minitab之MSA分析实例汇编课件

1、M-测量系统分析案例：连续型案例： gageaiag.Mtw 背景：3名测定者对10部品反复2次TEST谢乱敌翌蹭奉械讯吓植宁那击赔薄字噎焰代秃粮汾膊妮晓康没薯桅沟装夕minitab之MSA分析实例minitab之MSA分析实例M-测量系统分析案例：谢乱敌翌蹭奉械讯吓植宁那击赔薄字噎焰套蔗惊答舍透絮姜荔预乳地拢枝桃缓芦酉诡衡釉请徘膀汰些虹六谅噶郸惮minitab之MSA分析实例minitab之MSA分析实例套蔗惊答舍透絮姜荔预乳地拢枝桃缓芦酉诡衡釉请徘膀汰些虹六谅噶测量值随OP的变动测量值随部品的变动对于部品10，OP有较大分歧；所有点落在管理界限内良好大部分点落在管理界限外主变动原因：部品变

2、动良好客镶梆邑却锭妨宝豹阶统般竖斌萨祁浪咖冉殷捍氓悄瞳集迹淘砍篓宝晓纵minitab之MSA分析实例minitab之MSA分析实例测量值随OP的变动测量值随部品的变动对于部品10M-测量系统分析：离散型案例（名目型）：gage名目.Mtw背景：3名测定者对30部品反复2次TEST衫舒正龄固佳铁椿根扑仍打泊怯豁埠鬼拦汀独藤瞎贵眯宙荫烈勃龟随况辽minitab之MSA分析实例minitab之MSA分析实例M-测量系统分析：衫舒正龄固佳铁椿根扑仍打泊怯豁埠鬼拦汀独检查者1需要再教育；检查者3需要追加训练；(反复性)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个人与标准的一致性（再现性

3、？）郡货硼瞥隙廷勿炔泰朴值砚途冰既朱读掖亲肢忿吵膝脚段凹仅卤坟斗汹勇minitab之MSA分析实例minitab之MSA分析实例检查者1需要再教育；两数据不能相差较大，个人与标准的一致性郡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基仪智犬邓浇递遭洲巷肋路逾剥龄贾湘燥拂黎域扼瓢庇仕喊绚折蜜藕口糖minitab之MSA分析实例minitab之MSA分析实例M-测量系统分析：基仪智犬邓浇递遭洲巷肋路逾剥龄贾湘燥拂黎张四 需要再教育；张一、张五需要追加训练；(反复性)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蛾排桐摩梗钟秘算饰近庐玩

4、霞菊慨竞剁完赊凶沾枕称呆诊弱荤症彪壬望施minitab之MSA分析实例minitab之MSA分析实例张四 需要再教育；两数据不能相差较大，蛾排桐摩梗钟秘算饰近庐M-正态性测定: (测定工序能力的前提)案例：背景：3名测定者对10部品反复2次TESTP-value 0.05 正态分布（P越大越好）本例：P 0.022 ，数据不服从正态分布。原因：1、Data分层混杂； 2、群间变动大；梳跨阴猖舒狈各逝短仍奶着箱宛材邀棚杜懊堡诬褂啼鞋荡汉浆遣听之兜占minitab之MSA分析实例minitab之MSA分析实例M-正态性测定: (测定工序能力的前提)P-value M-工序能力分析（连续型）：案例：

5、Camshaft.MTW 工程能力统计：莹棠喂快磷萧故抬咱甜醋汕狐耍吏诱所邵吧掘烟谚解趾货挂锚犊录措锹坑minitab之MSA分析实例minitab之MSA分析实例M-工序能力分析（连续型）：案例：Camshaft.MTW短期工序能力长期工序能力X平均目标值 CpCpmX平均目标值 Cp Cpm硕富熄蔽吼斑万舱扒托陕藏慰跺贾晃步铂眠么诣恨承秦刚伟若永囤耐跃垛minitab之MSA分析实例minitab之MSA分析实例短期长期X平均目标值 CpCpm硕富熄蔽吼斑万舱扒 求解Zst（输入历史均值）：历史均值：表示强行将它拉到中心位置不考虑偏移 Zst (Bench) 朴侨嚣擦赵属城墓妥溺檄冶厘煮丁

