1、Response Surface Methods (RSM)響應面設計方法通過更多的水平實驗方案，擬合二階以上的模 型，幫助我們找到設計的最優(yōu)點。BLOCK例如：本實驗需要分兩天完成，那么兩天中因為其他不可控制因 素的變化可能會對試驗造成影響，那么就可以設置2個BLOCK，軟件會 在兩個BLOCK中設置對應的幾個中點試驗重復，檢查中點試驗的重復 性是否良好，以觀察這些不可控制因素對試驗造成多大影響，從而最 大限度的降低試驗中不可控制因素對試驗的干擾。再例如，本實驗其 中一部分在甲實驗室完成，另一部分要在乙實驗室完成，那么就可以 設置2個BLOCK，原因同上?；貧w分析(Analysis)Tran

2、sform:對模型做一些數學變換，比如對數變換、倒數變換， 目的是讓因子和響應之間的關系變得簡單，比如線性化Fit Summary:對模型做不同種類的擬合，比如線性擬合、二次 擬合、三次擬合等等，目的是幫助我們看看哪種擬合效果最好F(x) Model:在選定數學變化，以及決定采用哪種擬合方式以后 就可以在這里對模的細節(jié)進行設置了，比如要保留那些因子項和交互 項。ANOVA:方差分析，軟件會自動對模型進行擬合，然后根據殘差 對各種因素的貢獻做方差分析，讓我們知道那些項是關鍵的，必須在 模型中保留。方程的顯著性檢驗，系數顯著性檢驗回歸方程。Diagnostics:在做完擬合之后，用圖示的方式給出分

3、析結果， 比如殘差的正態(tài)性、分布的隨機性等等Model Graph:用圖形的方式告訴用戶模型是什么樣子的，比如 用等高線來描述響應和因子之間的函數關系。預測優(yōu)化(Optimization)Criteria :得到模型之后我們就可以用它來預測最佳的設計參 數是多少了。這里Criteria是給出優(yōu)化的條件，比如各個因子的取值 范圍、優(yōu)化的目標是什么等等Solution:在Criteria中設定了優(yōu)化的約束和目標之后，這里就 會給出優(yōu)化的結果，一般是用列表的形式給出一些詳細設計參數供我 們參考Graphs:用圖形的方式給出解空間的形狀，或者是解在設計空間 的位置，如右圖。Diagnostics To

4、olsDiagnosticsNormal Plot of Residuals殘差的正態(tài)圖，越接近一條直線，說明回歸模型擬合得越好Residuals vs. Predicted殘差與方程預測值的對應關系圖，分布越分散越無規(guī)律越好Predicted vs. Actual預測值與試驗實際值的對應關系圖，越靠近同一條直線越好Influence點擊Report三維響應曲面圖可更直觀的看出兩因素對因變量的影響情況，可以很直觀的找出最優(yōu)范圍，剛才所看的二維等高線圖即為三維響應面圖在底面的投影圖Optimization選擇Numerical，點擊Solutions，第一個即為各因素取最優(yōu)值后的響 應所能取到的

5、最大值，為預測值。值中.如果。V0. 05的項對影響顯著，00. 05 的項對N影響不顯著，一般將該項剔除.重新計算。如果模型項PW0. 05,說明3與z】，回歸方程的關系是顯著的WO. 01說明y與 歸方程的關系是極顯著的ip0. 05說明，與小，回歸方程的關系是不顯蓍的， 方程不能用。失擬項越小越好（平方和等于零最好），對應的p值越大越好.如果農0.05,說明所 得方程與實際擬合中非正常誤差所占比例小，方程表示y與小，回歸方程的關系是好 的，否則可能是有的因素沒有考慮到，如/項等。R2應高，表明方程線性好0.99擬合度R-SquaredSum of squares 平方和df自由度Mean square 均方FF(x