在实际的产品与工艺过程的优化设计中,往往需要考虑多个质量特性,这就是多响应的问题,多响应问题通常不存在一组特定的输入变量使得所有响应变量同时达到最优,多响应优化设计能够有效地提高产品的质量,并产生了巨大的经济效益,因此多响应优化设计在持续性质量改进活动中显示出越来越重要的地位和作用。本文以SX公司产品注塑过程的多响应问题为研究对象,通过对该公司产品注塑过程多响应问题的现状分析发现,该公司分析人员采取的是传统的多响应曲面方法,即利用最小二乘法(OLS)拟合响应变量与控制变量的模型,然后基于满意度函数确定最佳因子水平组合。同时通过查阅国内外文献发现,最小二乘法在因子个数较多时难以准确的拟合模型,且在优化过程中需要考虑多响应之间的相关性问题。鉴于以上分析,根据注塑过程中因子个数的情况,将注塑过程分为复杂注塑过程和简单注塑过程,由于两类注塑过程在多响应优化方法上存在差异,本文提出了两类注塑过程的多响应优化的思路：(1)基于ANN(人工神经网络)的复杂注塑过程多响应优化。计算各响应变量满意度值,利用ANN拟合响应变量的满意度值和控制变量的模型,并进行预测；采用PCA(主成分分析)方法将一系列相关的变量转化成不相关的变量,得到主成分序列；在确定主成分的优化方向后,运用TOPSIS方法确定最佳的因子水平组合。(2)基于SUR(似不相关回归)的简单注塑过程多响应优化。由于SUR方法在较好拟合模型的同时又能解决响应变量之间的相关性问题,因此,采用SUR方法拟合模型,确定各个变量的满意度函数和总体满意度函数,在此基础上,获得最佳因子水平组合。最后,将上述两种思路得到的最佳因子水平组合进行试验验证,并对优化前后的结果进行理论和实证上的对比分析。本文的第五章提出了一些促进多响应优化的管理建议。