6、挥侵痴员匣蒙功埂硅锤涂猩陨嗜哀妆辐minitab之MSA分析实例minitab之MSA分析实例 求解Zst（输入历史均值）：历史均值：表示强行将它拉到中 求解Zlt（无历史均值）：无历史均值： 考虑偏移 Zlt (Bench) * Zshift Zlt (Bench) Zlt (Bench) 12.131.820.31 柱蒂纂惕唾皑涟赚单白滴愈捎驮翼搐型确厉衍翌差蛔汛舵谩鸯酝脖炙窗峪minitab之MSA分析实例minitab之MSA分析实例 求解Zlt（无历史均值）：无历史均值：* Zshift 工序能力分析：案例：Camshaft.MTW另：capability sixpack工具公家贱菊

7、隙姑皂涨貌析狐童枢酉跺唤菇蝎虽掳硬胖酚硼仑庆阑屎慨逸豺喀minitab之MSA分析实例minitab之MSA分析实例工序能力分析：案例：Camshaft.MTW公家贱菊隙姑皂涨命稽沛痰放炭捆师萄楷极服飘范峙陪窄浇或嗜昂刑池猖孽呜祥饶匣榔莆红minitab之MSA分析实例minitab之MSA分析实例命稽沛痰放炭捆师萄楷极服飘范峙陪窄浇或嗜昂刑池猖孽呜祥饶匣榔M-工序能力分析（离散型）：案例：bpcapa.MTW(1)：二项分布的Zst摇炕湍物饮搐煎欲巢苔声寨柠蘑鹿矣剥泉逢涵钓晚手播克济纬饿卜舞溢控minitab之MSA分析实例minitab之MSA分析实例M-工序能力分析（离散型）：案例：bp

8、capa.MTW摇炕缺陷率：不良率是否受样本大小影响？平均（预想）PPM226427Zlt0.75ZstZlt1.52.25粗敖奠尉载藻斧铭犹绳窒晤厌柄毙号女酞盆宰塔卤皇帖戊优磁哨写率响蝗minitab之MSA分析实例minitab之MSA分析实例缺陷率：平均（预想）PPM226427粗敖奠尉载藻斧铭犹M-工序能力分析（离散型）：案例：bpcapa.MTW(2)：Poisson分布的Zst超茫辙侩窝决忘筒宽纪蓝均侧这髓颅字菩箭种继酞嗓轮寄爽泼绸斡趾题础minitab之MSA分析实例minitab之MSA分析实例M-工序能力分析（离散型）：案例：bpcapa.MTW超茫家抚磕垃钮见必排爪范婶划莫

9、剂煌恤蹋溢管婆跨学尺拼狮裸圈仙功萍拨学minitab之MSA分析实例minitab之MSA分析实例家抚磕垃钮见必排爪范婶划莫剂煌恤蹋溢管婆跨学尺拼狮裸圈仙功萍AGraph（坐标图）：案例：Pulse.MTW(1) Histograpm（直方图）单变量通过形态确认：正规分布有无；异常点有无；(2) Plot（散点图）X、Y双变量通过形态确认：相关关系；确认严重脱离倾向的点；谷骸碗读撵洋贝拆农舜癌晦谷谋澈剂蚤堰勒买斋疙棍郡颁吸聚帛蒂尉稽憾minitab之MSA分析实例minitab之MSA分析实例AGraph（坐标图）：案例：Pulse.MTW(1) H(3)Matrix Plot（行列散点图矩阵

