DoE試驗設計赫赫有名，在質量控制的整個過程中，扮演了非常重要的角色，它是我們産品質量提高、工藝流程改善的重要保證。

人類熟練于，使用長時間學習的經驗，獲得智慧的這種生活技術。不過僅僅依賴經驗，在面對新的事态時，會産生失誤、延緩發展。不僅僅依靠經驗，追求新的經驗，推進發展性的現象，這就是“實驗”。

真實世界的各種複雜現象，比如細胞的培養過程、蛋白的純化過程，都是由一個個特定的過程或者系統組成，而實驗可以用來發現特定過程或者系統的某些事情，或者說來确定過程或者系統的性能。

一般，我們可以将過程或系統視為操作、機器、方法、人以及其他資源的一種組合，把某些輸入變量轉變為一個或多個可觀測的響應變量的輸出。其中某些輸入變量是可控的，某些輸入變量可能是不可控的。

輸入變量也稱為因子，一般用x表示，輸出變量也稱為響應，一般用y表示。實驗的目的則是：

（1）确定哪些因子（x）對響應（y）的最有影響；

（2）确定有影響的因子（x）的取值在何處時可以使得響應（y）接近目标值；

（3）确定有影響的因子（x）的取值在何處時可使得響應（y）的變異性最小；

（4）确定有影響的因子（x）的取值在何處時可使得不可控變量的效應最小。

實驗設計，就是研究正确的設計實驗計劃和分析實驗數據的理論和方法，通過改變過程的輸入因子，觀察其相應的輸出響應的變化，從而獲取關于該過程的知識，确定各個因子的重要性以及各因子是如何影響響應，并獲得最優化過程，從而達到解決上述四個問題的目的。

在沒有實驗設計之前，科學家是如何解決上述問題的呢？最佳猜測法很顯然，在做實驗之前，我們會先确定我們一些我們認為比較重要的，或者比較感興趣的因子，那實驗怎麼做？一種最直接的方法就是選擇這些因子的任意組合，測試它們，觀察發生了什麼（響應），然後基于觀測的結果，推斷某個因子可能更加的重要，在下一輪的實驗中則改變這個因子，其他因子不變。

這種方法可以無限的持續下去，這種實驗方法稱為最佳猜測法。對于有經驗的研究者來說，這種方法可能會比較有效，但是對于一個新手來說，這種方法則是一種非常低效率的方法，而且有時候，結果取決于運氣。

如果最初的最佳猜測并沒有産生預期的效果，那麼研究者就不得不做另一種因子的組合來開啟最佳猜測。還有，如果研究者最初的最佳猜測獲得了一個可接受的結果，雖然不是最優辦法，但仍可能試圖阻止實驗。

一次一因子法（OFAT）

這種方法包括對每個因子選擇初始點，然後在保持其他因子的初始選擇點不變的條件下，讓每一個因子在其所允許的範圍内連續變動。當所有的實驗都做完之後，就可以做出每個因子的效應圖，對因子效應的解釋就比較直觀。

OFAT法的主要缺點在于，沒有考慮因子之間可能存在交互作用，除此之外， OFAT法能否獲得最優的選擇很大的依賴于初始選擇點的位置，這也是OFAT法的效率不夠高的原因。

析因實驗法如果說OFAT法的缺點是沒有考慮因子之間的交互作用，而如果需要研究這種因子之間交互作用的話，很自然能想到的一種方法是把所有因子的所有水平組合都研究至少一次不就可以了嗎。的确如此，這就是最早的析因實驗法的核心。

析因實驗是處理多個因子的一種正确的做法，在析因實驗法中，所有的因子都是同時在改變的。析因實驗法标志着DoE時代的開始。

析因實驗法是由英國的Ronald A.Fisher爵士提出，至今還不到100年的時間，盡管最初是為了解決農業實驗的問題，但是現在已經廣泛應用于各行各業。而Fisher也被公認為DoE的創始人。Fisher在開創了析因實驗的同時，還提出了方差分析，P值的原理，某種意義來說，Fisher也是現代統計學的革新者。

