现代质量工程研究的主要目的是必须最大限度地减小和控制围绕设计目标值的波动,这也已经成为连续质量改进活动的核心内容。通常来说,以质量设计为基础的连续质量改进活动主要由变量筛选、响应建模和参数优化三个阶段所构成。许多实践结果表明:质量设计应开始于产品形成的早期阶段,即从源头上(变量筛选阶段)查找导致产品产生缺陷的原因。考虑到当前产品设计的复杂性和顾客需求的多样性,在后续试验阶段研究人员还需关注:产品设计过程中各种不确定性因素和波动的影响;如何在产品质量设计中能够同时考虑多个质量特性。在以往关于多响应质量设计的研究中,通常仅仅以上述三个阶段的其中之一为研究对象。针对变量筛选问题,大部分研究都未考虑因子效应原则;针对响应建模问题,大部分研究人员都忽略了模型参数的不确定性和预测响应值波动问题。此外,现有的文献成果主要以正态多响应为研究对象,忽略了非正态多响应的优化问题。因此,本文主要研究了考虑相关性的多响应问题、三水平部分因子试验设计以及非正态多响应的质量设计问题,并结合贝叶斯抽样技术、贝叶斯后验概率、遗传算法以及参数设计等技术,以系统建模(响应曲面建模、广义线性模型-Generalized Linear Model,GLM)和实例验证为手段,基于因子效应原则研究了不同生产过程的质量设计问题。具体研究内容如下:(1)结合似不相关回归模型(Seemingly Unrelated Regression,SUR)与因子效应原则的连续质量改进方法。本文利用SUR模型来拟合相关多响应问题,首先结合因子效应原则和贝叶斯方法,构建考虑因子效应原则的变量筛选模型,然后以贝叶斯后验轨迹图和响应后验箱形图,来展示模型参数的不确定性和预测响应值波动问题,最后结合多变量过程能力指数和遗传算法进行参数优化。(2)考虑因子效应原则的三水平部分因子筛选试验与参数优化。当试验设计中待测变量个数大于样本数时,本文利用混合二元变量指示器,构建了考虑因子效应原则的Bayesian Lasso模型,以此从众多变量中筛选出少量的显著性变量;利用响应的后验抽样值,构建多变量过程能力指数,从而确定最佳的参数水平。(3)结合GLM与因子效应原则的非正态多响应质量设计。针对非正态响应的变量筛选问题,本文结合经验贝叶斯混合先验和混合二元变量指示器,构建了非正态响应的筛选模型;在此基础上,根据帕累托最优策略衡量了各个优化结果的可重复性;最后选择灰色关联度作为质量评价指标,来求解最优参数值。