minitab实验之试验设计

4C444

步骤2：拟合选定模型

依据上图的试验支配进行试验，将结果填入上表的最终一列，则可以得到试

验的结果数据（数据文件：DOE_热处理（全因）），如下：

DOE上处建（全因）.MTW

4ClC2C3C4C5~C6C7C8C9

标准序运行序中心点区里加热温度加热时向转换时向保谭时向鼻度

I171013402.51.555535.3

2112113203.01.460549.0

383118603.01.650I553.0|

494113202.01.460513.3

5145113602.01.660548.3

656113202.01.650528.3

710?113602.01.460549.1

a1980[3402.51.555544.3

9169113603.01.660574,5

10310113203.01.450526.8

<ildi

拟合选定模型的主要任务是依据整个试验的目的，选定一个数学模型。通常

首先可以选定“全模型”，就是在模型中包含全部因子的主效应及全部因子的二

阶交互效应。在经过细致的分析之后，假如发觉某些主效应和二阶交互效应不显

著，则在下次选定模型的时候，应当将不显著的主效应和二阶交互效应删除。

选择［统计］二＞［DOE］=＞［因子尸）［分析因子设计］,打开分析因子设计对话框。

点击“项”选项后，在“模型中包含项的阶数”中选择2(表示模型中只包

含2阶交互作用和主效应项，三阶以上交互作用不考虑)，对默认的“在模型中

包括中心点”保持不选。单击确定。

分析因子设计F

模型中包含项的阶数d):|2j-j

所选项②)：

r在模型中包括区组逗)

r在模型中包括中心点正受

然助确定地)取洎

在“图形”选项中，“效应图”中选择“正态”和“Pareto”，“图中的标准差”

中选择“正规”，“残差图”中选择“四合一”，在“残差与变量”图中将“加热

温度”、“加热时间”、“转换时间”和“保温时间”选入，单击确定。

分析因子设计-图形

效应图

大正态但)r半正态a.)MPareto<X)

Alpha⑧：|0.05

图中的残差：

"正规8)「标准化6)「册|后的①)

残差图

C单独木图

L直方图Qf)

L正态图®>

r~残差与拟合值(3)

r残差与顺序d)

6四合一(£)

