很多团队把代理模型只用在优化问题上，但实际上，代理模型和 DOE 更适合一起用于不确定性分析、鲁棒性评估和设计裕度研究。对于复杂系统来说，这类分析往往比单点最优更接近真实工程需求。
为什么不确定性分析需要代理模型
- 变量扰动来源多，直接高保真蒙特卡洛成本太高
- 需要评估分布、置信区间、失败概率等统计量
- 单次仿真只能回答“这个方案怎么样”，很难回答“这个方案稳不稳”
常见不确定性来源
- 材料参数波动
- 制造偏差
- 装配误差
- 边界条件变化
- 运行环境扰动
一条常见的工程流程
- 确定关键随机变量和分布范围
- 设计 DOE 样本并执行高保真仿真
- 构建代理模型近似响应
- 基于代理模型做批量抽样分析
- 输出均值、方差、分位数、失效概率等结果
适合重点关注的问题
方案是否稳健
有些方案在名义工况下表现最好，但对变量扰动极其敏感。代理模型和不确定性分析结合后，更容易识别这类“纸面最优、实际脆弱”的方案。
哪些变量最值得控制
通过敏感性和方差贡献分析，可以看出哪些变量对风险影响最大，从而指导后续实验、制造和质量控制。
裕度是否足够
对高可靠行业来说，仅仅知道结果“合格”还不够，还要知道在扰动条件下是否仍然具备足够安全裕度。
工程价值
代理模型、DOE 和不确定性分析的组合，能把仿真从“验证一个方案”提升到“理解一类方案”。这类能力对于高复杂度产品设计、工艺窗口评估和风险控制尤其关键。