DOE实验设计：别具特色的稳健参数设计.docxVIP

PAGE 1 PAGE 1 DOE实验设计：别具特色的稳健参数设计 对于望目型问题，我们解决问题的程序是这样的：先选择散度因子的水平使散度最小化；再选择调整因子的水平使位置达到目标值。对于望大或望小型问题，我们解决问题的两步程序是这样的：先选择位置因子的水平使位置达到最大（小）；再选择非位置因子的散度因子的水平使散度最小化。取什么指标来作为位置及散度的度量是最好的呢？前面所说的样本均值及样本方差是常见的选择，但我们的响应变量优化的目标可能有望大、望小和望目三种形式，统一使用“信噪比”及“灵敏度”是田口提出的建议之一。粗略地说，对于望大、望小和望目三种形式，用不同的公式来定义信噪比后，我们的位置-散度建模法的优化步骤的第一步, 都可以归结为信噪比极大化，第二步再依据不同的目标选不同的因子予以调整,不一定都选“灵敏度”作指标。  关于信噪比(Signal to Noise Ratio, SN Ratio)详细的定义公式，有兴趣的读者可查阅相关书籍或统计软件JMP的帮助文件说明。这里还是通过一个工业案例来介绍稳健参数设计的实际应用。  场景 : 如何找到最合适的因子设置，使附着性能够最经济地实现最大化？  了能够“最经济地实现附着性的最大化”，我们不能刻意地对噪声因子提出过高的要求，而是必需从全部可控因子的组合中找到一个最佳设置，但同时阻抗噪