เปรียบเทียบวิธี

	การควบคุมกระบวนการทางสถิติแบบหลายการตอบสนอง	ระเบียบวิธีพื้นผิวการตอบสนองหลายตัวแปร
สาขาวิชา	การออกแบบการทดลอง	การออกแบบการทดลอง
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1947 (Hotelling's T²); mature multivariate SPC framework 1980s–2000s	1980 (Derringer & Suich desirability function); RSM roots ~1951 (Box & Wilson)
ผู้ริเริ่ม	Harold Hotelling (T² statistic); extended by Alt, Lowry, Montgomery, Mason & Young	Derringer & Suich (desirability function approach); Myers & Montgomery (RSM framework)
ประเภท	Multivariate quality-monitoring procedure	Experimental optimization technique
แหล่งต้นตำรับ	Lowry, C. A., & Montgomery, D. C. (1995). A review of multivariate control charts. IIE Transactions, 27(6), 800–810.	Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12(4), 214–219.
ชื่อเรียกอื่น	Multivariate SPC, MSPC, Multi-response SPC, Multivariate statistical process control	Multi-response RSM, MRSM, Multi-objective RSM, Multiple response optimization
ที่เกี่ยวข้อง	6	6
สรุป	Multi-response statistical process control (multivariate SPC) extends classical univariate control charting to processes where two or more correlated quality characteristics must be monitored simultaneously. By treating all responses as a joint distribution, it detects shifts that would be invisible when each response is charted independently, reducing false alarms and improving the sensitivity of process monitoring in manufacturing and service contexts.	Multi-response Response Surface Methodology (MRSM) extends classical RSM to situations where an experiment generates two or more response variables that must be optimized simultaneously. Rather than tuning factor settings for a single output, MRSM fits a separate second-order polynomial model for each response, then combines them — most commonly via Derringer and Suich's desirability function — to find factor settings that satisfy all objectives at once.