线性
订单系统 包裹
2 因子交互作用 订单系统*包裹 误差 合计
2 44.915 22.4576 50.32 0.000 1 1 1 1 8 11
28.768 28.7680 64.46 0.000 16.147 16.1472 36.18 0.000 8.979 8.9787 20.12 0.002 8.979 8.9787 20.12 0.002 3.571 0.4463 57.464
模型汇总
S
R-sq（调
R-sq 整） R-sq(预测)
91.46%
86.02%
0.668069 93.79%
已编码系数
系数标
项 效应
常量 订单系统 3.097 包裹 -2.320 订单系统*包裹 1.730
系数 12.573 1.548 -1.160 0.865
准误 0.193 0.193 0.193 0.193
T 值 65.20 8.03 -6.01 4.49
方差膨
P 值 胀因子 0.000
0.000 1.00 0.000 1.00 0.002 1.00
以未编码单位表示的回归方程
小时数 = 12.573 + 1.548 订单系统 - 1.160 包裹 + 0.865 订单系统*包裹
别名结构 因子 名称 A B
订单系统 包裹
别名 I A B AB
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) 的主效应
解释效应图
还可评估标准化效应的正态概率图和排列图，以确定哪些效应会影响响应小时数。 1. 要查看正态概率图，请选择窗口 > 小时数的效应图。
正方形符号可标识显著项。(A)、包裹 (B) 和 订单系统*包装 (AB) 显著，因为其 p 值小于 α 值 0.05。
2. 要查看 Pareto（排列）图，请选择窗口 > 小时数的效应图。
Minitab 将在 Pareto（排列）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。
使用存储的模型进行其他分析
您确定了包含显著效应的模型，并且 Minitab 将此模型存储在工作表中。响应列的标题中的复选标记指示已存储了一个 模型，并且该模型是最新的。将您的光标暂停在此复选标记上方，以查看此模型的摘要。
您可以使用存储的模型来执行其它分析，以更好地理解所得的分析结果。接下来，您可以创建因子图来确定最佳因子 设置，并且，您可以使用 Minitab 的预测分析来预测这些设置的小时数。
创建因子图
您可使用存储的模型创建主效应图和交互作用图，以可视化这些效应。 1. 选择统计 > DOE > 因子 > 因子图。 2. 验证变量订单系统和包装是否在选定框内。
3. 单击确定。
解释因子图
因子图包含主效应图和交互作用图。主效应是两个水平的因子之间的均值响应的差异。主效应图显示小时数的均值（使 用这两个订单处理系统）和小时数的均值（使用包装过程）。交互作用图显示因子、订单处理系统和包装系统对响应 的影响。由于交互作用意味着一个因子的效应与另一个因子的水平相关，因此，评估交互作用非常重要。
1. 要查看主效应图，请选择窗口 > 小时数的主效应图。
此点表示使用当前订单 处理系统的所有运行的 均值。
此行表示试验 中所有运行的 均值。
此点表示使用新订单处理系统的 所有运行的均值。
每个点表示一个水平的因子的平均处理时间。水平中心线显示所有运行的平均处理时间。此图左侧面板指示使用 新订单处理系统处理的订单所花的时间少于使用当前订单处理系统处理的订单所花的时间。此图右侧面板指示使 用包装过程 B 处理的订单所花的时间少于使用包装过程 A 处理的订单所花的时间。
如果这些因子之间没有显著的交互作用，则主效应图会准确描述每个因子与此响应之间的关系。但是，由于交互 作用显著，您还应该检查交互作用图。两个因子之间的显著交互作用可能会影响主效应的解释。 2. 选择窗口 > 小时数的交互作用图，以使交互作用图处于活动状态。
垂直刻度（y 轴）以 响应单位（小时数）表示。
此图例显示 因子水平，即 包装。
此点是使用新订单处理 系统和包装过程 A 准 备包装所需的平均时间。
水平刻度（x 轴）显示 因子水平，即订单系统。
交互作用图中的每个点都表示不同因子水平的组合情况下的平均处理时间。如果这些直线不平行，则此图指示两 个因子之间存在交互作用。交互作用图指示使用新的订单处理系统和包装过程 B 处理的书籍订单所花的准备时间 最短（9 小时）。使用当前订单处理系统和包装过程 A 处理的订单所花的准备时间最长（大约 14.5 小时）。由于 包装过程 B 的直线斜率更陡，因此，您可以断定：在使用包装过程 B（而不是包装过程 A）时，新订单处理系统 具有更大的效应。
根据试验的结果，您建议西部出货中心使用新订单处理系统和包装过程 B 来减少订单交货所花的时间。
预测响应
您确定了最佳设置（存储在工作表的 DOE 模型中）。您可以使用存储的模型来预测这些设置的处理时间。 1. 选择统计 > DOE > 因子 > 预测。 2. 在订单系统下，选择新。
3. 在包装下，选择 B。
4. 单击确定。 小时数 的预测
以未编码单位表示的回归方程
小时数 = 12.573 + 1.548 订单系统 - 1.160 包裹 + 0.865 订单系统*包裹 变量 设置 订单系统 新建 包裹 B
拟合值 拟合值标准误 95% 置信区间 95% 预测区间
9 0.385710 (8.11055, 9.88945) (7.22110, 10.7789)
解释结果
会话窗口输出显示模型方程式和变量设置。这些设置的拟合值（也称作预测值）为 9 小时。但是，因为使用了样本数 据，所有的估计中都包含不确定性。置信区间 95% 是平均准备时间的可能值的范围。如果您使用新订单处理系统和包 装过程 B，则您可以有 95% 的置信度相信所有订单的平均准备时间介于 8.11 和 9.89 小时之间。
保存项目
1. 选择文件 > 将项目另存为。
2. 导航至要用于保存您的文件的文件夹。 3. 在文件名中，输入我的DOE。 4. 单击保存。
Minitab17使用教程
