合金材料采用田口试验设计和方差分析，对搅拌铸造工艺制备的LM25/粉煤灰合金材料的磨损性能(SWR:比磨损率)进行了优化。以滑速、荷载、配筋和滑距为输入因素，采用L27正交设计(三层四因素)“越小越好”的准则进行试验设计。与其他输入变量相比，负载的变化对SWR的影响更大。结果表明，优化模型降低了合金材料的比磨损率，并证实了优化参数提高了合金材料的耐磨性。他们还说田口法在优化特定磨损率方面很有用，所使用模型的优缺点。很明显，每种方法都有不同的优点和缺点。人工神经网络、ANFIS和FL技术使用实验结果，但实验设计使用田口，以最小的实验提供最大的输出。

合金材料给出了ANN、ANFIS和Taguchi方法的决策矩阵。在决策矩阵中，利用表4中的信息指定权重因子(WF)。ANFIS分值最高的分值彼此接近。例如，ANN与ANFIS相比具有更高的数据量。这说明了为什么ANN得分3，而ANFIS得分4。使用理想解相似度排序技术(TOPSIS)进行更详细的分析。TOPSIS是一种多准则决策方法，其主要目的是在决策过程中对信息进行组织、解释和分析。合金材料TOPSIS方法揭示了正、负理想解的距离，揭示了理想解和非理想解。在TOPSIS中，参数归一化(Eq.(1))，计算加权归一化矩阵(Eq.(2))，理想最佳值和最差值，与理想最佳和最差的欧氏距离(Eq.(2))。(3)、(4))和性能(式(5))，分别为:

合金材料理想的最佳值和最差值是确定给定范围内的最小值或最大值。Ci值显示ANN、ANFIS和Taguchi方法的等级。ANFIS和Taguchi方法分别观察到最小数据量和设计以及最大数据量和设计的最大和最小Ci值。这说明，如果要对广义特征进行分析，如非线性问题的解决、数据分类、数据处理、系统控制或预测，则应应用ANFIS或ANN技术。如果要进行不同变量的实验设计，应该使用田口法。因此，用较少的实验研究就可以很容易地揭示实验变量及其影响。