20世纪70年代,著名质量大师田口玄一(GenichiTaguchi)提出了三次设计法,即系统设计、参数设计、容差设计。尽管田口方法在学术界存在很多争议(如信噪比度量等),但是其质量哲学思想(如稳健参数设计,质量损失函数)获得学术界和工业界的广泛认可。在田口的三次设计中,参数设计(即稳健参数设计)构成其核心内容,在学术界和工业界获得最为广泛的研究与应用。在以往的研究或应用中,研究人员或质量工程师通常会根据田口的三次设计依次开展质量设计工作。然而,一些研究人员和质量工程师认为“在产品或过程的质量设计中,参数设计的最优解可能依赖于参数的容差。若将参数设计与容差设计分开考虑,从经济性的视角考虑的话,将无法获得最优的参数设计值”。其次,以往的研究通常根据实际工程经验推导出参数值和容差值之间的函数关系,在此基础上构建与因子参数值和容差值相关的总成本模型。然而,在实际生产过程中,因子容差值的存在可能会导致因子参数值产生波动,上述工程经验公式无法准确地刻画此类随机波动;此外,现有研究大多针对正态单响应情形,然而在实际生产中,需要关注的产品或过程特性往往有多个,且很多情形下生产并不服从正态分布。针对以上问题,本文在响应曲面贝叶斯建模的框架下,提出了整合参数设计与容差设计的建模方法,开展了如下的研究工作:(1)针对正态多响应情形下的参数设计与容差设计并行优化问题,本文在贝叶斯统计分析与建模的框架下,考虑产品质量特性规格限的存在,构建了包括容差成本,质量损失成本和拒绝成本在内的总成本模型作为优化指标。在利用贝叶斯分析与抽样的方法研究正态多响应问题的过程中会出现两种情况:多个响应模型结构相同和多个响应模型结构存在不同。对于以上两种情形分别采用标准多元回归的方法(Standard Multiple Regression,SMR)和似不相关多元回归方法(Seemingly Unrelated Regression,SUR)进行分析并抽样,获得大样本数据。与现有抽样方法不同的是,在抽样过程中考虑到因子容差值对参数值的影响,使得抽样值与因子参数值和容差值同时相关,利用大样本数据信息代入优化模型。最后采用混合遗传算法求得使总成本最小的参数值和容差值组合。(2)针对非正态单响应情形的参数设计与容差设计整合模型研究,整体思路与正态响应情形类似,优化指标均为总成本函数。不同之处在于,在非正态问题的响应建模上,采用广义线性模型建模,通过联系函数灵活地建立响应方差与均值之间的函数关系。在得到广义响应模型之后,同样采用贝叶斯分析抽样的方法,考虑模型不确定性并进行抽样。将抽样样本数据信息代入总成本模型,并利用混合遗传算法进行最优值求解。通过实例分析可以发现,本文提出的参数设计与容差设计并行优化方法在对正态响应和非正态响应问题的求解上都具有较好的适用性。与现有的方法相比,本文方法较为有效地解决了参数设计与容差设计并行优化中较大的不确定性问题;另外,由于本文在总成本构建中考虑了质量特性规格限的存在,使得所求的产品合格率有了较大提高,同时也能在一定程度上减少生产过程中的质量损失成本,容差成本,拒绝成本,从而降低总成本。