以往田口方法的相關文獻上，都以單一品質特性為主。然而近年 來已有不少學者針對多重品質特性問題，做相關的研究。常見的方 法，包括有主成份分析法（prinicipal component analysis）、多屬性決 策（MADM）、模糊集合理論、理想解類似度順序偏好法（technique for order preference by similarity to idealsolution,TOPSIS）等。本節挑 選較具有代表性的方法分別描述如下：
2.2.1 以工程人員之專業知識做判斷
Phadke(1989)應用田口方法於IC製程中，在最佳化或學氣象沉澱
16
(Chemical Vapor Deposition；CVD)製程中，需同時考慮多個品質特 性，其最佳化分析步驟下：
1. 對個別品質特性做S/N比的分析，畫出反應圖決定最佳參數水準。
2. 倘若不同品質特性質之最佳參數水準選擇有衝突時，靠工程上之 相關經驗與知識做判斷，以決定整體之最佳參數組合。
此種方法必需完全依賴工程人員，由於是人為的判斷，其結論會 隨著工程人員經驗、知識、背景不同，而有所不同的結論，導致最佳 化參數水準選擇之不確定性。
2.2.2 主成份分析法
楊玉如(1996)、Tong and Su（1997）與Antony(2000)運用主成份分 析法將具有相關性的品質特性合併成新綜合品質特性後，再找出最佳 的因子水準組合。首先將個別品質特性損失標準化，以消除損失函數 因不同的術量單位所造成之差異，使不同品質特性之損失能處在同一 水準上作比較。再運用主成份分析方法依多個品質特性間的相關性來 合併品質特性。合併後的新綜合品質特性應用田口線外製程最佳化的 精神，找出最佳的因子水準組合。
運用主成份分析法在品質特性的數量不多的狀況下，或是品質特 性間的相關性不顯著時，做主成份分析法來合併品質特性效果並不太 理想。
17
2.2.3 多屬性決策法
Tong & Su（1997）運用模糊理論建構一有系統的的品質特性 權重決定方法，並以理想解類似度順序偏好指標(TOPSIS)來總和 所有的品質特性值。先以工程師經驗，將各個品質特性之重要程 度以語意化措辭來表示其權重。再查表將語意化措辭之權重轉化 為明確的值。接著計算每次實驗中個別品質特性之損失值，並予 以標準化，並求出加權與標準化之品質損失值的決策矩陣，從矩 陣 中 找 出 最 理 想 值 與 最 不 理 想 值 ， 以 求 分 離 度 （ separation measure）。最後使用TOPSIS，以TOPSIS值愈大愈好之原則，找 出最佳的因子水準組合。
張哲維（1998）以模糊多屬性決策方法（MADM）中的理想解類 似度順序偏好法為基礎提出了一個多重品質特性最佳化演算法，並以 IC 製造為例。首先將權重化為模糊數後，再將模糊數轉化為一明確 的數。再計算每次實驗中，個別品質特性之損失。最後利用理想解類 似度順序偏好法可得到各品質綜合衡量指標。
詹雅嵐（1999）根據田口損失函數的精神，計算出動態系統的品 質損失，再以多屬性決策法（MADM）中的理想解類似度順序偏好 法來整合多品質特性之損失值及靈敏度，以達到製程最佳化之目的。
此類研究解決了權重值的問題，但工程人員對品質特性之重要程
18
度加以語意化，使過程顯得複雜許多。多屬性決策法中的理想類似度 順序偏好法，對於各品質特性間重要程度予以排序，於實際運用中，
對於部份品質特性間的重要程度關係不易排序，則顯得較不易施行。
2.2.4 統計相關方法
王春和（1993）針對多重品質特性製程，為求製程最佳化目的，
提出的重點是分別計算各品質特性的損失值後，將各品質特性下的所 有實驗值之損失值除以該特性下之所有實驗單位中的最大損失值。並 給予各特性一適當權數，加總所有品質特性的損失值，求得多品質特 性的總損失。再計算所有品質特性的S/N 比MRS/N(Multi-response signal-to-noise)，以決定最佳因子水準組合。
葉馨雅（1997）以迴歸分析與望想函數（desirability function）來 解決動態系統中多重品質特性最佳化問題。先以迴歸分析找出影響品 質變異的控制因子效應。再以系統變異的望小特性，及根據靈敏度的 望大、望小或望目特性，分別代入望想函數，推導出變異與靈敏度的 望想值。最後整合變異與靈敏度的望想值成為一個總品值，再作Ω轉 換，找出最佳因子水準組合。
運用統計相關方法，若出現極端值的情況，不但在標準化時會產 生偏差，且在建立迴歸模式時也會有所影響。而且望想函數容易受較 差品質特性的影響。且因為是針對每一實驗組合分別建構的迴歸模
19
式，由於每一實驗組合內的實驗次數過少，使得適配之迴歸模式期再 現性有待商榷。
2.2.5 類神經網路
