合金材料采用田口試驗設計和方差分析，對攪拌鑄造工藝制備的LM25/粉煤灰合金材料的磨損性能(SWR:比磨損率)進行了優化。以滑速、荷載、配筋和滑距為輸入因素，采用L27正交設計(三層四因素)“越小越好”的準則進行試驗設計。與其他輸入變量相比，負載的變化對SWR的影響更大。結果表明，優化模型降低了合金材料的比磨損率，并證實了優化參數提高了合金材料的耐磨性。他們還說田口法在優化特定磨損率方面很有用，所使用模型的優缺點。很明顯，每種方法都有不同的優點和缺點。人工神經網絡、ANFIS和FL技術使用實驗結果，但實驗設計使用田口，以最小的實驗提供最大的輸出。

合金材料給出了ANN、ANFIS和Taguchi方法的決策矩陣。在決策矩陣中，利用表4中的信息指定權重因子(WF)。ANFIS分值最高的分值彼此接近。例如，ANN與ANFIS相比具有更高的數據量。這說明了為什么ANN得分3，而ANFIS得分4。使用理想解相似度排序技術(TOPSIS)進行更詳細的分析。TOPSIS是一種多準則決策方法，其主要目的是在決策過程中對信息進行組織、解釋和分析。合金材料TOPSIS方法揭示了正、負理想解的距離，揭示了理想解和非理想解。在TOPSIS中，參數歸一化(Eq.(1))，計算加權歸一化矩陣(Eq.(2))，理想最佳值和最差值，與理想最佳和最差的歐氏距離(Eq.(2))。(3)、(4))和性能(式(5))，分別為:

合金材料理想的最佳值和最差值是確定給定范圍內的最小值或最大值。Ci值顯示ANN、ANFIS和Taguchi方法的等級。ANFIS和Taguchi方法分別觀察到最小數據量和設計以及最大數據量和設計的最大和最小Ci值。這說明，如果要對廣義特征進行分析，如非線性問題的解決、數據分類、數據處理、系統控制或預測，則應應用ANFIS或ANN技術。如果要進行不同變量的實驗設計，應該使用田口法。因此，用較少的實驗研究就可以很容易地揭示實驗變量及其影響。