Ronald A.Fisher随着時代的發展，尤其是工業革命，互聯網革命的到來，析因實驗法也發展了很多，以析因設計為基礎，提出了更多更先進、更有效率、更能解決實際問題的實驗方法，比如部分析因實驗、響應曲面實驗、穩健參數設計、混料設計等等。他們在不同的領域，解決不同的問題上發揮着各自的作用，而所有的這些，我們統稱為實驗設計（DoE）。

在我們學習了DOE試驗設計工具，也覺得它是非常好的方法，打算在您的工作中開始使用的時候，也還會碰到很多障礙，而這些障礙常常讓DOE的應用又回到了原點。所以克服下面的這些障礙也至關重要。

障礙1：相關部門不配合工作。

很多人認為DOE是研發部門，甚至是個别改善工程師自己的工作。我不會DOE，所以我不想參與DOE的任何工作，這是很多一線員工的真實想法。隻有調動他們的積極性，指導他們去完成一次次的試驗，收集數據，然後工程師進行數據分析，得出改進報告等。

DOE的項目負責人除了懂DOE技術外，也需要有工作凝聚力和權限，能夠制定清晰的工作計劃，發動研發、生産、品質等各部門的相關員工積極加入。

另外，DOE技術非常需要領導層的支持。很多公司的科研和生産設備是在一起的，在做試驗時，無疑會打亂、影響生産節奏，這就需要生産部門的配合，而這種配合，有時是一線員工無法決定的。領導層對DOE 改進工作的支持，是他們勇于試驗，從而做出成績的基礎。

障礙2：DOE工程師個性妥協不堅持。

很多公司的DOE工作是員工本職工作以外，額外增加的工作，因此在進行過程中難免會遇到一些障礙。這些都需要工程師不斷地去清晰各部門需要配合的具體工作内容，跟蹤并促進工作進度。

有的DOE項目工程師靠自己的努力就可以順利完成，更多的項目則需要工程師能夠像個項目經理一樣，除了自己堅持完成自己的工作之外，協調、溝通、利用各種借力打力的方法讓試驗順利完成，任何的懶惰、不承擔，都會讓DOE停下來，半途而廢。

障礙3：工程師們脫離現場。

試驗的過程看似參數、方案都已經制定完美了，但在真實工作場合還是會有各種意外的輸入影響着試驗的結果。工程師們簡單把試驗委派給基層員工，他們通常隻負責按照要求完成試驗，試驗過程中很多看似微不足道的因素并不在他們考慮、收集的範圍之内。而“現場”常常是蘊含了最多奧秘的地方。關注現場，是解決問題必不可少的環節，切忌高高在上，紙上談兵。

有個公司，他們的産品質量一直非常穩定，可是最近突然出現了問題，據操作人員認為所有的操作都和過去完全一樣，沒有變化。面對堆積的訂單，波動的質量，公司上下都焦灼起來。技術經理和老總開始一起蹲現場。他們一遍遍地重複流程，觀察各個過程，各個細節，像個偵探一樣，然後又一遍遍地檢驗結果，終于在現場找到了答案。而影響工藝穩定性的是一個非常小的操作習慣，小到他們從來沒有認為這個重要，所以都沒有在作業指導書中進行明确規定。

舉這個小例子，就是告訴工程師，影響試驗結果的因素很多，除了你列出的因子和你認為影響較小的因子，現場也許也會有更多的因素存在。你可以有各種理由無法在試驗現場，但是這樣可能錯過發現“秘密”的機會。所以，一定要創造機會和現場親密接觸。

障礙4：要解決的問題或目标太大。

比方說，要降低XX産品的不良率。大的問題，影響的因子衆多，試驗難度大、部門配合難度大、分析難度大，所以對應的，周期要求特别長。而這種長時間等待，很容易讓人半途而廢，不了了之。

障礙5：不敢實踐。

很多人把積極性放在了不斷學習、掌握DOE技術的理論知識階段。而DOE又是個博大的工具。他們不斷地學習，和别人就DOE的某個假設、某個公式讨論，就MINITAB 、JMP軟件的某個菜單讨論，就是沒有真實的操練。絕知此事要躬行！實踐才是DOE工具的目的。

