دو هدف که در جهت مخالف میکشند
سطح پاسخ قلهٔ یک پاسخ را پیدا میکند. هیچ فرآیند واقعی تنها یک پاسخ ندارد. شما همزمان راندمان بالاتر و ضایعات کمتر میخواهید — و تنظیمی که اولی را بیشینه میکند معمولاً دومی را بدتر میکند.
قرار دادن چیزهای متفاوت روی یک مقیاس. راندمان برحسب درصد و ضایعات برحسب کیلوگرم جمعپذیر نیستند. بنابراین هر پاسخ ابتدا به یک مطلوبیت بین ۰ (غیرقابل قبول) تا ۱ (رسیدن به هدف) تبدیل میشود.
چرا میانگین هندسی. مقادیر ضرب میشوند نه میانگینگیری. نتیجه همان نکتهٔ اصلی است: اگر حتی یک مقدار صفر باشد، نتیجهٔ کلی صفر است. با میانگین معمولی، تنظیمی که محصول خارج از مشخصات میدهد میتوانست ۰٫۶۵ بگیرد و به شما توصیه شود. ضرب این را ناممکن میکند.
وزنها میگویند چه چیزی واقعاً مهم است.
وقتی پاسخی وجود ندارد. گاهی نتیجه همهجا صفر است. این یک پاسخ واقعی است، نه خطا.
گام آخر همیشه یک آزمون واقعی است.
قرار دادن چیزهای متفاوت روی یک مقیاس. راندمان برحسب درصد و ضایعات برحسب کیلوگرم جمعپذیر نیستند. بنابراین هر پاسخ ابتدا به یک مطلوبیت بین ۰ (غیرقابل قبول) تا ۱ (رسیدن به هدف) تبدیل میشود.
چرا میانگین هندسی. مقادیر ضرب میشوند نه میانگینگیری. نتیجه همان نکتهٔ اصلی است: اگر حتی یک مقدار صفر باشد، نتیجهٔ کلی صفر است. با میانگین معمولی، تنظیمی که محصول خارج از مشخصات میدهد میتوانست ۰٫۶۵ بگیرد و به شما توصیه شود. ضرب این را ناممکن میکند.
وزنها میگویند چه چیزی واقعاً مهم است.
وقتی پاسخی وجود ندارد. گاهی نتیجه همهجا صفر است. این یک پاسخ واقعی است، نه خطا.
گام آخر همیشه یک آزمون واقعی است.
در برنامه امتحان کنید
DOE → بهینهسازی چندپاسخی: دو پاسخ متضاد اضافه کنید و وزن یکی را ۵ بگذارید.