DOE实验设计：别具特色的稳健参数设计.docx

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，但同时阻抗噪声因子干扰的能力也要足够的强。

完成这样的任务，用稳健参数设计的方法是再合适不过的了 首先，依据乘积表构建出总共72次的试验计划开展试验，完成试验后将数据汇总，得到附着性的平均值和信噪比 在此之后，通常的做法是判定位置因子、散度因子和调整因子，然后依次调整这些因子的水平以达到响应最佳的效果统计软件JMP在完成传统解决方案之外，供应了更简便的解决方案，即构建一个整合了平均值和信噪比的意愿函数（Desirability），通过预估器的自动优化，快速找到最合适的因子设置在本例中，我们就可以从图五中清晰地发觉，当干扰的水平为2，壁厚的水平为2，深度的水平为3，粘度的水平为1时，附着性的平均值达到最大，最大值为22.825同时，附着性的信噪比也达到最大，最大值为26.90753，意味着此时附着性的抗干扰能力也是最强的 关于高级DOE的内容还有许多，稳健参数设计/田口设计只是其中之一，我们会在今后的系列中间续为大家介绍更精彩的DOE理论与应用 2 -。