เปรียบเทียบวิธี

	การวิเคราะห์ความสามารถของกระบวนการแบบหลายผลตอบสนอง	การทดลองแบบออกแบบสำหรับหลายการตอบสนอง
สาขาวิชา	การออกแบบการทดลอง	การออกแบบการทดลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1993–1994 (foundational multivariate indices)	1980 (desirability function formalization); DoE roots from Fisher, 1920s–1930s
ผู้ริเริ่ม	Taam, Subbaiah & Liddy (multivariate capability); Hubele, Shahriari & Cheng (MCpm)	Derringer & Suich (desirability function); Montgomery (systematic DoE integration)
ประเภท	Quantitative quality / process assessment method	Experimental optimization methodology
แหล่งต้นตำรับ	Taam, W., Subbaiah, P., & Liddy, J. W. (1993). A note on multivariate capability indices. Journal of Applied Statistics, 20(3), 339–351.	Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12(4), 214–219.
ชื่อเรียกอื่น	MRPCA, multivariate process capability, multi-characteristic capability analysis, vector process capability	Multi-response DoE, Multiple-response optimization, Multi-objective DoE, MRDoE
ที่เกี่ยวข้อง	6	4
สรุป	Multi-response process capability analysis extends classical single-response capability indices (Cp, Cpk) to situations where a process must simultaneously satisfy specification limits on two or more correlated quality characteristics. Rather than evaluating each response in isolation, it assesses the joint probability that all characteristics fall within their respective tolerance regions, yielding a more realistic picture of overall process performance in multi-characteristic manufacturing and engineering settings.	Multi-response Design of Experiments (MRDoE) extends classical DoE to situations where several response variables must be optimized simultaneously. Rather than tuning factors for a single output, the experimenter fits separate regression or response-surface models for each response, then combines them — most often via Derringer and Suich's desirability function — into a single composite score that guides the search for factor settings satisfying all response targets at once.