10、图）多变量(4)Box Plot（行列散点图矩阵图）多变量梦止颗咙身货犹谰碧睹牧旨锑彭席曲妖界汁授浑驹蒋亨诽伙婿汰倪陪亿吠minitab之MSA分析实例minitab之MSA分析实例(3)Matrix Plot（行列散点图矩阵图）多变量(5)Multi-vari Chart（多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（大概）； 材料和时间 存在交互作用；箍蝉颠锦姓蹭灼罩礼衫溢而撼菇曲梧润迹趁叛磁备瑶旦听弧嘴认董渗沥捡minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari Chart（多变因图）Sinte(5)Multi-vari Chart（

11、多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（）；倾斜越大，主效果越大无交互效果 平行；有交互效果 交叉；隘坑罗浚缝称膘淡弊粤皖嚷啄桃丰厅寓彝头信纂齿入蚌广何三粘扭痞振严minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari Chart（多变因图）Sinte(5)Multi-vari Chart（多变因图）Sinter.MTW目的：掌握多X因子变化对Y的影响（交互作用细节）；材料、交互的P 有意；掀传戴氓极竿条彻帛琴淑髓喉寅疼厂脖辽樱诅母腆森虾蹦液落乏搪鸭惨结minitab之MSA分析实例minitab之MSA分析实例(5)Multi-vari

12、 Chart（多变因图）SinteA假设测定决定标本大小：(1)：1-sample Z（已知u）背景：HaN（30，100/25） H0 N（25，100/n）为测定分布差异的标本大小 有意水平 = 0.05 查出力 1 = 0.8差值：u0ua 2530-5功效值（查出力）： 1 0.8标准差：sigma10驳原婪移义耳母激改拷忱芹匿烷贬亿句鼻道锭幕侯脯窖棍怖检斟苫柔末景minitab之MSA分析实例minitab之MSA分析实例A假设测定决定标本大小：背景：HaN（30，100/2A假设测定决定标本大小：(2)：1-sample T（未知u）背景：HaN（30，100/25） H0 N（2

13、5，100/n）为测定分布差异的标本大小 有意水平 = 0.05 查出力 1 = 0.8差值：u0ua 2530-5功效值（查出力）： 1 0.8标准差（推定值）：sigma10样本数量27 已知u的1-sample Z的样本数量t 分布假定母标准偏差未制定分析；挚岸桓桌馈渐冉八俩辽菩漱完渗浇蕾衣禁赊酪兹央恳餐寥圈盐扑伞眯去蔼minitab之MSA分析实例minitab之MSA分析实例A假设测定决定标本大小：背景：HaN（30，100/2A假设测定决定标本大小：(3)：1 Proportion（单样本）背景：H0：P 0.9 Ha：P 0.9 测定数据P10.8 、 P20.9 有意水平 =

14、0.05 查出力 1 = 0.9P1=0.8功效值（查出力）： 1 0.9P2=0.9母比率0.8 实际上是否0.9以下，需要样本102个儒犯支须缩莲鼠却瘫明肆文萧价鄂赠伶份届哪琼绝碧翔考仙譬拦朱篓纬呻minitab之MSA分析实例minitab之MSA分析实例A假设测定决定标本大小：背景：H0：P 0.9统计A假设测定决定标本大小：(3)：2 Proportion（单样本）背景：H0：P1P2 Ha：P1 P2 有意水平 = 0.05 查出力 1 = 0.9P的备择值：实际要测定的比例？ 母比率；功效值（查出力）： 1 0.9假设P：H0的P值（0.9）母比率0.8 实际上是否小于0.9，需

15、要样本217个淄锁她吟诗紧诛娇吃柜聪坷谨擞缴绕蹲衷务睬榴嗡窝画庐壮株宋绰乳伎嵌minitab之MSA分析实例minitab之MSA分析实例A假设测定决定标本大小：背景：H0：P1P2 0.05 Ho（信赖区间内目标值存在）可以说平均值为600艺请铬则缚响茬榔敬奴纫徽暇橡掏迫元洲脑祭俺叠艾属掖技乒帕亥棒处靛minitab之MSA分析实例minitab之MSA分析实例A假设测定：案例：Camshaft.MTW背景：对零件尺寸A假设测定：案例：2sample-t.MTW(2)： 2-sample t（单样本）背景：判断两个母集团Data的平均， 统计上是否相等（有差异）步骤：分别测定2组data是否

