田口方法漫谈（二三）

主动型动态参数设计望目型选优探讨。
田口方法动态参数设计仅分主动型和被动型，笔者认为应分离出望目型，不用其信噪比，建议用更简单计算方法。
田口方法用一元线性回归模型作为动态参数设计的模型，表面上是创新，实际DOE的量化数据都可用回归方程建模。
其信噪比公式：
η=10Lg（β2/σ2 ），（《试验设计》茆诗松p250）
由于β在线性回归方程中是回归系数，所以β越大越吻合线性。但在物理模型中，田口观点β要合适，不是越大越好，但β被解释为效率，更容易陷入越大越好的误区。
静态望目型2种设计，如方差相等，一种均值大于目标值，另一种均值贴近目标值，用信噪比评价，前者会优于后者荒谬结论！？
动态信噪比也犯同样失误。
笔者不想追究田口先生数学推导过程是否合理，正如其静态参数设计望目型不含目标值m的低级失误一样，其动态望目型信噪比不含目标值，明显不合逻辑。其动态望目型，由于用线性回归方程为数学模型，本质是望“直线”，其直线假设也有问题，实际数学模型可能是非线性，所以“直线”并非真正人的意志的目标值。
所以最简单的方法先不假设是哪一种数学模型，就按田口的分布与目标值偏离即产生质量损失原则，即趋目性和离散性要小的两要素来设计计算方法。
比如经典的汽车转向系统选优，如驾驶员意志是希望车辆转20度角，是望目型。但汽车与摩托车不同，必须依赖转向系统作为中介表达目标值。转向系统可设计不同的减速比k来助力。
如果是5：1，设为k1，则方向盘需转100度角，（即信号因子M1），汽车理论动态目标值成K1M1=20度角，由于各种因子干扰，车辆实际转角响应y1总与目标值有差异。
计算式：Σ│KiMi-Yi│，或Σ（kiMi-yi）2，趋目性和离散性合为一式。
即在各不同车速，不同转向角大小时，与动态目标值总差异最小的K最优，就是对不同中介K（这里是减速比）选优。
信号因子和响应可能是非线性关系，信号因子至少4水平，即i>=4。