观察该图以了解优化响应的变量设置。

响应优化器不会使用工作表中的数据。但是 Minitab 会根据存储的模型估计最优变量值。在您使用响应优化器之前，必须拟合模型。如果您想要优化多个响应，必须针对每个响应分别拟合模型。最优值仅在所有模型都表示真实关系时才是准确的。

对于轮胎数据：

·    温度：提升温度会使弹性更接近目标值 100.0，并且会提高抗穿刺性。由于抗穿刺性的重要性 (2) 高于弹性 (1)，因此总体合意性从使抗穿刺性最大化获益最大。但是，由于总体合意性等于 1，因此，总体合意性无法提高由此设计设定的给定限制。

·    硫化时间：增加硫化时间会使弹性更接近目标值 100.0，但会降低抗穿刺性。由于抗穿刺性的重要性 (2) 高于弹性 (1)，因此优化设置在使弹性尽可能接近于目标的同时使抗穿刺性最大化。在本设计设置的限制范围内不可能提高抗穿刺性。

·    密度：增大密度会使弹性远离目标值 100.0，并会降低抗穿刺性，这样两者都不合意。如果将图外推以降低密度的值，则似乎可以同时增大弹性和抗穿刺性。这表明可能值得使用较低密度进行试验。

对于轮胎数据而言，轮胎数据的单个合意性汇总如下：

·    弹性具有单个合意性分值 1.0000，原因是弹性预测响应值 100.0 等于目标值 100。

·    抗穿刺性具有完美的合意性分值 1.0000，原因是预测响应值 947.8029 超过目标值 924.882.抗穿刺性的目的就是最大化；因此，值越高越好。

复合合意性值 1.0000 是一个完美的分值，指示这两个响应已获取其理想设置。