MSA測(cè)量系統(tǒng)分析之Minitab中文應(yīng)用案例(步驟清晰)

MSA測(cè)量系統(tǒng)應(yīng)用Minitab分析及使用方法MSA（MeasurementSystemAnalysis）——測(cè)量系統(tǒng)分析。

是使用數(shù)理統(tǒng)計(jì)和圖表的方法對(duì)測(cè)量系統(tǒng)的分辨率和誤差進(jìn)行分析，以評(píng)估測(cè)量系統(tǒng)的分辨率和誤差對(duì)于被測(cè)量的參數(shù)來說是否合適，并確定測(cè)量系統(tǒng)誤差的主要成分。2.測(cè)量系統(tǒng)分析的必要性測(cè)量系統(tǒng)必須有良好的準(zhǔn)確性與精確性。2.1準(zhǔn)確性：測(cè)量值與真實(shí)值之間的差異。（1）偏倚（Bias）：測(cè)量的平均值與基準(zhǔn)值（真值）的差異。（2）穩(wěn)定性（Stability）：隨著時(shí)間推移，系統(tǒng)測(cè)量的準(zhǔn)確性。（3）線性（Linearity）：在量程范圍內(nèi)，偏倚是基準(zhǔn)值的線性函數(shù)。部件的大小如何影響測(cè)量系統(tǒng)的準(zhǔn)確性。

測(cè)量系統(tǒng)的準(zhǔn)確性（偏倚）可以通過校準(zhǔn)加以修正2.2精準(zhǔn)性：使用同一工具重復(fù)測(cè)量相同工件時(shí)存在的差異。

（1）重復(fù)性（Repeatability）：同一操作者對(duì)同一零件同一特征用同一測(cè)量?jī)x器的多次測(cè)量。（2）再現(xiàn)性（Reproducibility）：由不同操作者對(duì)同一零件同一特征用同一測(cè)量?jī)x器的測(cè)量。3.使用Minitab進(jìn)行GageR&R分析GageR&R：（Gaugerepeatability&Reproducibility）評(píng)價(jià)重復(fù)性和再現(xiàn)性，是MSA的一種常用方法。3.1測(cè)量系統(tǒng)分析準(zhǔn)備及要求：（1）隨機(jī)抽取樣品10件，編號(hào)1-10#（但不能超過規(guī)定公差）（2）每個(gè)樣品擬定一個(gè)測(cè)試位置，每個(gè)位置隨機(jī)測(cè)量2次。（3）測(cè)量量具需要精度較高，一般要求精度達(dá)到測(cè)量樣品公差的1/10或測(cè)量尺寸極差的1/10。

（4）符合使用測(cè)量量具要求的測(cè)量人員3名。

（5）測(cè)量時(shí)遵循隨機(jī)原則，每人

每件測(cè)量2次，共測(cè)量60個(gè)數(shù)據(jù)（可使用Minitab軟件，生成《創(chuàng)建量具R&R研究工作表》按表進(jìn)行隨機(jī)測(cè)量）。4.詳細(xì)步驟：（以測(cè)量曲柄軸外徑尺寸為例）4.1如圖所示統(tǒng)計(jì)質(zhì)量工具量具研究創(chuàng)建量具R&R研究工作表測(cè)量員名字待測(cè)零件數(shù)測(cè)量員數(shù)量4.2（1）要要求生成《創(chuàng)建量具R&R研究工作表》。

測(cè)量值測(cè)量員零件編號(hào)零件編號(hào)及固定治具注：每人每次測(cè)量時(shí)用刀口尺對(duì)齊，可保證每人每次測(cè)量時(shí)都是測(cè)量的同一位置.測(cè)量順序測(cè)徑儀精度0.0001mm（2）按表格順序依次按測(cè)量員及零件編號(hào)測(cè)量尺寸4.3.輸入數(shù)據(jù)后進(jìn)行分析：如圖所示：統(tǒng)計(jì)質(zhì)量工具量具研究量具R&R研究（交叉）一般選擇交叉1.當(dāng)每個(gè)零件是由每個(gè)測(cè)量員多次測(cè)量時(shí)需使用量具R&R研究（交叉）.2.當(dāng)每個(gè)零件只由一個(gè)測(cè)量員測(cè)量（如破壞試驗(yàn)）時(shí)，使用量具R&R研究（嵌套）.4.4（1）.依次在選擇欄中依次選擇各項(xiàng)填入待選欄選擇欄按名稱依次選擇選擇方差分析更準(zhǔn)確待選欄填入相關(guān)資料（2）.在量具信息與選項(xiàng)欄分別填入相關(guān)資料與信息。一般為6倍標(biāo)準(zhǔn)差零件公差規(guī)格注：其他選項(xiàng)若無要求，選擇默認(rèn)項(xiàng)，不做改動(dòng)。4.5、結(jié)果生成：數(shù)據(jù)表與圖表數(shù)據(jù)會(huì)話表圖表分析表5.結(jié)果分析：（1）圖表分析

