发帖
雷达卡
其实，解决这个问题的关键是能否创建一个新指标，用它来代表所有的旧指标，然后通过优化这个新指标，就可以实现多指标的平衡化最佳，也就是总体最佳了。这个新指标用什么来表示呢？答案是首先将原先的响应变量转化为另一个变量：意愿(Desirability ) ，它的建立可以将求任意响应变量 达到最优的问题转化为求一个取值范围在0至1之间的单个意愿达到最大的问题。意愿的函数形式可分为三大类，同时根据实际情况，分别确定它们的容许范围，即 “下限”（Lower）和“上限”（Upper）。当实验的指标是越大越好，即“望大”型（Maximize）时，可以用图一来描述此时意愿的规律；当实验的指标是越小越好，即“望小”型（Minimize）时，可以用图二来描述此时意愿的规律；当实验的指标是越接近某值越好，即“望目”型（Target）时，可以用图三来描述此时意愿的规律。这三种不同的函数形式反映了三种不同的指标需求，它们的共同特征是 的取值越接近于1表示越结果越令人满意， 的取值越接近于0则表示相反。
本帖隐藏的内容 此外，一个过程可能有很多响应变量，而且这些响应变量的重要程度对我们来说也可能不尽相同。权重（Weight） 就是用来表示不同响应变量的重要程度的变量，它的默认值为1，取值范围一般从0.1到10，越小说明其越不重要，越大说明其重要性越强。 在单个意愿 及其对应的权重 的基础上，就能够合成一个综合指标：复合意愿 。它的一般定义公式为： ，如果这些单个意愿的权重全部相等，则上式可以简化为： 。复合意愿 就是我们需要创建的一个新指标，有了它，就可以来考虑 个响应变量的同时优化问题了。 在掌握了多变量响应优化的原理之后，再加上专业DOE软件JMP的具体实施，相应的问题就迎刃而解了。遵循理论联系实际的风格，本文继续通过一个工业案例来介绍多指标DOE的实际应用。 场景 : 在半导体行业中，蚀刻率（Etch）和不均匀性（Ununiformity）都是非常重要的质量指标，它们的表现与生产过程中的间隙（Gap）和功率（Power）这两个因素密切相关（具体信息参见图四）。在以往的DOE研究中，曾分别独立地对Etch和Ununiformity做过优化，但产生的矛盾是各自所要求的Gap和Power之间的设置差距较大，怎样才能兼顾两种不同效应的表现，找到最合适的输入控制因素的设定呢？ 图四 某半导体生产流程的输入输出表
显然，此时的半导体技术人员已处于流程的优化阶段，但同时正面临着一个“鱼与熊掌，孰轻孰重”的两难境地，寄希望于普通的DOE理论是于事无补的。而基于复合意愿理论的DOE方法就有了用武之地，使我们“鱼与熊掌，一举兼得”。
首先，根据已掌握的信息，按照中心复合设计的原则，制定12次运行次数的实验规模以及每次实验时的Gap和Power的具体设置。接着，根据既定的实验计划进行实施，并且同时收集每次实验时Etch和Ununiformity的响应值。将以上结果汇总之后，即可得到如图五所示的JMP文件格式的数据表格。
图五 中心复合设计的实验结果汇总表
然后，与以往一样，运用JMP软件中的“模型拟合”的操作平台，就可以得到生产过程的量化分析。我们从大量的分析报表中精选了两个直观形象的图形（图六和图七）来具体说明分析结果。
图六为等高线图，平面地二维坐标表示输入变量Gap和Power，而红蓝两色的等高线分别表示输出变量Etch和Ununiformity。红色阴影区域是Etch的“不可行区域”，蓝色阴影区域是Ununiformity的“不可行区域”，中间一带的白色区域是可以同时满足Etch和Ununiformity要求的“可行域”，它为我们指明了Gap和Power的合理设置范围，也可以将它看作能使输出结果最稳健的取值区域。
图七为预测刻画器，它是一个二维坐标系矩阵。我们可以从中观察到输入变量与输出变量之间的变化规律，各个输出变量与其对应的单个意愿之间的关系，以及各个输入变量对复合意愿的影响。更可以精确地找到理想的因子设置：Gap=1.110417，Power=371.0027，它们将会形成复合意愿的最大值：D=0.571931，它所对应的实际输出因子的结果是：Etch=1124.607，Ununiformity=103.5209。与实际要求相比较，这样的结果无疑是令人满意的，既能“顾此”，亦能“不失彼”。
[handshake]
京公网安备 11010802022788号
