无论在六西格玛管理、工程质量、科研开发中，实验设计都是解决问题的常用方法，其应用可以说涵盖了所有行业。实验设计最初是在农业和林业中研究的，所以我们现在的很多实验设计术语都源于此，BLOCK的意思，它的本义是田地的四个正方形。随着研究的深入，逐渐应用到机械、医药、化工等各个领域。实验设计的方法有很多。根据具体的问题模型和目的，可以选择合适的设计方法，如混合设计、曲面设计、裂纹设计、田口设计、均匀设计等。实验设计摒弃了以往逐步调整单一因素的做法，避免忽略交互作用等问题，从而更加系统有效地解决我们关注的指标。不同于试验设计最初在农林领域的应用，我们可以采取渐进的方法，在多个行业采用试验设计方案，而不是期望一步到位。

第一步

确定目标

通过控制图、故障分析、因果分析、失效分析、能力分析等工具的使用，或者直接实际工作的反映，我们会得到一些关键的问题，这些问题反映了某个指标或参数不能满足我们的需要，但是对于这样的问题，我们可能根本无法用一些简单的方法解决，然后我们可能会想到实验设计。对于实验设计解决的问题，首先要明确实验的目的，即解决什么样的问题，问题给我们带来什么样的危害，是否有足够的理由支持实验设计方法的操作。我们知道实验设计必须花费更多的资源来进行，而对于生产企业来说，实验设计会打乱原有稳定的生产秩序，所以确定实验的目的和必要性是首要任务。随着测试目标的确定，我们还必须定义测试指标和可接受的规范，这样我们的测试才能有方向，才能衡量测试的成功。这里的指标和规范是实验目的的延伸和具体化，也就是问题解决的重点，指标的达成可以意味着问题的解决。

第二步

剖析流程

关注过程让我们有了习惯，就像我们很多企业做横向比较，往往有一个误区，就是只关注利益，忽略了过程特性的比较，实验设计的开展也必须建立在对过程的深度分析之上。任何问题都有它的原因，比如事物的质量、参数的变异、特性的缺失等等，而很多原因一般都存在于问题产生的过程中。过程的定义非常关键。流程太短可能会舍弃明显的理由，而流程太长必然会造成资源的浪费。扩展过程的方法有很多，但有一点是必须要做的，那就是尽可能详细地列出可能的因素。细节因素来自于对每一步的详细分解和对其输入输出的确认。事实上，对过程的分析和理解是提高人们对问题认识的开始，因为不是每个人都能抓住我们所关注的问题。这一步的输出使我们的改进人员能够知道问题的可能因素在哪里。虽然我们不能确定哪个重要，但至少可以确定一个大方向。

第三步

筛选因素

在充分分析的过程中，我们获得了非常有价值的信息，即可能影响我们关注指标的因素，但哪一个重要呢？我们知道，对一些完全没有影响或影响很小的因素进行综合实验分析，其实是一种浪费，还可能导致实验误差。因此，有必要对可能的因素进行筛选。这时候就不需要确认交互作用，高阶效应等问题了。我们的目的是确认哪个因素有重大影响。我们可以用一些低分辨率的两水平实验或者特殊的筛选实验来完成这个任务，测试成本会降到最低。而且，为了完成这个任务，我们可以应用一些历史数据或者完全可靠的实证理论分析来减少我们的测试因素。当然，需要注意的是，只要对这些数据或分析有一点点怀疑，就可以为了检测结果的可靠性而放弃。筛选因素的结果使我们能够掌握影响指标的主要因素，这一点尤为关键。往往我们在现实中是通过完全的实证分析得到的，甚至抱着一种可能的态度。

第四步

快速接近

我们通过筛选测试找到了关键因素，同时筛选测试也包含了一些非常重要的信息，即主要因素对指标的影响趋势，这是我们必须充分利用的信息，它可以帮助我们快速找到可能达到测试目的的区域。虽然不是很确定，但是我们已经缩小了包围圈。这时，我们在实验设计中一般采用快速上升(下降)法，根据筛选试验揭示的主要因素的影响趋势确定一些水平，进行实验。实验的目的就是像我们找罪犯一样缩小怀疑范围。我们得出一个结论，我们提高的最大优势在于因素最终体现的水平区间，我们离成功又近了一步。

第五步

析因试验

在筛选试验中，我们没有强调因素间交互作用的影响，而是给出了主要影响因素，快速逼近法使我们能够确定主要因素的近似值水平。这时，我们可以进一步测量因素的主效应、交互效应和高阶效应。这些测试都选在快速接近水平区间，所以对最终优化有显著效果。析因实验主要选取各种因子所构造的几何图形的顶点和中心点来完成。这个实验结构可以帮助我们确定对指数的影响，是否存在相互作用或那些相互作用，是否存在高阶效应或哪些高阶效应。实验的最终结果是通过方差分析来验证这些影响是否显著，也是对之前筛选和快速接近实验的一个验证。但是，我们不应该在这种实验的基础上描述指数与主要效应之间的详细关系，因为对于三个水平点，