變異分量條形圖：展示了會(huì)話窗口中的計(jì)算結(jié)果，此圖顯示整個(gè)散布中R&R占的比重是否充分小。判斷：量具R&R，重復(fù)（Repeat）,再現(xiàn)性（Reprod）越小越好。這三個(gè)越小越好展示R控制圖：是每個(gè)操作員測(cè)量每一個(gè)部件的極差圖，顯示作業(yè)者間測(cè)定值是否穩(wěn)定。判斷：此圖絕大多數(shù)值應(yīng)該在控制限內(nèi)。若超出R

Chart的界限，則要調(diào)查原因并重新測(cè)定。Xbar控制圖：以所有部件總平均值為中心，以重復(fù)觀測(cè)的標(biāo)準(zhǔn)差繪制的控制圖，用來互相鑒別其它部品的能力是否充分。判斷：此圖絕大多數(shù)應(yīng)該在控制限外（至少50%）。數(shù)值應(yīng)該在控制限內(nèi)應(yīng)多數(shù)值在控制限外在控制限外表示過程實(shí)際的變差大，同時(shí)表明測(cè)量能力高。部件對(duì)比圖：可顯示在研究過程中所測(cè)量的并按部件排列的所有測(cè)量結(jié)果。測(cè)量結(jié)果用點(diǎn)表示，平均值用帶十字標(biāo)的圓形符號(hào)表示。判斷：1.每個(gè)部件的多個(gè)測(cè)量值應(yīng)緊靠在一起，表示測(cè)量的重復(fù)再現(xiàn)性的變差小。

2.各平均值之間的差別應(yīng)明顯，這樣可以清楚地看出各部件之間的差別。

例：圖中的7#、10#重復(fù)測(cè)量的精確度較其他點(diǎn)要差，如果測(cè)量系統(tǒng)的R&R偏大時(shí)，可以對(duì)7#、10#進(jìn)行分析。均值操作員對(duì)比圖：顯示研究中每個(gè)操作員對(duì)每個(gè)部件所測(cè)量的并按部件排列的平均測(cè)量結(jié)果。判斷：均值的連線變化越小，表明再現(xiàn)性的變差越小，則再現(xiàn)性越好。均值操作員*部件交互作用圖：三人按零件分組的測(cè)量結(jié)果均值運(yùn)行圖。判斷：三條均值連線越平行，證明人與部件交互作用越小。例：可以根據(jù)點(diǎn)的重合度查看某個(gè)零件測(cè)量時(shí)是否出現(xiàn)問題，圖中的3#、7#可以深一步進(jìn)行討論。（2）數(shù)據(jù)分析：A.方差分析表B.量具R&R表結(jié)果%貢獻(xiàn)%研究變量%公差可區(qū)分的類別數(shù)1.測(cè)量系統(tǒng)可接受。＜1%＜10%＜10%＞102.測(cè)量系統(tǒng)是否接受取決于具體應(yīng)用、測(cè)量設(shè)備成本、維修成本及其他因素。1%～10%10%～30%10%～30%5～103.測(cè)量系統(tǒng)不可接受并應(yīng)予以改進(jìn)。＞9%＞30%＞30%＜5貢獻(xiàn)率0.4%，小于1%，測(cè)量系統(tǒng)可接受%研究變異為6.29%，小于10%，測(cè)量系統(tǒng)可接受%公差為9.69%，小于10%，測(cè)量系統(tǒng)可接受可區(qū)分?jǐn)?shù)為22，大于10，測(cè)量系統(tǒng)可接受測(cè)量系統(tǒng)分析案例

