These differences in the response v

These differences in the response values across the combinations
tested are due to the effects of the product and process
variables. To characterize and quantify these effects, both
measured responses, rAA and %AAr data sets were separately
fitted into Equation (2) (or lower order equations) through RSM.
Response fit analyses analysis of variance (ANOVA) presented in
Table 4 revealed that only the individual linear effects of heating
temperature, exposure time, and initial AA concentration were
significant predictors of rAA in the heated SFJ. This measured
response significantly fitted into the linear model (Equation (5)),
with an F-value of 421.76. Moreover, ANOVA results showed that
the there is only 0.01% chance that the calculated F-value could
occur due to chance (P < 0.0001). The lack-of-fit ANOVA further
revealed that the data set for the measured rAA values did not
have significant lack-of-fit (P ¼ 0.1192) to Equation (5). Other indicators
of the goodness-of-fit of the rAA data set include the
coefficient of determination (R2) of 0.982, adjuster R2 (Adj. R2) of
0.980, and predicted R2 (Pred. R2) of 0.975. Frost (2013), Motulsky
(2014), and Kozak, Kozak, Staudhammer, and Watts (2008)
explained that the R2 value indicates how the data set fits in the
model, while the Adj. R2 value is a modification of R2 due to the
Fig. 1. Response surfaces showing the interactive influences of significant predictive intrinsic and process variables on rAA and %AAr.Center point values were used in the nondynamic
variables of

ผลลัพธ์ (ไทย) 1:

ความแตกต่างเหล่านี้ค่าการตอบสนองทั้งชุดทดสอบได้เนื่องจากผลกระทบของผลิตภัณฑ์และกระบวนการตัวแปร ลักษณะ และการกำหนดปริมาณเหล่านี้ผล ทั้งสองวัดการตอบสนอง รา และ%อาร์ชุดข้อมูลแยกต่างหากติดตั้งลงในสมการ (2) (หรือต่ำกว่าสั่งสมการ) โดย RSMตอบสนองที่เหมาะสมวิเคราะห์วิเคราะห์ของผลต่าง (การวิเคราะห์ความแปรปรวน) ในตาราง 4 การเปิดเผยเท่านั้นแต่ละเส้นผลของความร้อนอุณหภูมิ ระยะเวลารับแสง และความเข้มข้นเริ่มต้นของ AA ได้predictors สำคัญของราใน SFJ อุ่น วัดนี้ตอบติดตั้งอย่างมีนัยสำคัญในแบบจำลองเชิงเส้น (สมการ (5)),กับ F-ค่าของ 421.76 นอกจากนี้ ผลการวิเคราะห์ความแปรปรวนพบว่ามีเป็น 0.01% เท่านั้นโอกาสที่ค่า F ที่คำนวณได้เกิดขึ้นเนื่องจากโอกาส (P < มาก 0.0001) วิเคราะห์ความแปรปรวนขาดของพอดีเพิ่มเติมเปิดเผยว่า การกำหนดค่าราที่วัดได้ไม่มีสำคัญขาดของพอดี (P ¼ 0.1192) กับสมการ (5) ตัวบ่งชี้อื่น ๆของความดีของพอดีของชุดข้อมูลรารวมถึงการสัมประสิทธิ์ของการกำหนด (R2) 0.982 ดัดแปลง R2 (ปรับปรุง R2) ของ0.980 และ R2 คาดการณ์ (Pred. R2) ของ 0.975 น้ำแข็ง (2013), Motulsky(2014), และ Kozak, Kozak, Staudhammer และวัตต์ (2008)อธิบายว่า ค่า R2 ที่บ่งชี้วิธีการเหมาะสมกับชุดข้อมูลในการรุ่น ในขณะที่ค่า R2 ปรับปรุงเป็นการปรับเปลี่ยนของ R2 เนื่องในFig. 1 ใช้พื้นผิวตอบสนองแสดงอิทธิพลโต้ตอบสำคัญการมอบ intrinsic และกระบวนการแปรค่าจุดราและ %AAr.Center ใน nondynamic ที่ตัวแปร

ผลลัพธ์ (ไทย) 2:

ความแตกต่างเหล่านี้ในการตอบสนองค่าผ่านชุดการทดสอบเนื่องจากผลกระทบของผลิตภัณฑ์และกระบวนการตัวแปร ลักษณะและปริมาณผลกระทบเหล่านี้ทั้งการตอบสนองวัด Raa และ% AAR ข้อมูลชุดถูกแยกติดตั้งลงในสมการที่(2) (หรือต่ำกว่าสมการ) ผ่าน RSM. การตอบสนองแบบที่วิเคราะห์การวิเคราะห์ความแปรปรวน (ANOVA) นำเสนอใน4 ตารางที่พบว่ามีเพียง ผลกระทบเชิงเส้นของแต่ละบุคคลของความร้อนอุณหภูมิเวลาการเปิดรับและความเข้มข้นของAA เริ่มต้นเป็นตัวทำนายที่สำคัญของRaa ในน้ำอุ่น SFJ นี้วัดการตอบสนองต่อการติดตั้งอย่างมีนัยสำคัญเข้ามาในรูปแบบเชิงเส้น (สมการ (5)) กับ F-ค่าของ 421.76 นอกจากนี้ผลการวิเคราะห์แสดงให้เห็นว่ามีเพียง 0.01% โอกาสที่คำนวณค่า F-อาจเกิดขึ้นเนื่องจากมีโอกาส(p <0.0001) การขาดของพอดี ANOVA ต่อไปเผยให้เห็นว่าข้อมูลที่กำหนดไว้สำหรับการวัดค่าRaa ไม่ได้มีนัยสำคัญของการขาดพอดี(P ¼ 0.1192) เพื่อสมการ (5) ตัวชี้วัดอื่น ๆของคุณงามความดีของพอดีของชุดข้อมูล Raa รวมถึงค่าสัมประสิทธิ์การตัดสินใจ(R2) ของ 0.982, ปรับ R2 (Adj. R2) ของ0.980 และคาดการณ์ R2 (Pred. R2) ของ 0.975 ฟรอสต์ (2013) Motulsky (2014) และ Kozak, Kozak, Staudhammer และวัตต์ (2008) อธิบายว่าค่า R2 ระบุว่าข้อมูลชุดพอดีในรูปแบบในขณะที่ปุ่มADJ ค่า R2 คือการเปลี่ยนแปลงของ R2 เนื่องจากการรูป 1. พื้นผิวที่ตอบสนองการแสดงที่มีอิทธิพลต่อการโต้ตอบของตัวแปรทำนายอย่างมีนัยสำคัญภายในและกระบวนการ Raa% และค่าจุด AAr.Center ถูกนำมาใช้ใน nondynamic ตัวแปร

ผลลัพธ์ (ไทย) 3:

ความแตกต่างเหล่านี้ในการตอบสนองค่าข้ามชุด
ทดสอบเป็นผลข้างเคียงของผลิตภัณฑ์และกระบวนการ
ตัวแปร เพื่ออธิบายลักษณะและปริมาณผลเหล่านี้ทั้ง
วัดการตอบสนอง อาร์ และรับข้อมูลได้ถูกแยก
ติดตั้งลงในสมการที่ ( 2 ) ( หรือสมการล่าง ) ผ่าน RSM .
คำตอบพอดีการวิเคราะห์การวิเคราะห์ความแปรปรวน ( ANOVA ) นำเสนอใน
ตารางที่ 4 พบว่ามีบุคคลเชิงเส้น ผลของความร้อน
อุณหภูมิ เวลา และความเข้มข้นเริ่มต้น AA )
) ตัวอาร์ใน sfj อุ่น นี้วัดการตอบสนองอย่างมีนัยสำคัญ
ติดตั้งลงในแบบเชิงเส้น ( สมการ ( 5 ) ) ,
ที่มีค่าของ 421.76 . นอกจากนี้ ผลการทดสอบพบว่า
มีโอกาสเพียง 0.01 % ที่สามารถคำนวณค่า
เกิดขึ้นเนื่องจากโอกาส ( P < 0.0001 ) ขาดพอดี ) ต่อไป
เปิดเผยว่า ข้อมูลชุดเพื่อวัดค่าอาร์ไม่ได้
ต้องขาด 4 พอดี ( P ¼ 0.1192 ) สมการ ( 5 ) ตัวชี้วัดอื่น ๆ
ของความสอดคล้องของ Raa ชุดข้อมูลรวม
ค่าสัมประสิทธิ์การตัดสินใจ ( R2 ) 0.982 adjuster R2 ( Adj . อาร์ทู )
0.980 และคาดการณ์ R2 ( เปรต . อาร์ทู ) 0.975 . น้ำค้างแข็ง ( 2013 ) , motulsky
( 2014 ) และโคโค staudhammer , , , และวัตต์ ( 2008 )
อธิบายว่าค่า R2 บ่งบอกว่าข้อมูลชุดพอดี
รูปแบบในขณะที่ adj . 2 ค่าคือการแก้ไข R2 เนื่องจาก
รูปที่ 1 การตอบสนองพื้นผิวแสดงอิทธิพลปฏิสัมพันธ์อย่างมีนัยสำคัญทางสถิติพยากรณ์ภายในและกระบวนการตัวแปรอาร์ และ % ค่า aar.center จุดที่ถูกใช้ใน nondynamic
ตัวแปร