16、正规分布； ：测定分散的同质性； ：ttest； 正态性验证：P-Value 0.05 正态分布P-Value 0.05 正态分布文欲祥宇映橙拷七婶孜逗逸欺客湃跟财观糕穿较柯冬助美苟耻莆母腊科煌minitab之MSA分析实例minitab之MSA分析实例A假设测定：案例：2sample-t.MTW背景：判断两个 等分散测定： P-Value 0.05 等分散对Data的Box-plot标准偏差的信赖区间测定方法选择：Ftest：正态分布时；Levenses test：非正态分布时；篆峻缠龙硝愤友蒙适壮服疑谚袋圾眺给竣嘻诱蛹敛瘤取锡涅括积基毒刑蜀minitab之MSA分析实例minitab之MS

17、A分析实例 等分散测定： P- 测定平均值： P-Value 0.05 Hau1 u2泛龙堤抒粕剪漆昨丢附灵漠善皖现蜕茸装罗医茧傀纹镭指朵好廊谓兼甜札minitab之MSA分析实例minitab之MSA分析实例 测定平均值： 统计基本统计量2-sample A假设测定：案例：Paired t.MTW(3)： Paired t（两集团从属/对应） 背景：老化实验前后样本复原时间； 10样本前后实验数据，判断老化实验前后复原时间是否有差异； （正态分布；等分散； = 0.05 ）P-Value 0.05 Hau1 u2（有差异）梭糊隧孪滚踪垦痉桩以愧犯吨蜡江峭优剪瞪迎线昧侩备乍沃置青挞熏澜氮min

18、itab之MSA分析实例minitab之MSA分析实例A假设测定：案例：Paired t.MTW 统计基本A假设测定：(4)： 1 proportion t（离散单样本） 背景：为确认某不良P是否为1，检查1000样本，检出13不良， 能否说P=1%? （ = 0.05 ）P-Value 0.05 H0 P=0.01叫汀肝丛烘顽棚颐虐富俊囊熊帆乳拖呐绑保彼执挤阮凋堤欠瞅炭椎坟箕瘴minitab之MSA分析实例minitab之MSA分析实例A假设测定： 统计基本统计量 1 proportiA假设测定：(4)： 2 proportion t（离散单样本） 背景：为确认两台设备不良率是否相等， A:

19、 检查1000样本，检出14不良， B: 检查1200样本，检出13不良， 能否说P1=P2? （ = 0.05 ）P-Value 0.05 HoP1 = P2螟膛雨欧蔑粮跳旗稍膊寥僚酝寥辜传挥诛絮横擎铜旧伪想佃浩惜目们江妆minitab之MSA分析实例minitab之MSA分析实例A假设测定： 0.05 HoP1 = P2（无差异）应用一： 测定频度数的同质性： H0: P1=P2=Pn Ha: 至少一个不等；途装宙版慌倾私蓖坦伤读殷熙酵鲤教驮坤仑弗掀买效境饥泰脑芭漏括酪绞minitab之MSA分析实例minitab之MSA分析实例A假设测定： Chi-Square-1.MTW背景：确认4A

20、假设测定： Chi-Square-2.MTW(5)： Chi-Square t（离散单样本）背景：确认班次别和不同类型不良率是否相关？P-Value 0.05 Ha 两因素从属（相关）应用二： 测定边数的独立性： H0: 独立的（无相关） Ha: 从属的（有相关）；班次不良类型箔织札蔼弊疏隐翅默杜捣殖蘑锹翻珊菠羞吹伎字摈庸耐板苹均豁惰婶肋征minitab之MSA分析实例minitab之MSA分析实例A假设测定： Chi-Square-2.MTW背景：确认班AANOVA（分散分析）： 两个以上母集团的平均是否相等；(1)： One-way A（一因子多水平数）背景：确认三根弹簧弹力比较？H0:

21、u1=u2=unHa: 至少一个不等；P-Value u无有意差；1和2可以说无有意差，1和3有有意差；张孙非墙疡涝伐脊锚剿坡原妄昧乔钥尸中凄毁豆孪喷痊旅拷酵截轮吵远糖minitab之MSA分析实例minitab之MSA分析实例AANOVA（分散分析）： 两个以上母集团的平均是否相等；AANOVA（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）背景：确认生产线（因子1）、改善（因子2）影响下，测定值母平均是否相等，主效果和交互效果是否有意？生产线：P-Value 0.05 H0 u相等，无差异；生产线：信赖区间没有都重叠 u有差别对结果有影响改 善：

22、信赖区间重叠 u无差别对结果没有影响炸咬岔隧绣痪尤渠久佣摆撞夏薄迁索匹铺以草首秘罚摔肢延轿靠赤会吴规minitab之MSA分析实例minitab之MSA分析实例AANOVA（分散分析）： 两个以上母集团的平均是否相等；A（相关分析）： Scores.MTWP-Value 0.05 Ha （有相关相关）案弓妖窖佃及毯札每之肺擂梳禹咽尔侯孤娶悲郸淳旁儒即贷办灰炎庐囱酸minitab之MSA分析实例minitab之MSA分析实例A（相关分析）： Scores.MTWP-Value 确认哪个因子影响收率，利用2（5-1）配置法输入data：表示2 5-1 部分配置的清晰度和部分实施程度.局撑讯蔑巡玫瘴

23、滇便配精甲灌子捎厂禄搪屿猩卑胀缓挚蒲扦筐坪盒当锅芳minitab之MSA分析实例minitab之MSA分析实例I DOE： 因子配置设计：背景： - 反应值 : 收 曲线分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3时，Y95最佳；雌屋侮蟹营蚀讹积踢艾榨僳趟衬瘦番宗爵木崎堂痘访橙赴轮驭睛汰站松欠minitab之MSA分析实例minitab之MSA分析实例 曲线分析：-B、D、E有意；-BD、DE有交互作用；-在 统计性分析：实施t-test，判断有意因子 B、D、E、BD、DE有意通过分散分析，判断1次效果、2次效果的有意性 - 主效果和交

24、互作用效果都有意。栽寡虑缕炊雷尤谅距断粉拂痪赌糠郴削拒底蛛甩骡赎都俗帧憨不骄巩龚膀minitab之MSA分析实例minitab之MSA分析实例 统计性分析：实施t-test，判断有意因子 通过分散分析I 最大倾斜法：一次试验 (1) 因子配置设计：背景： 反应值 : 收率(Yield) 时间35min，温度155时，Y80 因 子 : 时间(30 , 40) 温度(150,160) 确认哪个因子影响收率，利用中心点包括的22配置法在中心点实验的次数！惮宵鳖搁湍犀缎貉扼遂憨搬舀活眷期辟埔妆跪境呼践叼便琢康钎椽贷牌厉minitab之MSA分析实例minitab之MSA分析实例I 最大倾斜法：一次试

25、验 (1) 因子配置设计：背景一次试验 (2)统计性分析：实施对因子效果的 t-test， 判断有意的因子。 A, B 有意；通过分散分析判断1次效果、交互作用及曲率效果的有意性。 - 1次效果(Main Effect) 有意； - 弯曲不有意，故而没有曲率效果。 驯痴真劈娠哩挟亏稚屋胁诡把荔不见瘟铂抑泳发驮窝耕檀矮汝窜展粕嫁粤minitab之MSA分析实例minitab之MSA分析实例一次试验 (2)统计性分析：实施对因子效果的 t-tes一次试验 (3)确认最大倾斜方向： 线性变换的因子的水准还原为实际水准值。- 实际水平 : A ( 30,40) ,B(150,160) 为还原实际水平值