應(yīng)用Minitab方法案例篇M--測(cè)量系統(tǒng)分析案例：連續(xù)型案例：

gageaiag.Mtw

背景：3名測(cè)定者對(duì)10部品反復(fù)2次TEST－>測(cè)量值隨OP的變動(dòng)－>測(cè)量值隨部品的變動(dòng)－>對(duì)于部品10，OP有較大分歧；所有點(diǎn)落在管理界限內(nèi)－>良好大部分點(diǎn)落在管理界限外－>主變動(dòng)原因：部品變動(dòng)－>良好M--測(cè)量系統(tǒng)分析：離散型案例（名目型）：gage名目.Mtw背景：3名測(cè)定者對(duì)30部品反復(fù)2次TEST檢查者1需要再教育；檢查者3需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異個(gè)人與標(biāo)準(zhǔn)的一致性（再現(xiàn)性？）M--測(cè)量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測(cè)定者對(duì)30部品反復(fù)2次TEST張四需要再教育；張一、張五需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異M--正態(tài)性測(cè)定:(測(cè)定工序能力的前提)案例：背景：3名測(cè)定者對(duì)10部品反復(fù)2次TESTP-value>0.05－>正態(tài)分布（P越大越好）本例：P＝0.022，數(shù)據(jù)不服從正態(tài)分布。原因：1、Data分層混雜；

2、群間變動(dòng)大；M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW①工程能力統(tǒng)計(jì)：短期工序能力長(zhǎng)期工序能力X平均＝目標(biāo)值－>Cp＝CpmX平均≠目標(biāo)值－>Cp>Cpm②求解Zst（輸入歷史均值）：歷史均值：表示強(qiáng)行將它拉到中心位置－>不考慮偏移－>Zst(Bench)③求解Zlt（無歷史均值）：無歷史均值：－>考慮偏移－>Zlt(Bench)*Zshift＝Zlt(Bench)－

Zlt(Bench)＝12.13－1.82＝0.31

工序能力分析：案例：Camshaft.MTW另：capabilitysixpack工具M(jìn)--工序能力分析（離散型）：案例：bpcapa.MTW(1)：二項(xiàng)分布的Zst缺陷率：不良率是否受樣本大小影響？－平均（預(yù)想）PPM＝226427－Zlt＝0.75＝>Zst＝Zlt＋1.5＝2.25M--工序能力分析（離散型）：案例：bpcapa.MTW(2)：Poisson分布的ZstA—Graph（坐標(biāo)圖）：案例：Pulse.MTW(1)Histograpm（直方圖）－單變量通過形態(tài)確認(rèn)：－正規(guī)分布有無；－異常點(diǎn)有無；(2)Plot（散點(diǎn)圖）－X、Y雙變量通過形態(tài)確認(rèn)：－相關(guān)關(guān)系；－確認(rèn)嚴(yán)重脫離傾向的點(diǎn)；(3)MatrixPlot（行列散點(diǎn)圖－矩陣圖）－多變量(4)BoxPlot（行列散點(diǎn)圖－矩陣圖）－多變量(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對(duì)Y的影響（大概）；－>材料和時(shí)間存在交互作用；(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對(duì)Y的影響（）；<統(tǒng)計(jì)－方差分析－主效果圖、交互效果圖：>傾斜越大，主效果越大無交互效果－>平行；有交互效果－>交叉；(5)Multi-variChart（多變因圖）Sinter.MTW目的：掌握多X因子變化對(duì)Y的影響（交互作用細(xì)節(jié)）；<統(tǒng)計(jì)－方差分析－雙因子：>材料、交互的P<0.05－>有意；A—假設(shè)測(cè)定－決定標(biāo)本大?。?1)：1-sampleZ（已知u）背景：Ha～N（30，100/25）

H0～N（25，100/n ）－為測(cè)定分布差異的標(biāo)本大小有意水平

α=0.05

查出力

1－β=0.8<統(tǒng)計(jì)－功效和樣本數(shù)量－1-sampleZ：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β

＝0.8標(biāo)準(zhǔn)差：sigma＝10A—假設(shè)測(cè)定－決定標(biāo)本大?。?2)：1-sampleT（未知u）背景：Ha～N（30，100/25）

H0～N（25，100/n ）－為測(cè)定分布差異的標(biāo)本大小有意水平

α=0.05

查出力

1－β=0.8<統(tǒng)計(jì)－功效和樣本數(shù)量－1-samplet：>差值：u0－ua＝25－30＝-5功效值（查出力）：1－β

＝0.8標(biāo)準(zhǔn)差（推定值）：sigma＝10樣本數(shù)量27>已知u的1-sampleZ的樣本數(shù)量－>t分布假定母標(biāo)準(zhǔn)偏差未制定分析；A—假設(shè)測(cè)定－決定標(biāo)本大?。?3)：1Proportion（單樣本）背景：H0：P＝0.9Ha：P<0.9

