* X19 2 536.500 536.500 7.365 0.000 * XX 表示受 X 值影响很大的观测值。
MINITAB在DOE试验中的使用方法
45.89 48.66 48.12 47.32 49.36 54.33 52.13 52.64 53.64 51.26
1 45.36 46.33 45.87 46.98 51.23 55.33 54.63 52.11 54.32 48.61 49.11 2 47.81 45.21 48.99 48.35 46.56 46.31 48.51 49.32 47.27 55.67 55.98 2 52.31 48.79 55.61 59.68 62.34 57.18 49.62 48.31 49.2 45.1 49.32 3 58.96 58.62 54.36 55.1 51.23 50.31 49.13 46.52 62.34 65.19 48.67 1 50.12 51.23 53.67 59.32 61.22 58.76 58.97 56.37 52.34 54.31 57.21
MINITAB在DOE试验中的使用方法 在 试验中的使用方法
Author : LF Yang
Date
: Oct 15 .2008
步骤一： 步骤一：
1.当试验因子和试验因子的设置水平确定后如何使用 当试验因子和试验因子的设置水平确定后如何使用MINITAB 进行正交分组，假定 进行正交分组， 当试验因子和试验因子的设置水平确定后如何使用 试验因子为4个分别为 个分别为： 水平， 试验因子为 个分别为：USG、 Force、 Time、 C/V，且均为 水平，如下表： 、 、 、 ，且均为3水平 如下表：
优先等级排序
Author : LF Yang
Date
: Oct 15 .2008
Author : LF Yang
Date
: Oct 15 .2008
doe(实验设计)与minitab培训doe案例
doe(实验设计)与minitab培训doe案例实验设计（DOE，Design of Experiments）是一种系统化的方法，用于确定和优化实验参数以实现特定的目标或解决特定的问题。
在制造业、工程、科学研究和其他领域中，DOE被广泛用于提高产品质量、降低成本、改进生产过程等。
Minitab是一款流行的统计软件，用于数据分析、假设检验、回归分析等。
它提供了丰富的工具和功能，帮助用户轻松地分析和解释数据。
以下是一个关于DOE和Minitab培训的案例：假设一家制造公司想要提高其产品的抗拉强度。
通过实验设计，该公司确定了以下几个因素可能影响产品的抗拉强度：温度、压力和材料类型。
目标是找到最佳的温度、压力和材料类型组合，以最大化产品的抗拉强度。
为了解决这个问题，公司使用Minitab软件进行实验设计。
首先，Minitab 帮助确定因素和水平，并生成一个实验矩阵，其中包括每个实验的条件和结果。
然后，公司按照实验矩阵进行实验，并记录每个实验的结果。
在收集完数据后，Minitab帮助进行数据分析。
通过分析结果，公司确定了最佳的温度、压力和材料类型组合。
此外，Minitab还提供了其他有用的统计信息，如因素对结果的影响程度、因素的交互作用等。
通过这个案例，Minitab培训的目标是使参与者能够：1. 了解实验设计的基本概念和方法；2. 使用Minitab软件进行实验设计和数据分析；3. 掌握如何解释和分析实验结果；4. 应用实验设计的方法来解决实际问题。
总之，通过DOE和Minitab培训，参与者可以学习如何系统地设计和分析实验，并使用统计软件来分析和解释数据。
这将有助于提高产品质量、改进生产过程和提高企业的竞争力。
DOE(Minitab)
5
-1
6
+1
7
-1
8
+1
温度 -1 -1 +1 +1 -1 -1 +1 +1
压力 -1 -1 -1 -1 +1 +1 +1 +1
这个图表被称作设计排列 表(正交表)。它显示了变 量在实验运行中的排序。
我们把“+1”和“-1”叫 做编码(Coded)数据，把 因子水平的实际值叫做 “Uncoded"数据。
温度120℃
150
190
温度180℃
180
230
交互作用(Interaction)
在一些实验中，会出现一个因子在其它因子不同水平上的效应不一
样的现象。
时间(低水平)
时间(高水平)
温度1(低水平)
100
200
温度2(低水平)
250
60
在时间的低水平，温度的效应是：
温度=250-100=150
而在时间的高水平，温度的效应是：
实验目的：确定关键因子并量化其对响应的影响 响应变量：表面强度 因子和水平：
班次：白班，夜班 注塑温度：180℃，220℃ 注塑压力：6，9
设计DOE
在这个实验中，我们将研 实验次序 班次 温度 压力
究这三个因子分别在两种
1
-1
-1
-1
水平上对均值的影响。
2
+1
-1
-1
3
-1
+1
-1