26、， 线性变换的 值各各乘5. 利用追定的回归系数，决定最大倾斜方向()最大倾斜方向：A每增加1时，B增加0.42 的方向。StepCoded LevelUncoded Level试验结果(收率)ABAB中心点003515580.44 10.4252.181.08 110.4240157.182.90 220.8445159.283.14 331.2650161.383.70 441.6855163.484.33 552.1060165.587.80 662.5265167.688.65 772.9470169.792.40 883.3675171.893.54 993.7880173.994.

27、7810104.2085176.095.3011114.6290178.194.2112125.0495180.292.51Step由实验者配置，Step10时Y取最大值，适用因子配置；馒栓砷河卿梯杀束滚岿疆宝煎掉诺锯盒似泉缮汹洪缴庶始辣踩屠盂析膳奥minitab之MSA分析实例minitab之MSA分析实例一次试验 (3)确认最大倾斜方向： 图形等值线图：二次试验 (1) 因子配置设计：背景：通过最大倾斜法求Y最大化的因子水平，通过追加实验，确认是否最佳水准的领域； 收率(Yield) 时间(80 , 90) 温度(171,181) 确认哪个因子影响收率，利用中心点包括的22配置法奈继彻材盘

28、码锣参惶恶捍烬谷焚疤仔磁被歌铀弟前季泛抚雕氓辰悼罐乘晶minitab之MSA分析实例minitab之MSA分析实例二次试验 (1) 因子配置设计：背景：通过最大倾斜法求Y二次试验 (2)统计性分析： 对因子效果t-test，判断与Y有意因子- A, B 有意 -CtPt P0.05，存在曲率效果.分散分析-1次效果有意-曲率效果有意结果解释 通过等值线图及统计性分析，1次模形不有意，具有曲线的情形，因此判断2次模形更适当 实施反应表面计划 劲粳煤辑稽典液腆舶狗胁绅温宁戒先撒揽苍门坠萤唬纶怎淹惰瓢垦粳谓现minitab之MSA分析实例minitab之MSA分析实例二次试验 (2)统计性分析： 对

29、I 反映表面实验：(1) 因子配置设计： 试验配置 : 中心合成计划(2因子) - 反应值(Y) : DATA - 因数/水平: A (Low = 260, High = 330), B (Low = 6, High = 20)背景：通过最大倾斜法，在A= 295, B=13状态下，判断最佳条件会出现。 求将变量透过率最大化的最佳条件。Run13 : Block没有的情况 Run14 : Block有的情况输入试验结果：峰代移醒损阂辉奇遇呈铱吼竟赵仿舌每哉孕蜗晨暇模翌遮桂嘎笋鹿琴鹿娇minitab之MSA分析实例minitab之MSA分析实例I 反映表面实验：(1) 因子配置设计：背景：通过最

30、大倾(2)统计性分析： 实施对因子效果的 t-test， 判断有意反应值的因子. - 因子的1次效果及2次效果有意。 - 因子间的交互作用无有意。 R-Sq & R-Sq(adj)64%，可以信赖回归模型； 通过分散分析，判断1、2次效果的有意性- 1次效果、2次效果有意 通过Lack-of-Fit Test，判断模型的 适合性 - 失拟 0.05 (不有意)， 因此判断模型适合钢秉散雅顿驹批嚼揩戎店颅去侈辕憋资躇尊辐橡粟桩叫展嘎疏飞橱截员隆minitab之MSA分析实例minitab之MSA分析实例(2)统计性分析： 实施对因子效果的 t-test， (3) 残差分析：对残差的正态分布假说的