B残差与变量包)：

‘加热时间’‘转换时间’‘保温时

选择

帮助确定Q)取洎

在“存储”选项中，在“拟合值与残差”中选定“拟合值”和“残差”，在

“模型信息”中选定“设计矩阵二单击确定。

分析因子谩计-存偌

拟合值与残差模型信息其他

审拟合值3）r效应②r■高（杠杆率）（X）

7残差®r系数。I-Cook距离近）

r标准化拔差⑤）谡讦矩阵电关1~DFITS（T）

r册后也）因子⑪

帮助确定］取消

结果如下：

拟合因子：强度与加热温度，加热时间，转换时间，保温时间

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TP

常量541.6321.377393.390.000

加热温度20.03810.0191.5006.680.000

加热时间16.8878.4441.5005.630.000

转换时间3.8131.9061.5001.270.240

保温时间11.1135.5561.5003.700.006

加热温度*加热时间0.7370.3691.5000.250.812

加热温度*转换时间-0.487-0.2441.500-0.160.875

加热温度*保温时间3.0621.5311.5001.020.337

加热时间*转换时间1.2630.6311.5000.420.685

加热时间*保温时间7.1133.5561.5002.370.045

转换时间*保温时间0.8370.4191.5000.280.787

S=6.00146PRESS=1778.45

R-Sq=92.49%R-Sq（预料）=53.68%R-Sq（调整）=83.11%

强度的方差分析（已编码单位）

来源自由度SeqSSAdjSSAdjMSFP

主效应43298.853298.85824.7122.900.000

2四/交互作用6252.17252.1742.031.170.408

残差误差8288.14288.1436.02

弯曲19.929.929.920.250.633

失拟5169.72169.7233.940.630.709

纯误差2108.50108.5054.25

合计183839.16

强度的估计系数（运用未编码单位的数据）

项系数

常量932.26

加热温度-0.25063

加热时间-111.262

转换时间43.812

保温时间-16.5637

加热温度*加热时间0.036875

加热温度*转换时间-0.121875

加热温度*保温时间0.0153125

加热时间*转换时间12.6250

加热时间*保温时间1.42250

转换时间*保温时间0.83750

结果分析：

分析要点一：分析评估回来的显著性。包含三点：

（1）看方差分析表中的总效果。方差分析表中，主效应对应的概率P值为

0.000小于显著性水平0.05,拒绝原假设，认为回来总效果是显著的。

（2）看方差分析表中的失拟现象。方差分析表中，失拟项的P值为0.709,

无法拒绝原假设，认为回来方程并没有因为漏掉高阶交互作用项而产生失拟现

象。

（3）看方差分析表中的弯曲项。方差分析表中，弯曲项对应的概率P值0.633,

表明无法拒绝原假设，说明本模型中没有弯曲现象。

分析要点二：分析评估回来的总效果

（1）两个确定系数R-Sq与R-Sq（调整），计算结果显示，这两个值分别为

92.49%和83.11%,二者的差距比较大，说明模型还有待改进的余地。

（2）对于预料结果的整体估计。计算结果显示R-Sq和R-Sq（预料）分别为

92.49%和53.68%,二者差距比较大；残差误差的SSE为288.14,PRESS为1778.45,

两者差距也比较大；说明在本例中，假如运用现在的模型，则有较多的点与模型

差距较大，模型应当进一步改进。

分析要点三：分析评估各项效应的显著性。计算结果显示，4个主效应中，

加热温度、加热时间和保温时间是显著的，只有转换时间不显著；6个2因子水平

交互效应中，只有加热时间*保温时间是显著的。说明本例中还有不显著的自变

量和2因子交互作用，改进模型时应当将这些主效应和交互作用删除。

对于各项效应的显著性，计算机还输出了一些协助图形来帮助我们推断和理

解有关结论。

标准化效应的Pareto图

（响应为强度，Alpha=0.05）

Pareto图是将各效应的I检验的t值的确定值作为纵坐标，依据确定值的大小排列

起来，依据选定的显著性水平，给出t值的临界值，确定值超过临界值的效应将

被选中，说明这些效应是显著的。从图中可以看到，加热温度、加热时间、保温

时间以及加热时间*保温时间是显著的。

99-

效应类型

•不显著

95-■显著

90-因子名称

A加热温度

80-B加热时间

70-C转换时间

D保温时间

外60-

会50-

|mio-

30-

20-

IQ­

S'

