下载文档原格式
820 112 40 144 140 132 138.667820 120 50 125 127 140 130.667810 116 45 92 136 83 103.667810 116 45 129 119 87 111.667800 112 50 91 79 94 88.000820 120 40 116 121 94 110.333800 120 50 118 98 90 102.000820 112 50 135 149 137 140.333820 112 50 131 140 142 137.667820 112 40 113 110 136 119.667800 120 40 82 116 113 103.667820 120 50 99 159 118 125.333800 112 40 82 101 87 90.000800 120 40 107 126 116 116.333820 120 40 159 118 108 128.333800 112 40 114 92 109 105.000800 120 50 116 111 71 99.333810 116 45 134 132 130 132.0002。
第二阶段；分析因子设计。
目的：得到Y=f(x),确定哪些因子值得存在函式内。
结果: 第1次实验MINITAB路径：统计-DOE-因子-因子分析设计拟合因子: Y 与压力, 密度, 温度Y 的效应和系数的估计（已编码单位）系数标项效应系数准误 T P常量 114.211 2.179 52.42 0.000压力 29.917 14.958 2.374 6.30 0.000密度 1.167 0.583 2.374 0.25 0.810温度 -0.167 -0.083 2.374 -0.04 0.973压力*密度 -11.583 -5.792 2.374 -2.44 0.033（P0.05,接受HO:交互作用对Y没有影响）压力*温度 9.417 4.708 2.374 1.98 0.073（P0.05,接受HO:交互作用对Y 没有影响）密度*温度 -0.167 -0.083 2.374 -0.04 0.973（P0.05,接受HO:交互作用对Y没有影响）压力*密度*温度 -0.417 -0.208 2.374 -0.09 0.932（P0.05,接受HO:交互作用对Y没有影响）S = 9.49770 PRESS = 2630.73R-Sq = 81.86% R-Sq（预测）= 51.91% R-Sq（调整）= 70.32%对于Y 方差分析（已编码单位）来源自由度 Seq SS Adj SS Adj MS F P主效应 3 3585.58 3585.58 1195.19 13.25 0.0012因子交互作用 3 891.50 891.50 297.17 3.29 0.0623因子交互作用 1 0.69 0.69 0.69 0.01 0.932残差误差 11 992.27 992.27 90.21弯曲 1 8.75 8.75 8.75 0.09 0.772纯误差 10 983.52 983.52 98.35合计 18 5470.05从上图可以看出，P0.05,接受HO:交互作用对Y没有影响，可以通过缩减再观察P值Y 的效应和系数的估计（已编码单位）系数标项效应系数准误 T P常量 114.211 2.571 44.42 0.000压力 29.917 14.958 2.802 5.34 0.000密度 1.167 0.583 2.802 0.21 0.838（P0.1,接受HO:因子对Y没有影响）温度 -0.167 -0.083 2.802 -0.03 0.977（P0.1,接受HO:因子对Y没有影响）S = 11.2085 PRESS = 2995.55R-Sq = 65.55% R-Sq（预测） = 45.24% R-Sq（调整） = 58.66%对于 Y 方差分析（已编码单位）来源自由度 Seq SS Adj SS Adj MS F P主效应 3 3585.58 3585.58 1195.19 9.51 0.001 残差误差 15 1884.46 1884.46 125.63弯曲 1 8.75 8.75 8.75 0.07 0.802失拟 4 892.19 892.19 223.05 2.27 0.134纯误差 10 983.52 983.52 98.35合计 18 5470.05通过上图可以看出，密度和温度P值0.1,接受HO:因子对Y没有影响。
Minitab 19 DOE实验操作实例实验使用3个因子，两个水平的方式来实现。
因子：温度，压力，催化剂响应量：合格率实验目的：评估哪个因子对合格率有较大的影响，从而优化工艺。
详细的实验步骤：1.打开Minitab 19 版本软件。
2.依次点击菜单：统计>DOE>因子>创建因子设计3.在打开的窗口中点击图示的两水平因子，选择3因子。
点击显示可用设计即可看到此次实验设计的实验次数。
在此次实验中可以选择4次和8次两种实验方案，如果选择4次的方案，它的分辨率是3级（总级别为5级），将会造成实验因子效果的不明确。
在此选择全因子实验，有最高的分辨率。
点击图示的确定后，进入下一步。
4.点击设计菜单，按照图示点击设置相关参数之后，点击确定。
角点的仿行数设置为2，表示给实验参数重复两次。
中心点数0表示：没有设置高和低水平之间的中间水平或者理解为当前现实参数。
区组数1：只有一组实验。
5.点击因子菜单，即可对因子及水平具体的输入：按照图示样式输入实验参数后，点击确定。
6.在图示的选项及结果菜单中，默认参数即可。
7.点击确定之后，即可看到软件自动生成的实验方案，详细的实验次数，因子分组，实验顺序等，如右图所示。
保存实验方案，待实验后输入数据。
8.按照上述方案完成实验后，打开上次的实验表格，输入合格率数据如图示。
9. 依次点击菜单：统计>DOE>因子>分析因子设计10.在响应栏中选择合格率，再点击图形，在打开的菜单中，按照图示设置参数后，依次点击两次确定。
11. 在效应图中我们可以看到图示显示红色的ABC 的交互作用和C因子的作用是有明显的影响，即是我们需要重点关注的因子。
12.经过上一步分析得出ABC和C是我们的重要因子，现在继续对重要因子分析，列出因子图更加直观的看到因子对合格率影响效果。
依次点击菜单：统计>DOE>因子>因子图13.在打开的因子窗口中，如图所示设置，点击确定。