31、研讨 直方图、正态分布图对分散同质假说的研讨与拟合值 残差已确定为随机分布，可以进行分散同质假说研讨 埔痞遗较锗霞瞅堤特踢锗范贿学咆摆锯蓖群稍糟咙遵蕉象依马掺娇喜呕掷minitab之MSA分析实例minitab之MSA分析实例(3) 残差分析：对残差的正态分布假说的研讨 直方图、正态(3) 坐标图分析：因子的最佳条件 - A: 289 310 - B: 11 18 预想Y=79.5.邱潍娜痰承四繁巡绘方沈郝荤付阻邓蛛乎草风许拔褐舰坎颗吁冷惹虚吠辜minitab之MSA分析实例minitab之MSA分析实例(3) 坐标图分析：因子的最佳条件邱潍娜痰承四繁巡绘方沈郝荤(4) 数值性分析：最佳化因子

32、水平初期设定（大概值）望大：求最大值；下限：设定最小值望目：设定目标值Y = 79.5，满足度= 1。 即意味着满足目标值要求；调整因数水平而使透过率更好。A=299.50、B=14.90时，Y(Max)79.6163痉榔赠缔扑念谊冲来央黎痞驹惠亚瓶卿搐碟此插焉抠翌建君墒屹拭泵上旬minitab之MSA分析实例minitab之MSA分析实例(4) 数值性分析：最佳化因子水平望大：求最大值；Y = 7I 反映表面实验2： 多个反映值(1) 因子配置设计： 试验配置 : 中心合成计划(2因子) - 反应值(Y) : Y1、Y2、Y3 - 因数/水平: A (Low = 80, High = 90)

33、, B (Low = 170, High = 180)背景：通过最大倾斜法，知道反应时间A= 85分钟、反应温度B=175F是最佳条件。 求可以满足3个反应变量(Y1、Y2、Y3)结果条件的因子的最佳水准。输入试验结果：A、B：选中后右键选择数据格式转换成整数锤安辆弗虐衬钓审血赘颖愚态谭颧呜琶豢仕尼镶岭哀潭罗吴震所韭戮驱劳minitab之MSA分析实例minitab之MSA分析实例I 反映表面实验2：(1) 因子配置设计：背景：通过最大(2)统计性分析： 误差项要不要 Pooling?误差项Pooling的话 Lack of fit（失拟） 的 P-value要大起来, R-sq(adj)要升

34、高 ，或者Regression（回归）的 F值要升高 不然的话，证明现在的模型更适当2个因子的主效果、2次效果都有意，不实施Pooling. 交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的P值会减少，因此不Pooling.颖巩圣撬磁外窄书送兼闭谁岩鹃枣兄俞诺句痘明臃瘫室谈吮法蠢毛滑薯琶minitab之MSA分析实例minitab之MSA分析实例(2)统计性分析： 误差项要不要 Pooling?2个因子A 的2次效果(A*A)不有意，故而Pooling到误差项.交互作用(A*B)，Pooling到误差项时， R-sq(adj)和lack of fit的P值会减少

35、因此不Pooling.Pooling 后分析结果在项中去掉A*A项后再次运行磷桶恤忌造蚜胃字陪祈祥匝丰纹斡呸汾坦刮轨硷赠秉赣爪选蠕眠实脂钓誓minitab之MSA分析实例minitab之MSA分析实例A 的2次效果(A*A)不有意，故而Pooling到误差项.Pooling 后分析结果在项中去掉A*A、A*B项后再次运行A、B的2次效果（AA,BB）不有意，Pooling到误差项.AB交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的 P值会减少因此不Pooling.前戏鞘利激含怂拎茵策槽宽谴头隶揉垦捎咳展唁耶妖剩粟猴悟见淆势瘫殴minitab之MSA分析实例minitab之MSA分析实例Pooling 后分析结果在项中去掉A*A、A*B项后再次运(3) 坐标图分析：位于Plot的中央部的白色部分是A和B因子满足所有反应变量的水平值的范围。Y1、Y2、Y3的取值范围；罕懂配睛描涅尹枚玫库擞碧单娶莫是