拟合模型来评估效应

在创建设计和输入响应数据之后，您可以根据这些数据拟合模型，并生成图形来评估效应。使用拟合模型和图形中的结果可以确定哪些因子对于减少准备出货订单所需的小时数至关重要。

拟合模型

由于此工作表包含因子设计，因此，Minitab启用了DOE > 因子菜单命令、分析因子设计和立方图。在此示例中，您首先拟合了此模型。

1. 选择统计 > DOE > 因子 > 分析因子设计

2. 在 响应 中，输入小时数。

图片1：分析因子设计

3. 单击项。验证 A:订单系统、B:包装 和 AB 在 所选项 框内。

图片2：分析因子设计：项

在您分析设计时，总是使用项子对话框选择要包含在此模型中的项。您可以通过使用箭头按钮添加或删除因子和
交互作用。使用这些复选框可将区组和中心点包含在此模型中。
4. 单击确定。
5. 单击图形。
6. 在效应图下，选择Pareto和正态。

图片3：分析因子设计：图形

效应图仅适用于因子设计、筛选设计和响应曲面设计。用于验证模型假设的残差图可对所有设计类型显示。
7. 单击每个对话框中的确定。
Minitab 拟合您在项子对话框中定义的模型，将结果显示在输出窗格中，然后将此模型存储在工作表文件中。在您确定可接受的模型之后，您可以使用此存储的模型执行后续分析。

确认重要效应

您可使用表格和两个效应图来确定哪些效应对您的过程而言非常重要。首先，查看表格。

图片4：数据表格

您可拟合全模型，其中包括两个主效应以及双因子交互作用。当其在编码系数表中的 p 值小于 α 时，效应在统计意义上显著。在 α 的默认值为 0.05 时，以下效应显著：
• 订单处理系统(订单系统) 和包装系统(包装) 的主效应
• 订单处理系统和包装过程 (订单系统*包装) 的交互效应

解释效应图

您也可以评估标准化效应的正态概率图和 Pareto 图，以确定哪些效应会对响应小时数产生影响。
正方形符号可标识显著项。(A)、包裹 (B) 和 OrderSystem*Pack (AB) 显著，因为其 p 值小于 α 值 ..05。

图片5：正态图

Minitab 将在 Pareto 图中显示效应的绝对值。延伸到参考线之上的任何效应都很显著。(A)、包裹 (B) 和 订单系统*包裹 (AB) 都很显著。

图片6：Pareto图