说起试验设计(DOE)，很多人就会想起完全析因设计、部分析因设计、响应面设计等传统方法，可是随着工艺要求的提高、客户需求多样性的增强、成本压力的不断增大，根据这些方法得到的优化方案往往在实际工作中实现不了预取的效果。这也是为什么很多开展六西格玛管理的企业在从传统的六西格玛改进DMAIC向六西格玛设计DFSS的进化过程中，越来越重视一种高级试验设计——稳健设计的原因。

　　稳健设计Robust Design是在传统试验设计DOE基础上发展起来的低成本、高稳定性、高再现性的产品与技术开发、设计方法体系。其价值在于通过产品设计、技术开发使产品或技术用最小的资源消耗对于外界环境变化、零部件制造公差和时间因素造成的老化、劣化、磨损等干扰的影响有很强的抵抗能力，从而让产品具有高度稳定的性能，让开发的技术在大规模生产和各种不同使用条件下都具有高度再现性，以达到长期稳定地满足客户需求的目的。无论在工业工程的学术研究领域，还是在企业的研发和六西格玛项目中，稳健设计都受到了越来越多的关注。目前，比较成熟的稳健设计方法大致有四种。调查当前的统计质量咨询与软件市场后发现，只有专业质量管理及六西格玛软件JMP能够全部实现这些方法：

　　一、田口设计Taguchi Design

　　田口设计是一种源自日本的稳健设计方法。它最大的创新之处在于从试验数据中提炼出两个指标来衡量产品质量的稳定性：灵敏度和信噪比。在比较典型的望目特性流程中，一般用均值表示灵敏度，用均值平方与方差之比的对数的10倍表示信噪比，而且强调在设计优化中应当先将信噪比调节到最大，然后才将均值调整到需要的目标位置。下图是基于JMP软件实现的田口设计优化示意图。

　　二、多响应优化 Multiple Responses Optimization

　　多响应优化的思路最简单易懂，它其实是源自欧美的响应面模型的拓展。在这种方法中，我们需要同时考虑两个响应：均值和标准差。显然，标准差总是越小越好，均值一般总是越接近目标值越好。两者要同时考虑时，可以通过构建意愿函数Desirability Function实现。下图是基于JMP软件实现的多响应优化示意图。

　　三、误差传递 Propagation of Error

　　误差传递的方法相对较新，其原理也稍微复杂一些。简单地说，过程响应的变异是由各个过程因素的变异共同造成的，而且其大小可以用下列公式估算：

　　其中的是因素X1对响应Y的偏导数，同时被称为是因素X1对响应变异影响的敏感度系数。由此可知，如果要尽可能地降低响应变异，必须要想方设法减小各个难控制的噪声因素的偏导数。这样一来，优化问题也转化成了一个多响应优化问题。只是在这个时候，需要优化的响应分别是响应值本身和各个噪声因素的偏导数。显然，各个偏导数总是越小越好，响应值本身一般总是越接近目标值越好。下图是基于JMP软件实现的误差传递示意图。

　　四、蒙特卡洛模拟 Mote Caro Simulation

　　误差传递的方法也比较新，不过易于理解。它是在统计模型已经成功构建的基础上，使用计算机技术产生随机数据，以此来预测过程的表现水平，寻求系统的最优参数。随着模拟次数的增多，其预计精度也会逐渐增高。如果运用得当，我们还可以确定产品稳定工作时各个难控制的噪声因素的允许波动范围，以及实现可控因素的公差设计。下图是基于JMP软件实现的蒙特卡洛模拟示意图。

　　总之，稳健设计是一种提高产品质量的有效途径，它的实质是运用精细化手段提高产品性能对时间因素和环境因素造成波动的抵御能力。正如古人所云，工欲善其事，必先利其器。JMP软件可以帮助我们大幅度降低分析难度，更快速有效地实现稳健设计的目标。