田口稳健设计

计算田口实验分析的信噪比. 通过计算田口正交阵列实验的信噪比，识别稳健产品和工艺设计的最佳因子水平。. 由田口玄一创立的田口稳健性设计方法，旨在寻找一组因子设定，使性能在命中目标值的同时，对噪声（不可控变异）的敏感度降到最低。信噪比（S/N）把均值与方差合并为单一指标，S/N 越高表示性能越稳健。

通过计算田口正交阵列实验的信噪比，识别稳健产品和工艺设计的最佳因子水平。

什么是田口稳健设计？

由田口玄一创立的田口稳健性设计方法，旨在寻找一组因子设定，使性能在命中目标值的同时，对噪声（不可控变异）的敏感度降到最低。信噪比（S/N）把均值与方差合并为单一指标，S/N 越高表示性能越稳健。

三种 S/N 比公式对应不同的质量目标：望大特性（LTB）用于强度等需要最大化的响应；望小特性（STB）用于不良率等需要最小化的响应；望目特性（NTB）用于尺寸等需要命中特定目标值的响应。使 S/N 比最大的因子水平即为最优水平。

田口方法采用正交表（L4、L8、L9、L12、L16、L18、L27）作为高效的试验布置。这些预先构造好的设计能以极少的试验次数估计主效应。分析的目的是找出既能获得最佳平均性能、又使变异最小的因子水平——这正是稳健性设计的精髓。

Formula: Larger-is-Better: SN = -10 log(Σ(1/yᵢ²)/n) Smaller-is-Better: SN = -10 log(Σyᵢ²/n) Nominal-is-Best: SN = 10 log(ȳ²/s²)

计算示例

望小特性示例（最小化表面粗糙度）。第 1 次试验的重复值：2.1、2.3、2.0。SN = -10 × log₁₀((2.1² + 2.3² + 2.0²)/3) = -10 × log₁₀(4.567) = -6.60 dB。第 2 次试验的重复值：1.5、1.8、1.6。SN = -10 × log₁₀(2.683) = -4.29 dB。第 2 次试验的 S/N 更高（更优，粗糙度更小）。

何时使用此计算器

产品或工艺稳健性为主要目标时 — 最小化对噪声因子的敏感度而非仅优化平均响应
在参数设计中识别在环境或材料变异下仍提供一致性能的控制因子设置时
用有限实验资源筛选多因子时 — 田口正交数组比经典全因子所需实验次数更少
与熟悉田口方法和S/N比作为标准改善方法论一部分的制造团队合作时
在产品设计中基于哪种提供最一致（稳健）的性能来比较材料或组件替代方案时

常见错误

使用错误的S/N比类型 — 目标是达到目标值（望目特性）时选择望大特性会导致只最大化响应而不控制变异
选择对因子数量过小的正交数组 — 过载数组会导致重要效应完全混叠；验证数组有足够列容纳所有因子
每个实验条件未包含足够重复 — S/N比需要变异估计，需要每个实验条件多次观察；推荐至少3次重复
忽略交互作用效应 — 标准田口分析假设交互作用可忽略；如果交互作用显著，仅主效应分析得到的最优因子设置可能是错误的

如何解读结果

无论质量目标类型如何S/N比越高总是越好 — 公式设计使得最大化S/N即优化目标
因子水平间S/N比差异大表示强因子效应 — 这些是生产中需要严格控制的因子
水平间S/N比差异小表示因子对稳健性影响小 — 设置为最经济的水平
最优组合是各因子独立最大化S/N的水平集合 — 假设控制因子间交互作用可忽略

常见问题

该如何在田口方法与经典试验设计之间做选择？

当需要以极少的试验次数筛选大量因子、且稳健性（低变异）是首要目标时，田口设计最为合适。若需要估计特定的交互作用、建立预测模型或进行响应曲面优化，则更适合采用经典试验设计（全因子/部分因子）。许多实践者先用田口方法做初期筛选，再用经典试验设计做精细优化。

三种 S/N 比类型有什么区别？

望大特性（LTB）：适用于希望响应越大越好的场合（如收率、强度、效率）。望小特性（STB）：适用于希望响应越小越好的场合（如不良率、收缩量、噪声）。望目特性（NTB）：适用于希望命中某一特定目标值的场合（如尺寸、粘度）。选用哪一种取决于所测量的质量特性。