測(cè)定數(shù)據(jù)P1＝0.8、P2＝0.9

有意水平

α=0.05

查出力

1－β=0.9<統(tǒng)計(jì)－功效和樣本數(shù)量－1Proportion：>P1=0.8功效值（查出力）：1－β

＝0.9P2=0.9母比率0.8實(shí)際上是否0.9以下，需要樣本102個(gè)A—假設(shè)測(cè)定－決定標(biāo)本大?。?3)：2Proportion（單樣本）背景：H0：P1＝P2Ha：P1<P2

有意水平

α=0.05

查出力

1－β=0.9<統(tǒng)計(jì)－功效和樣本數(shù)量－1Proportion：>P的備擇值：實(shí)際要測(cè)定的比例？

－－母比率；功效值（查出力）：1－β

＝0.9假設(shè)P：H0的P值（0.9）母比率0.8實(shí)際上是否小于0.9，需要樣本217個(gè)A—假設(shè)測(cè)定：案例：Camshaft.MTW(1)：1-samplet（單樣本）背景：對(duì)零件尺寸測(cè)定100次，數(shù)據(jù)能否說明與目標(biāo)值（600）一致（α=0.05

）P-Value>0.05→Ho（信賴區(qū)間內(nèi)目標(biāo)值存在）→可以說平均值為600A—假設(shè)測(cè)定：案例：2sample-t.MTW(2)：2-samplet（單樣本）背景：判斷兩個(gè)母集團(tuán)Data的平均，統(tǒng)計(jì)上是否相等（有差異）步驟①：分別測(cè)定2組data是否正規(guī)分布；②：測(cè)定分散的同質(zhì)性；③：t－test；①正態(tài)性驗(yàn)證：<統(tǒng)計(jì)－基本統(tǒng)計(jì)－正態(tài)性檢驗(yàn)：>P-Value>0.05→正態(tài)分布P-Value>0.05→正態(tài)分布②等分散測(cè)定：

<統(tǒng)計(jì)－基本統(tǒng)計(jì)量－雙方差：>P-Value>0.05→等分散對(duì)Data的Box-plot標(biāo)準(zhǔn)偏差的信賴區(qū)間測(cè)定方法選擇：F－test：正態(tài)分布時(shí)；Levense’stest：非正態(tài)分布時(shí)；③測(cè)定平均值：

<統(tǒng)計(jì)－基本統(tǒng)計(jì)量－2-samplet：>P-Value<0.05→Ha→u1≠u2A—假設(shè)測(cè)定：案例：Pairedt.MTW(3)：Pairedt（兩集團(tuán)從屬/對(duì)應(yīng)）

<統(tǒng)計(jì)－基本統(tǒng)計(jì)量－配對(duì)t：>背景：老化實(shí)驗(yàn)前后樣本復(fù)原時(shí)間；

10樣本前后實(shí)驗(yàn)數(shù)據(jù)，判斷老化實(shí)驗(yàn)前后復(fù)原時(shí)間是否有差異；（正態(tài)分布；等分散；α=0.05）P-Value<0.05→Ha→u1≠u2（有差異）A—假設(shè)測(cè)定：(4)：1proportiont（離散－單樣本）

<統(tǒng)計(jì)－基本統(tǒng)計(jì)量－1proportiont：>背景：為確認(rèn)某不良P是否為1％，檢查1000樣本，檢出13不良，能否說P=1%?（α=0.05

）P-Value>0.05→H0→P=0.01A—假設(shè)測(cè)定：(4)：2proportiont（離散－單樣本）

<統(tǒng)計(jì)－基本統(tǒng)計(jì)量－2proportiont：>背景：為確認(rèn)兩臺(tái)設(shè)備不良率是否相等，

A:檢查1000樣本，檢出14不良，

B:檢查1200樣本，檢出13不良，能否說P1=P2?（α=0.05

）P-Value>0.05→Ho→P1=P2A—假設(shè)測(cè)定：Chi-Square-1.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)4個(gè)不同條件下，某不良是否有差異？P-Value>0.05→Ho→P1=P2＝…（無差異）應(yīng)用一：測(cè)定頻度數(shù)的同質(zhì)性：