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
DOEMinitab操作教程
DOEMinitab操作教程
1. 什么是DOE（设计实验）？
DOE（Design of Experiments），即设计实验，是一种系统、有效地进行试验设计和数据分析的方法。
它通过合理地选择实验方案，充分利用有限的资源和时间，提高实验效率，提供科学依据来优化产品和工艺。
2. 为什么使用DOE进行实验设计？
使用DOE进行实验设计有以下几个优点：
•提高实验效率：通过设计合理的实验方案，可以充分利用有限的资源和时间，减少试验次数，提高实验效率。
•优化产品和工艺：DOE可以通过充分考虑多个因素之间的交互作用，找到最佳的组合方案，优化产品和工艺参数。
•提供科学依据：DOE提供了数据分析和统计方法，能够从实验数据中提取有效信息，从而为决策提供科学依据。
3. Minitab简介
Minitab是一种常用的统计软件，提供了丰富的数据分析和实验设计功能。
在DOE方面，Minitab可以帮助用户设计合适的实验方案，分析实验数据，得出结论，并提供可视化的结果。
4. DOEMinitab操作步骤
使用DOEMinitab进行实验设计的操作步骤如下：
步骤1：安装和启动Minitab软件
在Minitab官方网站上下载最新版的Minitab软件，并按照官方指导进行安装。
安装完成后，启动Minitab软件。
步骤2：创建工作表
在Minitab软件中，点击。
Minitab实验设计DOE操作步骤
精品文档
42
然后点击确定
精品文档
43
然后点击选项
精品文档
44
取消勾选后，标准序C1 可以按照顺序排列
然后点击确定
精品文档
45
点击结果
精品文档
46
3、再点击 确定
2、出现此 对话框
1、点击 确定
精品文档
47
在工作表中输入每次试验 的结果“距离”
全因子试验次数
1、出现此对话
为8次，共自动
框，全因子试验
30
图示解析：通过实验设计分析， 试验结果显示出门磁角度在92， 前半平面度在0.3时，漏波值是最
小的，所以选定此组工艺参数
精品文档
31
2、二水平/三因子设计 抛球试验
精品文档
32
点击统计
输入试验设计方案
精品文档
33
创建因子设计
精品文档
34
依次选中红色标识框
精品文档
35
出现此对话框
精品文档
精品文档
25
点击确定
显示此图形
再点击确定
精品文档
26
图示解析：前半平面度和门磁角 度对于漏波值的大小无交互作用
精品文档
27
点击编辑上一对话框图标 先选中立方图
显示出以下对话框 第二步点击设置
精品文档
28
双击此标识处
显示出以下对话框
单击标识处
显示到此对话框
精品文档
最后点击确定
29
再点击确定
精品文档
36
选中此标识：两水 平因子
选中因 子数3
精品文档
最后点击设计
37
出现此 对话框， 选择设
minitab实例分析(1)
查出力 1－β = 0.8
差值：u0－ua ＝25－30＝-5
功效值（查出力）： 1－β ＝0.8 标准差：sigma＝10
A—假设测定－决定标本大小：
(2)：1-sample T（未知u）
<统计－功效和样本数量－ 1-sample t： >
背景：Ha～N（30，100/25） H0～ N（25，100/n ）－为测定分布差异的标本大小
H0: u1=u2=…=un
Ha: 至少一个不等；
背景：确认三根弹簧弹力比较？
P-Value < 0.05 → Ha → u不等，有差异；
信赖区间都重叠 －> u无有意差； 1和2可以说无有意差，1和3有有意差；
A—ANOVA（分散分析）： 两个以上母集团的平均是否相等；
(1)： Two-way A（2因子多水平数）
A—假设测定： Chi-Square-1.MTW
应用一： 测定频度数的同质性：
(5)： Chi-Square t（离散－单样本）
H0: P1=P2=…=Pn Ha: 至少一个不等；
背景：确认4个不同条件下，某不良是否有差异？
P-Value > 0.05
→ Ho →P1 = P2＝…（无差异）
A—假设测定： Chi-Square-2.MTW
背景：3名测定者对30部品反复2次TEST
检查者1需要再教育； 检查者3需要追加训练； (反复性)
个人与标准的一致性 （再现性？）
两数据不能相差较大， 否则说明检查者一致的 判定与标准有一定差异
M--测量系统分析： 离散型案例（顺序型）：散文.Mtw 背景：3名测定者对30部品反复2次TEST
minitab-DOE(4-1)剖析
全因子实验案例
time temp是 显著因素
Time与temp 存在交互作用
主效应是显著 的 二次交互作用 是显著的
全因子实验案例
全因子实验案例
全因子实验案例
5, 选择：Stat > DOE > Factorial > Factorial Plots 6 ,点击 Main effects plot 选项然后点击 Setup. 7,在 Responses 文字框中输入Yield.
