工程师正在开发一种新型超声波清洗机。工程师使用筛选设计确定哪些潜在因子影响清洗机的输出功率。
其中一个工程师分析明确筛选设计以确定 7 个因子中的哪些因子对输出功率的效应最大。输出功率必须足够大才能彻底清洗。同时，输出功率必须足够低，以至于在清洗时不会损坏物品。
- 打开样本数据，超声波清洗机.MTW。
- 选择 。
- 在响应中，输入功率。
- 单击项。
- 在包括以下项中，选择线性。单击确定。
- 单击图形。
- 在残差图下，选择四合一。
- 选中残差与变量。输入安静和扫描。
- 单击每个对话框中的确定。
解释结果
在 Pareto 图中，工程师注意到培训 (A) 和安静 (D) 产生的主效应最大。从筛选试验中，工程师判定最需要关注和进一步分析这两个因子。
残差与拟合图显示一条 U 型曲线。此模式指示模型中可能缺少平方项或交互作用。安静和扫描的残差图也显示曲线。在研究潜在模型时，工程师决定考虑这些因子的平方项。
筛选设计模型: 功率 与 培训, Degas, 猝发, 安静, 中心, 带宽, 扫描
已编码系数
项 系数 系数标准误 T 值 P 值 方差膨胀因子
常量 657.8 12.4 53.22 0.000
培训 52.4 13.6 3.85 0.004 1.00
Degas 0.9 13.6 0.07 0.949 1.00
猝发 8.6 13.6 0.63 0.542 1.00
安静 -39.6 13.6 -2.91 0.017 1.00
中心 -2.4 13.6 -0.17 0.866 1.00
带宽 3.5 13.6 0.26 0.803 1.00
扫描 2.8 13.6 0.21 0.839 1.00
模型汇总
S R-sq R-sq（调整） R-sq（预测）
50.9634 72.56% 51.21% 4.50%
方差分析
来源 自由度 Adj SS Adj MS F 值 P 值
模型 7 61803.7 8829.1 3.40 0.046
线性 7 61803.7 8829.1 3.40 0.046
培训 1 38451.1 38451.1 14.80 0.004
Degas 1 11.2 11.2 0.00 0.949
猝发 1 1040.6 1040.6 0.40 0.542
安静 1 21938.4 21938.4 8.45 0.017
中心 1 77.8 77.8 0.03 0.866
带宽 1 171.5 171.5 0.07 0.803
扫描 1 113.1 113.1 0.04 0.839
误差 9 23375.4 2597.3
合计 16 85179.2
以未编码单位表示的回归方程
功率 = 626.5 + 116.5 培训 + 2.0 Degas + 1.92 猝发 - 8.80 安静 - 0.47 中心 + 0.70 带宽 + 0.57 扫描
别名结构（截至 2 阶项）
因子 名称
A 培训
B Degas
C 猝发
D 安静
E 中心
F 带宽
G 扫描
别名
I + 0.82 AA + 0.82 BB + 0.82 CC + 0.82 DD + 0.82 EE + 0.82 FF + 0.82 GG
A
B
C
D
E
F
G