1」

123

标准化效应

正态效应图，凡是因子效应离直线不远者，就表明这些效应是不显著的；反之，

则是显著的。从图中可以看到,加热温度、加热时间、保温时间以及加热时间*

保温时间是显著的。

步骤3：残差诊断

残差诊断的主要目的是基于残差的状况来诊断模型是否与数据拟合得比较

好。假如数据和模型拟合得比较好，则残差应当是正常的。残差分析包括四个步

骤：

（1）在“四合一”图的右下角图中，视察残差对于以观测值依次为横轴的

散点图，重点考察此散点图中，各点是否随机地在水平轴上下无规则的波动着。

（2）在“四合一”图的右上角图中，视察残差对于以响应变量拟合预料值

为横轴的散点图，重点考察此散点图中，残差是否保持等方差性，即是否有“漏

斗型，，或“喇叭型”。

（3）在“四合一”图的左上角正态概率图（或右下角的直方图）中，观察

残差的正态检验图，看残差是否听从正态分布。

（4）视察残差对于以各自变量为横轴的散点图，重点视察此散点图中是否

有弯曲趋势。

强度残差图

正态概率图与拟合值

与顺序

从上面这些图可以看到，这些图形都显示残差是正常的。

步骤4：推断模型是否须要改进

这一步须要综合前面的分析：包括残差诊断和显著性分析。从上面的分析我

们得知，在模型中包含不显著项，应当予以删除，所以须要建立新的模型。

选择［统计产＞［DOE］=＞［因子］:＞［分析因子设计］,打开分析因子设计对话框。

主要是修改“项”选项中的设置，在选取的项中将加热温度、加热时间和保温时

间保留，其他项皆删去，操作中的其余各项都保持不变。单节确定。

结果如下：

拟合因子：强度与加热温度，加热时间，保温时间

强度的估计效应和系数1已编码单位）

系数标

项效应系数准误TP

常量541.3191.363397.270.000

加热温度20.03810.0191.3637.350.000

加热时间16.8878.4441.3636.200.000

保温时间11.1125.5561.3634.080.001

加热时间*保温时间7.1133.5561.3632.610.022

CtPt1.9813.4290.580.573

S=5.45038PRESS=724.350

R-Sq=89.94%R-Sq（预料）=81.13%R-Sq（调整）=86.07%

强度的方差分析（已编码单位）

来源自由度SeqSSAdjSSAdjMSFP

主效应33240.713240.711080.2436.360.000

2因子交互作用1202.35202.35202.356.810.022

弯曲19.929.929.920.330.573

残差误差13386.19386.1929.71

失拟3151.52151.5250.512.150.157

纯误差10234.67234.6723.47

合计183839.16

强度的估计系数（运用未编码单位的数据）

项系数

常量212.788

加热温度0.500938

加热时间-61.3500

保温时间-2.44500

加热时间*保温时间1.42250

CtPt1.98125

结果分析：

从方差分析表中可以看到，主效应和2阶交互作用对应的概率都小于显著性

水平0.05,应当拒绝原假设，认为本，本模型总的来说是有效的；失拟值和弯曲

对应的概率分别为0.157和0.573,都大于显著性水平，不应拒绝原假设，说明本

模型删除了许多项之后，并没有造成失拟的现象。

再看删减后的模型是否比原来的有所改进。从上述表中，可以看到，由于模

型的项数削减了6项，R-Sq通常都会有微小的降低（本例由0.9249降到（）.8968）,

但关键还是要看调整的R-Sq（调整）是否有所提高，本例中，该值从0.8311提高

到0.8673,可见删除不显著的效应之后，回来的效果明显好了；而s的值有6.00146

降为5.31913,PRESS由1778.45降至U704.408,再次证明删除不明显的主效应和交

互效应后，回来的结果更好了。

步骤5：对选定的模型进行分析说明

经过前三步的多次反复以后，我们可以获得一个满足的回来方程：

y=212.788+0.5009*A—61.35*6—2.445*£>+1.4225*3D

对选定的模型进行分析，主要是在拟合选定模型后输出更多的图形和信息，

并做出有意义的说明。主要包括下面四个方面：

（1）再次进行残差诊断。

详细做法是：选择［统计产》［D0E产>［因子］。［分析因子设计］,打开分析因子

设计对话框。点击“图形”窗口后，在“图中的残差”中选择“标准化”，在“残

差图”中，在单独视图下选择“直方图”，单击确定。点击“存储”窗口后，在

拟合值与残差中，选择“标准化残差”和“删后”。单击确定。

结果如下:

直方图

(响应为强度)

从得出的直方图可知，残差及全部残差数据都是正常的。

(2)确认主效应及交互作用的显著性，并考虑最优设置

通过输出各因子的主效应图和交互效应图来判定。详细做法是：选择［统

计尸＞［DOE］=＞［因子尸＞［因子图］,打开因子图对话框。选定“主效应图”和“交互

作用图”，在图中运用的均值类型中选择“数据均值”。在主效应图的设置中，将

“强度”选入到响应中，将可用中的全部项选入所选中；在交互作用图的设置中,

重复前面主效应图设置的步骤。单击确定。

IK加

结果如下:

强度主效应图

数据均值

强度交互作用图

数据均值

加热海度

从主效应图中可以看到，加热温度、加热时间和保温时间三者的回来线比较陡，

顾主效应影响的确显著，而转换时间的回来线较平，故主效应影响不显著；为了

使断裂强度达到最大，三因子都是取值越大越好，即加热温度应取上限860摄氏

度，加热时间应取上限3分钟，保温时间应取上限60分钟。从交互作用图可以看

出，只有加热时间和保温时间二者效应线明显不平行，说明二者交互作用显著。

（3）输出等值线图、响应曲面图等以确认最佳设置

本例中，只有加热时间和保温时间的交互作用显著，因此绘制这组等值线图

和响应曲面图，而设定另一个影响显著的变量（加热温度）为最佳设置。详细操

作为：选择［统计尸＞［D0E尸）［因子尸〉［等值线/曲面图］,打开等值线/曲面图对话

框。选定“等值线图”和“曲面图”。在等值线图设置中，在因子中，X轴选为

加热时间，Y轴选为保温时间，在设置中，选择俣留附加因子在高设置，并在加

热时间中设置860,单击确定；在曲面图设置中，X轴中选择加热时间，Y轴中选

择保温时间，单击确松、

结果如下:

强度与保温时间，加热时间的等值线图

02.22.42.62.83.0

加热时间

（4）实现最优化

Minitab软件中有特地的响应变量优化器窗口。详细做法：［统计产）［DOE尸）［因

子尸》［响应优化器］，打开响应优化器对话框。将“可用项”中的强度选入到“所

选项”中；点击“设置”窗口，依据本例的要求，在“目标”中选择“望大”，

在“下限”中填入560（这个值是在做过的试验中已经实现了的），在“望目”中

填入600（这个值是在做过的试验中未能达到的，是较高志向），上限留为空白。

X

■应优化器

最多可选择25个响应变量进行优化

可用⑷:所选⑤）：

C9强度

«

<

—二二|选项也）

帮助|确定©）|取消|

结果如下:

这个图中共有3列，分别为选中的自变量。最上端列出各变量的名称、取值

范围以及最优设置，上半图是合意值d的取值状况，下半图是最优化结果：最大

值在加热温度取860摄氏度、加热时间取3分钟、保温时间取60分钟达到，断裂强

度最终可以达到569.2066。合意度d为0.23016。

步骤6：进行验证试验

通常的做法是在先算出在最佳点的观测值的预料值及其变动范围，然后再最

佳点做若干次验证试验，假如验证试验结果的平均值落在事先计算好的范围内，

则说明一切正常，模型是正确的，预料结果可信；否则就要进一步分析发生错误

的缘由，改进模型，再重新验证，以求得符合实际数据的统计模型。详细做法是:

选择［统计尸＞［D0E］=＞［因子尸升分析因子设计］,打开分析因子设计对话框。在前

面建立的模型的基础上，即在“项”中已经将最终选定的模型中包括了加热温度、

加热时间、保温时间以及加热时间和保温时间的交互作用项。再打开“预料”窗

口，在“因子”中按依次设定各个主效应的最优值，分别为860360。单击确定。

分析因子设计-

加热

温度新设计点（列和/或常量）

C5

热

时间

C6加因子3

间

换时

C7转

间

温时

C8保860360|

期则

C1XJ

共变量:

区组（B）：

置信水平。：|95

存储

择

选r拟合值电）r置信限3

L拟合值标准误6）厂预测限化）

帮助确定（Q）|取消|

结果如下:

依据该模型在新设计点处对强度的预料响应

拟合值

点拟合值标准误95%置信区间95%预料区间

1569.2072.926（562.931,575.483）（556.186,582.227）

结果说明：最左侧给出的拟合预料值是569.207,就是将自变量值代入回来方程

所得的结果，这与最优值的预料是一样的。拟合值标准误为2.926,是拟合值的

标准差，此值在作进一步计算时还有用。预料值平均值置信区间的结果是

（562.931,575.438）,详细的理解可以是：当加热温度取860摄氏度,加热时间

取3分钟，保温时间取60分钟时，我们有95%的把握断言，断裂强度平均值将落入

（562.931,575.438）之内。95%的预料区间是将来一次验证试验时将要落入狗范

围，可供做验证试验时运用，详细的理解是：当加热温度取860摄氏度，加热时

间取3分钟，保温时间取60分钟时•，我们有95%的把握断言，任何一块钢板的断裂

强度将落入（556.186,582.227）之内。

试验之二：部分因子试验设计

部分因子试验设计与全因子试验设计的不同之处在于大大削减了试验的次

数，详细表现在试验设计创建阶段的不一样，下面主要就部分因子试验设计的创

建进行讲解并描述。

步骤1：部分因子试验的支配（创建）一一默认生成元的支配

例：用自动刨床刨制工作台平面的工艺条件试验。在用刨床刨制工作台平面试验

中，考察影响其工作台平面光滑度的因子，并求出访光滑度达到最高的工艺条件。

共考察6个因子：

A因子：进刀速度，低水平1.2,高水平1.4（单位：丽/刀）

B因子：切屑角度，低水平10,高水平12（单位：度）

C因子：吃刀深度，低水平0.6,高水平0.8（单位：mm）

D因子：刀后背角，低水平70,高水平76（单位：度）

E因子：刀前槽深度，低水平1.4,高水平1.6（单位：mm）

F因子：润滑油进给量，低水平6,高水平8（单位：毫升/分钟）

要求：连中心点在内，不超过20次试验，考察各因子主效应和2阶交互效应AB、

AC、CF、DE是否显著。由于试验次数的限制，我们在因子点上只能做试验16

次，另4次取中心点，这就是2<>-2+4的试验，通过查部分因子试验辨别度表可

知,可达辨别度为IV的设计。详细操作为:选择［统计尸）［D0E］二）［因子尸〉［创建

因子设计1，单击打开创建因子设计对话框。在“设计类型”中选择默认2水平

因子（默认生成元），在“因子数”中选定6。

创建因子谩计

设计类型

e之天平因子（默认生苗完vgj（2至15个因子）

「2永年因字（指定生成元）至5（2至15个因子）

LPlackett-Burman设计出）（2至47个因子）

r一般全因子设计⑥）（2至15个因子）

因子数3）：|6二]显示可用设计CD.I•

设计①）

选项五结果®.二

帮助确定Q）取洎

单击“显示可用设计”就可以看到下图的界面，可以确认：用16次试验能

够达到辨别度为N的设计。

创建因子设计显示可用谩计

可用因子设计（及分辨度）

可用分辨度IIIPlackett-Burman设计

因

仔

2T运行因子运行因子运行

812,20,24,28,..,4820-2324,28,32,36,…，4836-3940,44,48

-1T112,20,24,28,..,4824-2728,32,36,40,44,4840-4344,48

12T20,24,28,36,.,4828-3132,36,40,44,4844-4748

1620,24,28,32,....,4832-3536,40,44,48

帮助确定

单击“设计”选项，选定1/4部分实施，在每个区组的中心点数中设定为4,

其他的不进行设定，单击确定。

'fl.'1JXJI

创建因子设计-设计

设计也）次数分辨度2**Ck-p)

1/8部分实施8III2**(6-3)

1/2部分实施32VI2**(6-1)

全因子64全因子2**6

每个区组的中心点数C）：||~!▼]

角点的仿行数国）：|1

区组数⑤）：|1j-j

帮助||确定Q）I取消|

单击“因子”选项，设定各个因子的名称，并设定高、低水平值。点击确定。

再点击确定后，就可以得到试验支配表，如下:

IQIa1I119inInc7ciAIa

与全因子设计不同的是，我们不能确定这个试验支配表确定能满足要求，因

为部分因子试验中确定会出现混杂，这些混杂假如破坏了试验要求，则必需重新

进行设计，从运行窗中可以看到下列结果：

设计生成元：E=ABC,F

别名结构

I+ABCE+ADEF+BCDF

A+BCE+DEF+ABCDF

B+ACE+CDF+ABDEF

C+ABE+BDF+ACDEF

D+AEF+BCF+ABCDE

E+ABC+ADF+BCDEF

F+ADE+BCD+ABCEF

AB+CE+ACDF+BDEF

AC+BE+ABDF+CDEF

AD+EF+ABCF+BCDE

AE+BC+I)F+ABCDEF

AF+DE+ABCD+BCEF

BD+CF+ABEF+ACDE

BF+CD+ABDE+ACEF

ABD+ACF+BEF+CDE

ABF+ACD+BDE+CEF

从今表得知，计算机自己选择的生成元是：E=ABC,F=BCDo后面的别名结构

中列出了交互作用项的混杂状况，即每列中互为别名的因子有哪些；从上表可以

看出，主效应与三阶及四阶交互作用混杂，二阶交互作用与四阶交互作用混杂，

三阶交互作用与四阶交互作用混杂；关键是要检查一下题目所要求的2阶交互作

用状况，将3阶以上的交互作用忽视不计，混杂的状况有：

AB=CE,AC=BE,AD=EF,AF=DE,AE=BC=D1',BD=CF,BI'=CDO本例中所要求的4个2阶交

互作用是AB,AC,CF,DE,明显可以看到，这四个2阶交互作用均没有混杂。因此可

以看到此试验支配是兀行的。

步骤2：指定生成元的部分因子试验支配

例：和前面的例子是一样的，考察的是各因子主效应和2阶交互效应AB,AC,CE和

DE是否显著。

从上例的别名结构表中可以看出，AB与CE是相互混杂，因此用默认的生成元构造

的试验支配是不能满足要求的。

指定生成元的步骤：由要求条件可知，AB,AC,CE和DE不能混杂，这相当于AB

WCE,ABWDE,ACWDE,运用移项法则，变形后可知，即EWABC,EWABD,EWACD.

对于辨别度为IV的设计生成元中，只能含3个字母。而试验次数为16的的各列中，

字母个数为3的项只有4个：ABC,ABD,ACD以及BCD。既然给定条件中有3个选择不

行接受，因此，生成元只能选择E=BCD,试验支配对于F没有要求，因此F可以任

选,取F=ABC。

详细操作为：选择［统计］二）［DOE尸）［因子尸〉［创建因子设计］,单击打开创建

因子设计对话框。在“设计类型”中选择2水平因子（指定生成元），在“因子数”

中选定4（这是基本设计的因子数，其他两个因子是通过指定生成元加入的）。

打开“因子”对话框，选定全因子，并在“每个区组的中心点数”中选择4。

打开“生成元”选项，在“通过列诞生成元将因子添加到基本设计中”中填写生

成元：E二BCDF=ABC,单击确定。

创建因子设计-设计-生成元

通过列出生成元将因子添加到基本设讨中（例如F=ABC）（£）：

E=BCDF=ABC

通过列出生成元定义区组（例如，ABCD）®:

至町二二二|确定⑥）|取消

单击确定后，得到的结果如下:

设计生成元：E=BCD,F=ABC

别名结构（直到4阶项）

I+ABCF+ADEF+BCDE

A+BCF+DEF+ABCDE

B+ACF+CDE+ABDEF

C।AIJF।BDE»ACDEF

D+AEF+BCE+ABCDF

E+ADF+BCD+ABCEF

F+ABC+ADE+BCDEF

AB+CF+ACDE+BDEF

AC+BF+ABDE+CDEF

AD+EF+ABCE+BCDF

AE+DF+ABC!)+BCEF

AF+BC+DE+ABCDEF

BI)+CE+ABEF+ACDF

BE+CD+ABDF+ACEF

ABD+ACE+BEF+CDF

ABE+ACD+BDF+CEF

从上面的结果可以看出，AB,AC,CE和DE均没有相互混杂，此设计满足原定的要求。

部分因子试验的分析步骤总体来说与全因子试验设计是一样的。但是有一个

要留意的地方：在第一步选定模型中显著的主效应利2阶交互作用时•，当某些2

阶交互作用效用显著时，不能仅从表面上的结果来定取舍，要细致分析混杂结构,

查看在结构表中，此显著项是与哪个（或哪些）2阶交互作用效应相混杂的，再

依据背景材料予以推断，最终确定入选。比如：数据显示B,C,D以及AD是显著的，

但是背景材料又说明A和D没有交互作用，而AD与BC是相混杂的，这个时候，应当

是B,C,D以及BC是显著的。

试验之三：响应曲面设计

响应曲面设计包括两种方法：中心复合设计和Box-Behnken设计。在中心复

合设计中，整个试验由下面三部分试验点组成：

（1）立方体点［或称角点］，各坐标皆为1或T,这是因子试验的组成部分；

（2）中心点，各点坐标皆为0；

（3）星号点［或轴点］,除了一个自变量的坐标为土a外，其余自变量皆为0,

在k个因子的状况下，共有2k个星号点。

中心复合设计，包括三种设计：

中心复合序贯设计，当“水平定义”栏中选定“立方点”时，表示这时设定

的水平作为立方点，星号点将超出立方体。

中心复合有界设计，当“水平定义”栏中选定“轴点”时，表示这时设定的

水平作为轴上的星号点，立方点将向内收缩。

中心复合表面设计，意味着将星号点的位置向中心收缩而设定在立方体的表

面上。

Box-Behnken设计，这种设计是将各试验点取在立方体的楼的中点上，除非

极端重视试验次数，否则通常不采纳这种设计。

步骤1：响应曲面的支配

例：提高密封胶条黏合力试验。影响黏合力的3个因子是：A:烘烤温度

（220-240摄氏度）、B:烘烤时间（6-10秒）、C:黏合压力（100T40帕）。在因

子设计中，分别取下列条件，支配了全因子试验：

A:烘烤温度,低水平220,高水平240（摄氏度）

B:烘烤时间，低水平7,高水平9（秒）

C:黏合压力，低水平110,高水平130（帕）

试验后发觉，数据明显呈现弯曲状况，希望进一步支配些试验以拟合响应曲

面方程。由于要进行序贯试验，最好选中心复合没计。

详细做法是：选择［统计］＞［D0E］＞［响应曲面］"创建响应曲面设计］,打开创

建响应曲面设计对话框。在“设计类型”中选择“中心复合”，在“因子数”中

设定为3。

打开“显示可用设计”对话框，可以看到未划分区组时试验次数为20。打开

“设计”后，本例中须要的试验次数为20次，这是可行的，因此不必修改，中心

点数也不用另设；但是选取哪种中心复合设计，须要考虑更多条件，由于在烘烤

温度上，原来的试验温度条件已经取在边界上了，不允许再超界因而不能运用中

心复合序贯设计，但是又考虑到要保持序贯性，只能放弃中心复合边界设计（没

有序贯性），因而选用中心复合表面设计，即在Alpha值中选择表面中心；在“因

子”中，选择“立方点”，并填写各因子的名称及水平；在“选项”中，为了看

清晰结构，短暂先删除随机化。单节确定。

创建用应曲面谩计-显示可用谩计

可用的响应曲面设讨(含次数)

因

设计

8910

未

区

划分

已

氏

中心复合完全划分

未

区

划分

已

氐

划

中心复合一半分

未

区

划

分

已

区

刻

中心更合四分之一分

未划

区

分

划

已

区

中心复合八