评估因素间的交互作用
田口实验交互设计组合
水平数
运行次数
因子数
混合试验设计因子与水平选择
自定义田口实验设计
输入因子列
指信号数据列
分析田口实验设计
Stat > DOE > Taguchi>Analyze Taguchi design
选取实验数据列
图表Graphs
选择分析时所显示的图表
选择交互影响因素
因子试验
操作:Stat > DOE > Factorial >Create Factorial Design
因子实验设计类型 两水平因子实验设计 两水平因子实验设计 Plackett-Burman实验设计 全因子实验设计
选择因子数
因子试验
2-level factorial (default generators) (2 to 15 factors) 指示未确定分部基准 2水平分部设计，因素数在2~15个之间 2-level factorial (specify generators) (2 to 15 factors) 指确定分部基准的2水 平分部设计，因素数在2~15个之间. Plackett-Burman design 为分部设计的一种方法，分辩率为3级，充许的因 数在2~47个之间。 General full factorial design 为全因子设计，充许的因素数为2~9个
MiniTab DOE操作说明
MiniTab DOE操作说明MiniTab DOE操作说明1、简介1.1 MiniTab DOE是什么？MiniTab DOE（Design of Experiments）是一种统计工具，可以帮助进行实验设计和数据分析。
它通过精心设计的实验，可以帮助研究人员确定影响目标过程或产品的变量，从而获得准确和可靠的结果。
1.2 为什么使用MiniTab DOE？MiniTab DOE具有以下优点：- 提供全面的实验设计选项，包括正交、鲁棒、Taguchi等方法。
- 能够标识影响目标变量的主要因素和交互作用。
- 可以通过优化实验设计来减少试验数量并最大化实验效果。
- 提供可视化工具和统计分析，能够迅速发现实验结果和趋势。
2、实验设计步骤2.1 确定目标在进行实验之前，需要明确目标并定义所要研究的变量。
这些变量可以是输入因素、输出响应或其他与实验相关的参数。
2.2 选择实验设计根据目标和实验要求，选择适当的实验设计方法。
MiniTab DOE提供了多种实验设计选项，如全因子设计、分数因子设计、响应曲面设计等。
2.3 构建实验设计使用MiniTab DOE工具构建实验设计方案。
根据选定的实验设计方法，输入因素和其水平，确定试验数量和试验顺序。
2.4 进行实验按照实验设计方案进行实验并记录数据。
确保实验过程的准确性和一致性。
2.5 数据分析使用MiniTab DOE工具对实验数据进行分析。
通过统计方法和图表分析，识别主要因素和交互作用，并评估其对目标变量的影响。
2.6 优化实验设计根据数据分析结果，在保证实验效果的同时，尽可能减少试验数量。
根据实验结果调整实验设计并再次进行实验。
3、实例分析3.1 实验目标：研究不同参数对产品质量的影响。
3.2 实验设计：使用全因子设计，选择3个影响因素，每个因素有2个水平。
3.3 实验过程：按照实验设计方案进行实验，并记录数据。
3.4 数据分析：使用MiniTab DOE工具进行数据分析，识别主要因素和交互作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
————— 2014/5/15 9:16:17 ————————————————————欢迎使用 Minitab，请按 F1 获得有关帮助。
结果: DOE_热处理(全因).MTW
拟合因子: 强度与加热温度, 加热时间, 转换时间, 保温时间
（Step3：回归系统的统计质量）
强度的估计效应和系数（已编码单位）
系数标
项效应系数准误 T P
常量 541.319 1.841 293.98 0.000
加热温度 20.038 10.019 1.841 5.44 0.032
加热时间 16.887 8.444 1.841 4.59 0.044
转换时间 3.813 1.906 1.841 1.04 0.409
保温时间 11.113 5.556 1.841 3.02 0.095
加热温度*加热时间 0.737 0.369 1.841 0.20 0.860
加热温度*转换时间 -0.487 -0.244 1.841 -0.13 0.907
加热温度*保温时间 3.062 1.531 1.841 0.83 0.493
加热时间*转换时间 1.263 0.631 1.841 0.34 0.764
加热时间*保温时间 7.113 3.556 1.841 1.93 0.193
转换时间*保温时间 0.837 0.419 1.841 0.23 0.841
加热温度*加热时间*转换时间 2.612 1.306 1.841 0.71 0.552
加热温度*加热时间*保温时间 -5.288 -2.644 1.841 -1.44 0.288
加热温度*转换时间*保温时间 1.787 0.894 1.841 0.49 0.675
加热时间*转换时间*保温时间 1.038 0.519 1.841 0.28 0.805
加热温度*加热时间*转换时间*保温时间 1.838 0.919 1.841 0.50 0.667
Ct Pt 1.981 4.634 0.43 0.711
（Step2：观察回归效果）
S = 7.36546 （是西格玛希望越小越好） PRESS = *