當然，在DOE工具實際應用的過程中，可能會碰到更複雜的問題或阻礙，但是DOE是一個降低成本，改善問題的工具。心中深信這一點，并不斷地克服各種阻礙，質量改進之路會越走越寬。

試驗設計DOE方法是基于統計學的一個質量管理工具，其原理對于沒有數理統計基礎的人來說，比較難以理解掌握；試驗設計DOE方法在使用過程中，有大量複雜運算，出錯幾率較高。

DOE應用過程中的各種步驟、方法按部就班，逐步完成。DOE的運算部分有了MINITAB軟件的幫助，更是變得超出想象的便捷。

一、試驗設計的三個基本原理

實驗設計的3個基本原理為重複、随機化以及區組化。

重複，意思是基本試驗的重複進行。重複有兩條重要的性質，即随機化和區組化。

随機化，是指試驗材料的分配和試驗的各個試驗進行次序都是随機地确定。統計方法要求觀察值（或誤差）是獨立分布的随機變量。随機化通常能使這一假定有效。把試驗進行适當的随機化亦有助于“均 勻”可能出現的外來因素的效應。

區組化是用來提高試驗的精确度的一種方法。一個區組就是試驗材料的一個部分，相比于試驗材料全體它們本身的性質應該更為類似。區組化牽涉到在每個區組内部 對感興趣的試驗條件進行比較。

二、試驗設計的七個步驟

第一步 确定目标

我們通過控制圖、故障模式分析、失效分析、因果分析、能力分析等工具的運用，或者是直接實際工作的反映，會得出一些關鍵的問題點。

對于運用試驗設計解決的問題，我們首先要定義好試驗的目的，也就是解決一個什麼樣的問題，問題給我們帶來了什麼樣的危害，是否有足夠的理由支持試驗設計方法的運作。

對于生産型企業，試驗設計的進行可能會打亂原有的生産穩定次序，所以确定試驗目的和試驗必要性是首要的任務。

我們還必須定義試驗的指标和接受的規格，這樣我們的試驗才有方向和檢驗試驗成功的度量指标。

指标和規格是試驗目的的延伸和具體化，也就是對問題解決的着眼點，指标的達成就能夠意味着問題的解決。

第二步 剖析流程

關注流程，是我們應該具備的習慣，就像我們的很多企業做水平對比一樣，經常會有一個誤區，就是隻将關注點放在利益點上，而忽略了對流程特色的對比，試驗設計的展開同樣必須建立在流程的深層剖析基礎之上。

任何一個問題的産生，都有它的原因，事物的好壞、參數的适宜、特性的欠缺等等都有這個特點，而諸多原因一般就存在于産生問題的流程當中。

過短的流程可能會抛棄掉顯著的原因，過長的流程必将導緻資源的浪費。

我們又很多的方式來展開流程，但有一點必須做到，那就是盡可能詳盡的列出可能地因素，詳盡的因素來自于對每個步驟的詳細分解，确認其輸入和輸出。

對于流程的剖析和認識，就是改善人員了解問題的開始，因為并不是每個人都能掌握好我們關注的問題。這一步的輸出，使我們的改善人員能夠了解問題的可能因素在哪裡，雖然不能确定哪個是重要的，但我們至少确定一個總的方向。

第三步 篩選因素

流程的充分分析，使我們有了非常寶貴的資料，那就是可能影響我們關注指标的因素，但是到底哪個是重要的呢？

對一些根本就不影響或微笑影響因素的全面試驗分析，其實就是一種浪費，而且還可能導緻試驗的誤差。

我們的目的是确認哪個因素的影響是顯著的，我們可以使用一些低解析度的水平試驗或者專門的篩選試驗來完成這個任務，這時的試驗成本也将最小處理。

我們可以應用一些曆史數據，或者完全可靠的經驗理論分析，來減少我們的試驗因子。

要注意的是，隻要對這些數據或分析有很小的懷疑，為了試驗結果的可靠，你可以放棄。

篩選因素的結果，使得我們掌握了影響指标的主要因素，這一步尤為關鍵，往往我們在現實中是通過完全的經驗分析得出，甚至抱着可能是的态度。

第四步 快速接近

通過篩選試驗找到了關鍵的因素，同時篩選試驗還包含一些很重要的信息，那就是主要因素對指标的影響趨勢，這是我們必須充分利用的信息，它可以幫助我們快速的找到試驗目的的可能區域，雖然不是很确定，但我們縮小了包圍圈。