H0:P1=P2=…=PnHa:至少一個(gè)不等；A—假設(shè)測(cè)定：Chi-Square-2.MTW(5)：Chi-Squaret（離散－單樣本）背景：確認(rèn)班次別和不同類型不良率是否相關(guān)？P-Value<0.05→Ha→兩因素從屬（相關(guān)）應(yīng)用二：測(cè)定邊數(shù)的獨(dú)立性：

H0:獨(dú)立的（無相關(guān)）

Ha:從屬的（有相關(guān)）；班次不良類型A—ANOVA（分散分析）：兩個(gè)以上母集團(tuán)的平均是否相等；(1)：One-wayA（一因子多水平數(shù)）背景：確認(rèn)三根彈簧彈力比較？H0:u1=u2=…=unHa:至少一個(gè)不等；P-Value<0.05→Ha→u不等，有差異；信賴區(qū)間都重疊－>u無有意差；1和2可以說無有意差，1和3有有意差；A—ANOVA（分散分析）：兩個(gè)以上母集團(tuán)的平均是否相等；(1)：Two-wayA（2因子多水平數(shù)）背景：確認(rèn)生產(chǎn)線（因子1）、改善（因子2）影響下，測(cè)定值母平均是否相等，主效果和交互效果是否有意？生產(chǎn)線：P-Value<0.05→Ha→u不等，有差異；改善、交互：P-Value>0.05→H0→u相等，無差異；生產(chǎn)線：信賴區(qū)間沒有都重疊－>u有差別－>對(duì)結(jié)果有影響改善：信賴區(qū)間重疊－>u無差別－>對(duì)結(jié)果沒有影響A—（相關(guān)分析）：Scores.MTWP-Value<0.05→Ha→（有相關(guān)相關(guān)）I—DOE：(1)：2因子2水準(zhǔn)①因子配置設(shè)計(jì)：輸出結(jié)果：輸入實(shí)驗(yàn)結(jié)果②曲線分析：傾斜越大，主效果越大交叉越大，交互效果越大最大的data③統(tǒng)計(jì)性分析：實(shí)施對(duì)因子效果的t-test，判斷與data有意的因子。A、B對(duì)結(jié)果有意；AB交互對(duì)結(jié)果無有意；通過分散分析，判斷1次效果、2次效果的有意性；

-主效果有有意，

-交互效果無有意。顯示因子的水準(zhǔn)不能線性變換

(Coded)時(shí)的回歸系數(shù).-Coded是指實(shí)際因子水準(zhǔn)

(-1,+1)變換為線性變換。I—DOE：(2)：多因子不同水準(zhǔn)①因子配置設(shè)計(jì)：輸入data：反復(fù)次數(shù)②曲線分析：傾斜越大，主效果越大無法確認(rèn)交互效果③統(tǒng)計(jì)性分析：通過分散分析，判斷1次效果、2次效果的有意性；

-主效果有有意，

-交互效果無有意。④確認(rèn)此后試驗(yàn)方向：最佳方向I—DOE：(3)：2水準(zhǔn)部分配置①因子配置設(shè)計(jì)：背景：

-反應(yīng)值

:收率(Yield)-因子

:流入量(10,15),觸媒(1,2),旋轉(zhuǎn)數(shù)(100，120),溫度(140,180),濃度(3,6)－>確認(rèn)哪個(gè)因子影響收率，利用2（5-1）配置法輸入data：表示25-1部分配置的清晰度和部分實(shí)施程度.②曲線分析：-B、D、E有意；-BD、DE有交互作用；-在A=10,B=2,C=120,D=180,E=3時(shí)，Y＝95最佳；③統(tǒng)計(jì)性分析：實(shí)施t-test，判斷有意因子

B、D、E、BD、DE有意通過分散分析，判斷1次效果、2次效果的有意性

-主效果和交互作用效果都有意。I—最大傾斜法：一次試驗(yàn)－－(1)因子配置設(shè)計(jì)：背景：

反應(yīng)值

:收率(Yield)時(shí)間＝35min，溫度＝155時(shí)，Y＝80％－>因子

:

時(shí)間(30,40)

溫度(150,160)

確認(rèn)哪個(gè)因子影響收率，利用中心點(diǎn)包括的22配置法在中心點(diǎn)實(shí)驗(yàn)的次數(shù)！一次試驗(yàn)－－(2)統(tǒng)計(jì)性分析：實(shí)施對(duì)因子效果的

t-test，

判斷有意的因子。

－A,B

有意；通過分散分析判斷1次效果、交互作用及曲率效果的有意性。

-1次效果(MainEffect)

有意；-彎曲不有意，故而沒有曲率效果。

一次試驗(yàn)－－(3)確認(rèn)最大傾斜方向：

<圖形－等值線圖：>

線性變換的因子的水準(zhǔn)還原為實(shí)際水準(zhǔn)值。-實(shí)際水平

:A(30,40),B(150,160)→

為還原實(shí)際水平值，

線性變換的△值各各乘5.