R-Sq = 97.17% R-Sq（预测） = *% R-Sq（调整） = 74.56%
（step1：至少有两个主效应因子的P值大于等于0.05)
强度的方差分析（已编码单位）
来源自由度 Seq SS Adj SS Adj MS F 主效应 4 3298.85 3298.85 824.71 15.20 加热温度 1 1606.01 1606.01 1606.01 29.60 加热时间 1 1140.75 1140.75 1140.75 21.03 转换时间 1 58.14 58.14 58.14 1.07 保温时间 1 493.95 493.95 493.95 9.11 2因子交互作用 6 252.17 252.17 42.03 0.77 加热温度*加热时间 1 2.18 2.18 2.18 0.04 加热温度*转换时间 1 0.95 0.95 0.95 0.02 加热温度*保温时间 1 37.52 37.52 37.52 0.69 加热时间*转换时间 1 6.38 6.38 6.38 0.12 加热时间*保温时间 1 202.35 202.35 202.35 3.73 转换时间*保温时间 1 2.81 2.81 2.81 0.05 3因子交互作用 4 156.22 156.22 39.05 0.72 加热温度*加热时间*转换时间 1 27.30 27.30 27.30 0.50 加热温度*加热时间*保温时间 1 111.83 111.83 111.83 2.06 加热温度*转换时间*保温时间 1 12.78 12.78 12.78 0.24 加热时间*转换时间*保温时间 1 4.31 4.31 4.31 0.08 4因子交互作用 1 13.51 13.51 13.51 0.25 加热温度*加热时间*转换时间*保温时间 1 13.51 13.51 13.51 0.25 弯曲 1 9.92 9.92 9.92 0.18 残差误差 2 108.50 108.50 54.25
纯误差 2 108.50 108.50 54.25
合计 18 3839.16
来源 P
主效应 0.063
加热温度 0.032
加热时间 0.044
转换时间 0.409
保温时间 0.095
2因子交互作用 0.658
加热温度*加热时间 0.860
加热温度*转换时间 0.907
加热温度*保温时间 0.493
加热时间*转换时间 0.764
加热时间*保温时间 0.193
转换时间*保温时间 0.841
3因子交互作用 0.652
加热温度*加热时间*转换时间 0.552
加热温度*加热时间*保温时间 0.288
加热时间*转换时间*保温时间 0.805
4因子交互作用 0.667
加热温度*加热时间*转换时间*保温时间 0.667
弯曲 0.711
残差误差
纯误差
合计
强度的异常观测值
拟合值标准化
观测值标准序强度拟合值标准误残差残差
2 11 549.000 549.000 7.365 0.000 * X
3 8 553.000 553.000 7.365 0.000 * X
4 9 518.300 518.300 7.36
5 0.000 * X
5 14 548.300 548.300 7.365 0.000 * X
6 5 528.300 528.300 7.365 0.000 * X
7 10 549.100 549.100 7.365 0.000 * X
9 16 574.500 574.500 7.365 0.000 * X
10 3 526.800 526.800 7.365 -0.000 * X
11 1 522.500 522.500 7.365 -0.000 * X
12 6 536.200 536.200 7.365 0.000 * X
13 12 561.800 561.800 7.365 0.000 * X
14 4 551.300 551.300 7.365 0.000 * X
15 7 531.500 531.500 7.365 -0.000 * X
16 15 550.200 550.200 7.365 0.000 * X
17 13 523.800 523.800 7.365 -0.000 * X
19 2 536.500 536.500 7.365 0.000 * X
X 表示受 X 值影响很大的观测值。
（Step4：针对的未编码原始数据的重新找到的数据模型）强度的估计系数（使用未编码单位的数据）
项系数
常量 28137.3
加热温度 -33.1475
加热时间 -13470.9
转换时间 -14021.7
保温时间 -586.02
加热温度*加热时间 16.1450
加热温度*保温时间 0.70250 加热时间*转换时间 7290.5 加热时间*保温时间 274.250 转换时间*保温时间 306.450 加热温度*加热时间*转换时间 -8.8000 加热温度*加热时间*保温时间 -0.328500 加热温度*转换时间*保温时间 -0.370000 加热时间*转换时间*保温时间 -152.275 加热温度*加热时间*转换时间*保温时间 0.183750 Ct Pt 1.98125
强度的效应 Pareto
别名结构
I
加热温度
加热时间
转换时间
保温时间
加热温度*加热时间
加热温度*转换时间
加热温度*保温时间
加热时间*转换时间
加热时间*保温时间
转换时间*保温时间
加热温度*加热时间*转换时间
加热温度*加热时间*保温时间
加热温度*转换时间*保温时间
加热时间*转换时间*保温时间
加热温度*加热时间*转换时间*保温时间
确定的模型当中不能显示主效应，因为在实际应用的控制面板显示不出交互作用。