我們一般使用試驗設計中的快速上升（下降）方法，它是根據篩選試驗所揭示的主要因素的影響趨勢來确定一些水平，進行試驗，試驗的目的就像我們在尋找罪犯一樣的縮小嫌疑範圍。

得出的一個結論就是，我們的改善最優點就在因素的最終反映的水平範圍内，我們離成功更近了一步。

第五步 析因試驗

我們确定了主要因素的大緻取值水平，這時我們就可以進一步的度量因素的主效應、交互作用以及高階效應。

試驗是在快速接近的水平區間内選取得，所以對于最終的優化有顯著的成效，析因試驗主要選擇各因素構造的幾何體的頂點以及中心點來完成。

這樣的試驗構造，可以幫助我們确定對于指标的影響，是否存在高階效應或者哪些高階效應。

最終是通過方差分析來檢定這些效應是否顯著，同時對以往的篩選、快速接近試驗也是一個驗證，但我們不宜就在這樣的試驗基礎上就來描述指标與諸主效應的詳細關系，因為對于3個水平點的選取，試驗功效會有不足的可能性。

第六步 回歸試驗

考慮到功效問題，我們需要進一步的安排一些試驗來最終确定因素的最佳影響水平，這時的試驗隻是一個對析因試驗的試驗點的補充，也就是還可以利用析因試驗的試驗數據，隻是為了最終能夠優化我們的指标，或者說有效全面的構建因素與水平的相應曲面和等高線。

試驗點一般根據回歸試驗的旋轉性來選取，而且它的水平應該根據功效、因子數、中心點數等方面的合理設置，以确保回歸模型的可靠性和有效性。

我們可以就分析和建立起因素和指标間的回歸模型，而且可以通過優化的手段來确定最終的因子水平設定。

為了保險起見，我們最後在得到最佳參數水平組合後進行一些驗證試驗來檢查我們的結果。

第七步 穩健設計

現實中還存在一類這樣的因素，它對指标影響同樣的顯著，但是它很難通過人為的控制來确保其影響最優，這類因素我們一般稱為噪聲因素，它的存在往往會使我們的試驗成果功虧一篑，所以對待它的方法，除了盡量的控制之外可以選用穩健設計的方法，目的是這些因素的影響降低至最小，從而保證指标的高優性能。

例如我們的汽車行駛的路面，不可能保證都是在高級公路上，那麼對于一些差的路面，我們怎樣來設計出高性能呢？這時我們會選擇出一些抗幹擾的因素來緩解幹擾因素的影響。

穩健設計通常我們會經常使用在設計和研發階段，但有時也會随着問題的産生而暴露出來，但我們會提出一個問題了：重新選定主要因素的水平會不會帶來指标的震蕩和劣化。

我們可以通過EVOP等途徑來重新設定以保證因素更改後的輸出效果。

試驗設計在工業生産和工業設計中能發揮重要的作用，提高産量，減少質量波動，提高産品質量改水準、大大縮短新産品試驗周期、降低成本等。

試驗設計的方法很多，根據具體的問題模型和目的我們可以選擇适當地設計方法，如混合設計、曲面設計、裂區設計、田口設計、均勻設計等等。

試驗設計摒棄了以往單個因子逐步調整的做法，避免了忽視交互作用等方面的問題，從而更加系統有效的解決我們所關注的指标。我們可以在很多的行業中采用漸進的方法來采用試驗設計方案，而不期望于一步到位。

接下來，分享完整版《實驗設計DOE方法》培訓教材，歡迎收藏學習！

更多專業質量文章，請訪問QualityIn質量學院官網。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!