利用追定的回歸系數(shù)，決定最大傾斜方向(Δ)最大傾斜方向：A每增加1時(shí)，B增加0.42的方向。StepCodedLevelUncodedLevel試驗(yàn)結(jié)果(收率)ABAB中心點(diǎn)003515580.44Δ10.4252.181.08Δ110.4240157.182.90Δ220.8445159.283.14Δ331.2650161.383.70Δ441.6855163.484.33Δ552.1060165.587.80Δ662.5265167.688.65Δ772.9470169.792.40Δ883.3675171.893.54Δ993.7880173.994.78Δ10104.2085176.095.30Δ11114.6290178.194.21Δ12125.0495180.292.51Step由實(shí)驗(yàn)者配置，Step10時(shí)Y取最大值，適用因子配置；二次試驗(yàn)－－(1)因子配置設(shè)計(jì)：背景：通過最大傾斜法求Y最大化的因子水平，通過追加實(shí)驗(yàn)，確認(rèn)是否最佳水準(zhǔn)的領(lǐng)域；

收率(Yield)

時(shí)間(80,90)

溫度(171,181)

確認(rèn)哪個(gè)因子影響收率，利用中心點(diǎn)包括的22配置法二次試驗(yàn)－－(2)統(tǒng)計(jì)性分析：

<圖形－等值線圖：>對(duì)因子效果t-test，判斷與Y有意因子-A,B

有意-CtPtP<0.05，→存在曲率效果.分散分析-1次效果有意-曲率效果有意結(jié)果解釋

通過等值線圖及統(tǒng)計(jì)性分析，1次模形不有意，具有曲線的情形，因此判斷2次模形更適當(dāng)

→實(shí)施反應(yīng)表面計(jì)劃

I—反映表面實(shí)驗(yàn)：(1)因子配置設(shè)計(jì)：

試驗(yàn)配置

:

中心合成計(jì)劃(2因子)-反應(yīng)值(Y):DATA-

因數(shù)/水平:A(Low=260,High=330),B

(Low=6,High=20)背景：通過最大傾斜法，在A=295,B=13狀態(tài)下，判斷最佳條件會(huì)出現(xiàn)。

求將變量透過率最大化的最佳條件。Run13:Block沒有的情況Run14:Block有的情況輸入試驗(yàn)結(jié)果：(2)統(tǒng)計(jì)性分析：※實(shí)施對(duì)因子效果的

t-test，

判斷有意反應(yīng)值的因子.-因子的1次效果及2次效果有意。

-因子間的交互作用無有意。

※R-Sq&R-Sq(adj)>64%，→可以信賴回歸模型；※通過分散分析，判斷1、2次效果的有意性-1次效果、2次效果有意

※通過Lack-of-FitTest，判斷模型的適合性

-失擬>0.05(不有意)，因此判斷模型適合(3)殘差分析：對(duì)殘差的正態(tài)分布假說的研討

－直方圖、正態(tài)分布圖對(duì)分散同質(zhì)假說的研討－與擬合值※殘差已確定為隨機(jī)分布，可以進(jìn)行分散同質(zhì)假說研討

(3)坐標(biāo)圖分析：因子的最佳條件

-

A:289~310-B:

11~18

→預(yù)想Y=79.5.(4)數(shù)值性分析：最佳化因子水平初期設(shè)定（大概值）望大：求最大值；下限：設(shè)定最小值望目：設(shè)定目標(biāo)值Y=79.5，滿足度=1。

即意味著滿足目標(biāo)值要求；調(diào)整因數(shù)水平而使透過率更好。A=299.50、B=14.90時(shí)，Y(Max)＝79.6163I—反映表面實(shí)驗(yàn)2：－－多個(gè)反映值(1)因子配置設(shè)計(jì)：

試驗(yàn)配置

:

中心合成計(jì)劃(2因子)-反應(yīng)值(Y):Y1、Y2、Y3-

因數(shù)/水平:A(Low=80,High=90),B

(