DOE 之后的最优寻路——先探明影响，再逼近并驻扎在使质量特性最优的参数的"山顶"
DOE 回答"哪些因子有影响"；响应曲面法 RSM 更进一步回答"什么参数组合使响应最优"。它把响应 y 与因子 x 拟合为二次多项式曲面，沿曲面寻找极值点（最优工艺窗口）。两阶段推进：一阶段因子筛选（用部分析因、Plackett-Burman 过滤掉冗余因子）→二阶段中心组合/Box-Behnken 设计逼近并精确定位最优点。
当你要"调出最优参数"而不是"确认谁有影响"时，就该从 DOE 升级到 RSM。它的价值在于：给的不是单向的"因子影响大"，而是能画出等高线/三维曲面、给出可落地的最优工作点与稳健区间。这是黑带把统计结论转化为工艺决策的临门一脚。
| 设计 | 特点 |
|---|---|
| 中心复合设计 CCD | 在因子立方体基础上加中心点与轴向点，可估全部二次项；最常用 |
| Box-Behnken 设计 | 不取顶点，因子数 3 以上时试验次数更省；适合避免极端组合 |
| 中心点重复 | 多次跑中心点用于估计纯误差与检验曲面是否有曲率 |
判据：拟合后看回归显著性与失拟（lack of fit）。若出现失拟，说明二阶模型仍不够，需考虑更复杂或换因子/换区域。
用因子设计/部分析因剔除无关因子，锁定 2~4 个关键因子进入二阶。
按因子数与约束选 CCD 或 Box-Behnken，规划中心点重复次数。
在一阶基础上加轴向/中心点样本，覆盖二次曲率所需的信息。
拟合二阶模型，检验显著性、R² 与失拟，剔除不显著二次项。
求导/用爬山算法找驻点，在等高线图上锁定最优区域。
在预测最优点做验证试验，确认实际响应与模型预测吻合。
某 SMT 线良率 96%，黑带先用部分析因筛出 3 个关键因子（峰值温度、回流时间、助焊剂量），再用 CCD 补做 20 点二阶实验，拟合得到响应曲面。等高线显示存在一个"焊接良率≈99.5% 的峰区"，并确定其坐标。按该最优点设置参数做 5 次确认实验，实际良率 99.4%，与模型预测吻合，且峰区平坦→对参数漂移稳健。相较"逐因子单变实验"，RSM 少做约一半试验就找到了更优且更稳的设定。
与田口的呼应：RSM 找"山峰"，田口找"平坦的稳健山顶"——RSM 结果结合信噪比分析，可同时得到最优点与对噪声不敏感的稳健区。两者联动是黑带做参数优化的完整套路。
1. 别一上来就二阶：因子没筛完就烧二次设计的样本，浪费且易失拟——先行一阶筛选。
2. 失拟必须查：失拟显著说明模型形状不对，直接寻优会给出错误"山顶"。
3. 寻优区要平坦：最优点虽好但若在陡坡上，参数一漂就掉下来——要找平坦稳健区。
4. 加中心点：中心点重复是检验曲率、估纯误差的关键，别省这几次。
5. 一定做确认：模型最优是统计预测，必须用新样本验证才能拍板工艺参数。
响应曲面法 RSM在 DOE 筛选出关键因子后，用二阶曲面拟合逼近并定位使响应最优的参数区。核心是 CCD/Box-Behnken 设计 + 失拟诊断 + 寻优 + 平坦稳健区确认，价值是把统计结论落地为最优工艺参数。