期望函数优化

计算多响应的Derringer-Suich期望函数. 使用个体和综合期望函数评估观测响应值满足规格的程度。支持最大化、最小化和目标三种目的，并可调整形状参数。. Derringer-Suich 期望函数（desirability function）是一种多响应优化方法：它先把每个响应转换为无量纲的期望值（0 到…

使用个体和综合期望函数评估观测响应值满足规格的程度。支持最大化、最小化和目标三种目的，并可调整形状参数。

什么是Derringer-Suich满意度函数？

Derringer-Suich 期望函数（desirability function）是一种多响应优化方法：它先把每个响应转换为无量纲的期望值（0 到 1），再用几何平均把它们合成为总体期望值。期望值为 1 表示理想值；为 0 则表示该响应超出了可接受范围。

三种目标类型定义了每个响应的转换方式：望大（d 从下限到上限递增）、望小（d 从下限到上限递减）和望目（d 在目标值处达到最大，并向两侧界限递减）。形状参数 s₁ 和 s₂ 控制曲率：s=1 为线性期望函数，s<1 为凸形（更容易满足），s>1 为凹形（更难满足）。

总体期望值 D 是各单项期望值的几何平均：D = (d₁ × d₂ × ... × dₖ)^(1/k)。这保证了只要任何一个响应完全不可接受（dᵢ = 0），总体期望值也为 0，从而避免以牺牲某项关键质量特性为代价的折中。

Formula: Maximize: d = ((y - L)/(U - L))^s for L <= y <= U Minimize: d = ((U - y)/(U - L))^s for L <= y <= U Target: d = ((y - L)/(T - L))^s1 for L <= y <= T ((U - y)/(U - T))^s2 for T <= y <= U Overall D = (d₁ x d₂ x ... x dₖ)^(1/k)

计算示例

两个响应：良率（望大，L=70，U=95，实测=88，s=1）与成本（望小，L=10，U=50，实测=25，s=1）。d_yield = (88-70)/(95-70) = 0.72，d_cost = (50-25)/(50-10) = 0.625。总体 D = (0.72 × 0.625)^(1/2) = √0.45 = 0.671，属于尚可但仍有改进空间的综合期望值。

何时使用此计算器

用多个相互冲突的质量响应同时需要平衡来优化工艺时（如最大化强度同时最小化成本）
每种成分对多个响应有不同影响且需系统评估权衡的产品配方时
RSM分析后将多个响应面模型合并为单一优化目标函数时
比较替代工艺设置时 — 总体满意度提供反映所有质量要求的单一分数
设计评审中量化建议方案相对于其他替代方案满足所有规格要求的程度时

常见错误

限界设得太紧以致没有可行解能达到D > 0 — 从基于工艺历史成就的现实限界开始，逐步收紧
当某些响应重要得多时对所有响应使用相同形状参数（s=1） — 增加关键响应的s以更严厉惩罚偏离目标
忽略当任何个别d = 0时总体D = 0 — 如果一个响应完全不可接受，无论其他响应多好总体满意度都会崩溃；确保所有限界可实现
不考虑因子交互作用就优化满意度 — 满意度分数从观测值计算；预测应将满意度与响应面模型结合
将满意度视为绝对指标 — D = 0.7本身不是'好'或'坏'；取决于限界的严格程度和形状参数；用D进行替代方案间比较而非独立接受准则

如何解读结果

总体D = 0 — 至少一个响应完全超出可接受限界；方案现状不可行
总体D = 0.01-0.3 — 大多数响应远离理想值；需要显著工艺改善
总体D = 0.3-0.6 — 存在折中方案但有相当大的权衡；调查哪个响应在拉低D
总体D = 0.6-0.8 — 良好方案，满足大多数要求；微调可改善个别响应
总体D > 0.8 — 卓越；所有响应同时接近理想值；此方案是实施的有力候选

常见问题

如何设定形状参数（s1、s2）？

s=1 为线性期望函数（整个区间内的重要性相同）。s<1（例如 0.5）会让高期望值更容易达到——适用于对偏差比较宽容的场合。s>1（例如 2 或 3）会让高期望值更难达到——适用于必须紧贴目标值的关键响应。多数实践者从 s=1 开始，再依工程判断进行调整。

为什么用几何平均而不是算术平均？

几何平均保证了只要有任何一个响应的 d=0（完全不可接受），总体期望值就会被拉到 0——无法靠其他响应表现优异来弥补一项失败的响应。算术平均则允许这种折中，可能掩盖关键质量特性的失效。正是这种“一票否决”的性质，使几何平均成为多响应优化的正确选择。