第六步

回归试验

我们在析因试验中，确定了所有因素与指标间的主要影响项，但是考虑到功效问题，我们需要进一步的安排一些试验来最终确定因素的最佳影响水平，这时的试验只是一个对析因试验的试验点的补充，也就是还可以利用析因试验的试验数据，只是为了最终能够优化我们的指标，或者说有效全面的构建因素与水平的相应曲面和等高线，我们增加一些试验点来完成这个任务。试验点一般根据回归试验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面的合理设置，以确保回归模型的可靠性和有效性。这些试验的完成，我们就可以分析和建立起因素和指标间的回归模型，而且可以通过优化的手段来确定最终的因子水平设定。当然为了保险起见，我们最后在得到最佳参数水平组合后进行一些验证试验来检验我们的结果。

第七步

稳健设计

我们知道，试验设计的目的就是希望通过设置我们可以调控的一些关键因素来达到控制指标的目的，因为对于指标来讲我们是无法直接控制的，试验设计提供了这种可能和途径，但是在现实中却还存在一类这样的因素，它对指标影响同样的显著，但是它很难通过人为的控制来确保其影响最优，这类因素我们一般称为噪声因素，它的存在往往会使我们的试验成果功亏一篑，所以对待它的方法，除了尽量的控制之外可以选用稳健设计的方法，目的是这些因素的影响降低至最小，从而保证指标的高优性能。事实上这些因素是普遍存在的，例如我们的汽车行驶的路面，不可能保证都是在高级公路上，那么对于一些差的路面，我们怎样来设计出高性能呢？这时我们会选择出一些抗干扰的因素来缓解干扰因素的影响，这就是稳健设计的意图和途径。通常我们会经常使用在设计和研发阶段，但有时也会随着问题的产生而暴露出来，但我们会提出一个问题了，重新选定主要因素的水平会不会带来指标的振荡和劣化，这是完全有可能的，但我们可以通过EVOP等途径来重新设定以保证因素更改后的输出效果。

小结：

1.试验设计需要成本的投入，我们必须确定试验进行的必要性，以及选取最优的设计方案。

2.水平的选取可能直接影响试验设计的结果，要谨慎的选取，最后有专业知识和历史数据的支持。

3.尽可能的利用一些历史数据，在确认可靠后提取对我们试验有用的信息，来尽量减少试验投资和缩短试验周期。

4.试验设计并不能提供解决所有问题的途径，现实当中的局限验证了这一点，我们要全面考虑解决问题的方式，选取最有效、最经济的解决途径。

5.注意充分的分析流程，不要遗漏关键的因素，不要被一些经验论的不可能结论左右。

6.除了试验设计涉及的因素外，要尽量确定所有的环境因素是稳定和符合现实的，往往会做不到这一点，我们可以用随机化、区组化来尽量避免。

7.注意结果的验证和控制，不要轻信结果。

8.尽量保证试验的仿真性，避免一些理想的试验环境，比如试验室，理想不现实的环境是的试验可能根本就没有作用。

9.试验设计者要关注试验过程，保证试验意图和方案的彻底执行。

10.如果实现一步到位的试验设计是可能的，那就不要犹豫的开展吧，上面的七步只是针对普通的情况。

DOE试验设计培训的定义及使用的目的

一、DOE试验设计培训定义和介绍

试验设计或设计试验是一系列试验及分析方法集，通过有目的地改变一个系统的输入来观察输出的改变情况。

图9中的系统既可以看作是一个产品开发过程，也可以看作是一个生产过程。对于一个生产过程，一般它是由一些机器、操作方法和操作人员所组成的，把一种输入原材料转变（加工）成某种输出产品。这种输出产品有一些可以观察的质量特性，也可叫响应（例如，产量，强度和硬度等）。一些过程参数（X1，X2，…Xp）是可控的，例如进给速度、淬火、温度等；而另一些（Z1，Z2，…Zp）是不可控的，它们有时被称为噪声参数，例如环境温度、湿度等。

二、DOE试验设计培训的目的可能包括：

（1）确定哪些参数对响应的影响最大。

（2）确定应把有影响的参数设定在什么水平，以使响应达到或尽可能靠近期望值。

（3）确定应把有影响的参数设定在什么水平，以使响应的分散度（或方差）尽可能减少。

（4）确定应把有影响的参数设定在什么水平，以使不可控参数（噪声参数）对响应的影响尽可能减少。

因此，在制造过程的开发以及解决过程中出现的问题中都可以应用试验设计，以改善过程的性能，或者使过程对于外部波动源（干涉）不那么敏感，得到一个“稳健”的过程，同时还可以节省时间和降低成本。所以，试验设计对于开发和改善制造过程，提高产品质量是一个非常重要的工程工具。

除此之外，试验设计还可以在新产品开发或现有产品改进中起到很大的作用：

（1）评价和比较不同设计方案。

（2）评价代用材料。

（3）确定影响性能的关键产品设计参数。

在这些领域应用试验设计可以改善产品的制造工艺性、增强服役性能和可靠性、降低产品成本并缩短开发周期。