2024年11月，我在一次装备制造行业闭门会上，听到一位工艺总监吐槽：“田口方法？我们照着论文做了8组正交实验，得出的最优参数，量产一塌糊涂。”现场不少老板点头。我心里苦笑——这根本是理解错了好吗。田口方法要是那么简单，田口玄一也不必花40年推广。
我第一次接触田口方法，是在2009年。那时刚入行，带教师傅扔给我一本《品质工学》，说：“把信噪比弄懂了，你就出师了。”可惜，信噪比这东西，让我犯了三年错——直到做曲轴磨削参数优化时，被现实打脸。那台磨床，参数稍微偏移0.2mm，表面粗糙度就超标。我用了正交表L8，选了切削速度、进给量、磨削深度、砂轮硬度四个因子，每个两水平，做了8次试验。按照信噪比响应图，筛选出一组参数，望大特性嘛，信噪比越大越好。结果用到实际，波动依然大得离谱。
后来我意识到，问题出在噪声因素没纳入实验。田口方法的核心是
，得考虑外界噪声（温度、批次差异、操作人员）的影响。我的内表（可控因子）与外表（噪声因子）没结合，纯粹是在理想条件下寻优。呵呵，理想条件有个屁用。正确的做法是，内表正交设计，外表也正交安排噪声，用内外表直积法把噪声的影响体现在信噪比中。这样选出的参数，才对环境不敏感。
所以说，
田口方法最大的贡献，是让工程师从“消除噪声原因”转向“设计对噪声不敏感的参数”。说实话，消除噪声成本太高，比如你不可能让车间恒温恒湿无尘吧？但你可以通过参数组合，让产品性能对温度湿度不敏感。这个思想，是
决定的。田口的二次损失函数告诉你，偏离目标值越远，损失越大，而且是平方关系。所以参数设计时要考虑变异，用信噪比衡量稳健性。
💡这里有个点很多人搞混：望目特性、望大特性、望小特性的信噪比公式不同。望目特性要把灵敏度和信噪比分开优化，很多软件只给了一个公式，导致错误。我在2015年就因为选了错误的望目信噪比公式，被日本顾问指着鼻子骂，记忆犹新。
田口推荐使用正交表，常常认为交互作用很小可以忽略。这特么是双刃剑。实际工业问题，因子间交互作用可能很显著。比如注塑工艺中，料筒温度和注射速度的交互作用，对收缩率的影响极大。如果忽略，选出的是局部最优而非全局稳健解。我现在的习惯是：先用全因子或部分因子实验扫描关键因子，确认交互作用，再用田口方法细调。否则就是玩火。
⚠️还有，正交表的选择很关键。L4、L8、L9、L12、L16、L18……至少要保证自由度和分辨率。千万别抱着“做少点省钱”的想法用太小的表。上周我审校一份报告，一个工程师用L4表做3因子2水平实验，连误差项自由度都没有，得出的方差分析就是瞎扯。我直接让他重做。
问：“做了田口实验，得出的信噪比最大值对应的参数组合，直接用于生产就可以吗？”
答：想得美。通常还需要结合灵敏度和增益来调整。望目特性下，要先最大化信噪比得到稳健参数，再调整可调因子使输出逼近目标值。直接套用，经常把输出偏移到离谱的地方。此外，实验室条件与现场有差异，需要进行确认试验，并在试产中验证。别抄捷径。
问：“现在都2024年了，各种算法优化很厉害，田口方法是不是过时了？”
答：并没有。虽然现在响应曲面法（RSM）、贝叶斯优化流行，但田口方法的稳健设计哲学依然是唯一系统考虑噪声的方法。很多DOE软件如JMP、Minitab都把田口设计模块化了，甚至与机器学习连用。去年我参与的一个电池包热管理项目，就是用田口方法初筛关键因子，再用遗传算法优化。所以说，田口方法是地基，不是天花板。
田口方法不是万能药。它有严重局限性：无法处理非连续因子，不能应对复杂的非线性关系，依赖专家经验选因子。但它在面对大量因子、实验成本高昂、噪声不可控的工业场合，仍然是效率最高的工具。所以，我的态度是：工具箱里永远备着，但不能只靠它吃饭。
补一句：2024年了，如果还有人让你只用信噪比作为唯一指标，你可以让他回去翻翻田口博士后期的作品——连他自己都强调结合灵敏度分析。
掌握田口方法，不是学会正交表，而是理解稳健思想。否则，你就掉进参数地狱，爬都爬不出来。
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：田口方法再审视：为什么你的参数设计总是不灵？ https://www.dachanpin.com/a/tg/66176.html