Juan(2003)等學者，以最小生產成本的理念，利用類神經網路來 建構加工參數與刀具壽命間的關係模型來開發銑削SKD61模具鋼之 最佳化參數水準。類神經網路雖然有著回想速度快、學習精確度高等 優點，但是要如何去決定類神經網路的架構和其參數式一項具有困難 的藝術，類神經網路優越的函數逼近能力取決於網路的架構、參數和 問題本身的複雜程度，如果選了不恰當的架構來解決問題，反而會造 成事倍功半的結果。
2.2.6 模糊集合理論
陳志堅（1994）提出一個以模糊理論解決權重之模糊性問題，並 以多屬性決策問題中之理想解類似度順序偏好法方法找出一多品質 特性的綜合品質衡量指標。其方法依序是先利用模糊理論將各品質特 性之權重化為模糊數，使用查表的方式將模糊數化為明確值後，再作 標準化，以求得各品質特性之權重。接著計算各品質特性之損失值 後，並且予以標準化。並建立總品質之理想解類似度順序偏好指標，
來決定最佳的因子水準組合。
20
柯瑞芬（1995）應用田口方法與模糊集合理論來解決多品質特性 最佳化的問題。其分析方法是計算各品質特性的S/N 比後，決定各S/N 比的隸屬度函數，再將S/N 比隸屬度函數轉換成具有重要程度的隸屬 函數。之後將各品質特性的S/N 比代入具有重要程度的隸屬函數，求 得隸屬度。且建立各品質特性的迴歸模式，再利用數學規劃方法來決 定最佳因子組合。
方國富（2000）結合模糊理論、直交表及迴歸分析等工具，建構 一套因子水準選取方法，用以解決品質特性間，因子水準選取結果可 能發生衝突、予盾的情形。先定義並計算「品質滿意函數」，接著建 構參數組合與個別品質特性之迴歸方程式並建立總合迴歸方程式並 選取最終參數水準。
Tarng et al.(2000)提出藉由fuzzy logic來使最佳化多品質特性轉為 單一的表現指數(performance index)，並將fuzzy logic和田口方法結合 來解多重品質特性最佳化問題。此法的特色在於使用fuzzy logic 將 S/N 比轉成隸屬函數，來取代一般做正規化的動作，因為隸屬函數介 於0~1 之間，不會因為因子間的單位不同而產生無法比較的情況。然 而，設計者利用模糊理論決定個別品質特性之S/N比隸屬函數，其結 果之正確性值得再研究。
Lin et al.(2001)利用模糊理論結合田口實驗，發展一套可處理具模
21
糊性設計目標之多重品質特性的演算法，但此方法為考量品質特性與 製程參數間相關性問題。
Lu et al.(2002) 運用以模糊理論為基本的模糊推論系統，將多重 品質特性經由模糊推論轉換成單一品質系統，考慮了品質特性的不確 定性。
吳祥輝(2003)以架空式貣重機為例，應用穩健多目標最佳化設計 方法，結合田口式品質工程與模糊邏輯理論，發展出具有模糊性設計 目標的多重目標演算法。
翁義哲(2007)以田口方法直交表建立實驗方法再利用模糊理論將 車削參數對於各目標的關係，訂立語意性規則，進行運算並加以數值 化，並且綜合所有參數數值，利用進行優劣排序，讓使用者很清楚的 了解各目標的相對關係。並利用田口法的運算，尋求最佳水準切削參 數，並在數控車床上進行實際切削，以驗證最佳切削參數之適用性，
將來作為使用者在設計製造上的參考。
應用模糊理論相關方法來處理多品質特性問題，雖能解決其中模 糊性問題，但是主要的缺點是可能會有不同的設計者會有不同的結 果，即是欠缺一定的標準；其次是可能出現極端的狀況，欠缺整體性。
2.2.7 灰關聯分析
紀勝財與徐立章（2001）整合灰色關聯分析與模糊理論於田口方
22
法中，分別來處理實驗設計中多重品質特性與產品品質模糊語意判斷 之間題。並用目前廣被採用的電漿電弧銲接參數設計為例。
王宗富（2001）結合直交表、主成份分析、灰色關聯分析之多屬 性決策法，提出「主成份灰關聯法」，建構解決多品質特性之製程最 佳化模式，使工程人員於處理多品質特性之最佳化問題時，能迅速找 出符合設計需求的最佳因子水準組合。
洪維宗(2002)應用灰色關聯分析法整合田口法的分析技術，找出具 多品質特性製程的最佳參數水準組合。其分析步驟如下：
1. 將各個品質特性之實驗數據，使用灰關聯生成方法，做標準化的 動作。
2. 針對各實驗組合，計算出各個灰關聯係數。
3. 根據步驟2，針對每一次實驗所求得之灰關聯係數值，計算多重品 質特性的灰關聯度，並畫出反應圖，依灰關聯度值大小決定最佳參數 組合。
Lin(2004)運用田口實驗整合灰關聯分析法，得到最佳切削製程參 數組合。此方法解決了各品質特性與製程參數間的相關性，卻未考慮 品質特性的不確定性問題。
Lin(2004)運用田口實驗整合灰關聯分析法，得到最佳切削製程參 數組合。此方法解決了各品質特性與製程參數間的相關性，卻未考慮 品質特性的不確定性問題。