DOE 测试的7 个主要步骤

实验设计（DOE）是一种研究和处理多因素与响应变量之间关系的方法。它合理选择试验条件、安排试验、分析试验数据，建立响应与因素之间的函数关系，或找出总体最优的改进方案。最基本的实验设计方法是全析因实验方法，该方法需要的实验次数最多。其他实验设计方法都是以“减少实验次数”为目的，如部分析因实验、正交实验、均匀实验等。

自20世纪20年代育种科学家罗纳德·费舍尔在农业实验中首次提出DOE概念以来，DOE已经历了90多年的发展，在学术界和企业界都获得了很高的声誉。但由于专业统计分析的复杂性以及各行业的差异性，DOE在很多人眼中逐渐演变成一座难以捉摸的空中楼阁。事实上，DOE绝不是少数统计学家的专属工具。它很容易成为各类工程技术人员的好朋友和好帮手。 DOE测试程序分为七个步骤：

第一步是确定目标

通过运用控制图、故障分析、因果分析、失效分析、能力分析等工具，或者通过实际工作的直接反映，我们会提出一些关键问题点，反映某个指标或参数不能满足我们的要求。然而，对于这样的问题，我们可能无法用一些简单的方法来解决。这个时候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危害，是否有足够的理由支持实验设计方法的运行。我们知道实验设计需要大量的资源来进行，而对于生产型企业来说，实验设计的执行会打乱原来稳定的生产顺序，所以确定实验的目的和实验的必要性是关键主要任务。确定了试验的目标后，我们还必须定义试验的指标和验收规范，这样我们的试验就有方向和指标来验证试验是否成功。这里的指标和规范是测试目的的延伸和具体化，是解决问题的重点。指标的实现就意味着问题的解决。

第二步，分析流程

DOE 测试的7 个主要步骤

关注过程是我们应该养成的习惯。就像我们很多企业在做水平比较时，常常存在一个误区，就是只注重效益，而忽略了工艺特性和实验设计的比较。扩展还必须基于对流程的深入分析。任何问题的发生都有其原因。事物的质量、参数的变化、特征的缺乏等都具有这一特征，在产生问题的过程中普遍存在多种原因。过程的定义非常关键。流程太短可能会放弃显而易见的理由，流程太长则必然导致资源浪费。我们有很多方法来展开这个过程，但我们必须做的一件事就是尽可能详细地列出可能的因素。细节因素来自于对每个步骤进行详细分解并确认其输入和输出。事实上，对过程的分析和理解是改进人员对问题认识的开始，因为不是每个人都能把握我们所关心的问题。此步骤的输出使我们的改进人员能够了解问题的可能因素在哪里。虽然我们不能确定哪一个重要，但至少可以确定一个大方向。

第三步：筛选因素

对这个过程的充分分析给了我们非常有价值的信息，哪些因素可能会影响我们关注的指标，但哪一个是重要的呢？我们知道，对一些没有影响或影响很小的因素进行综合实验分析，实际上是一种浪费，还可能导致实验误差。因此，有必要筛选可能的因素。此时，我们不需要确认交互作用和高阶效应等问题。我们的目的是确认哪个因素具有重大影响。我们可以使用一些低分辨率的二水平测试或者专门的筛选测试来完成这个任务，此时的测试成本也会降到最低。而为了完成这一步的任务，我们可以利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实验因素。当然，需要注意的一点是，只要对这些数据或分析有一点点怀疑，为了测试结果足够可靠，就可以放弃。因素筛选结果使我们能够掌握影响指标的主要因素。这一步尤为关键。现实中，我们往往是通过完整的实证分析得出的，甚至抱有可能是这样的态度。

第四步：快速接近

我们通过筛选测试找到了关键因素。同时，筛选检验还包含一些非常重要的信息，即主要因素对指标影响的趋势。这是我们必须充分利用的信息。它可以帮助我们快速找到测试的目的。可能的区域，虽然不是很确定，但我们还是缩小了包围圈。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，并进行检验。测试的目的就是为了缩小嫌疑人的范围，就像我们寻找罪犯一样。范围，我们得出的一个结论是，我们改进的最佳点是在因素最终反映的水平范围之内，我们离成功又近了一步。

DOE 测试的7 个主要步骤

步骤5 因子检验

在筛选实验时，我们没有强调因素之间相互作用的影响，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取值水平。这时，我们可以进一步衡量因素的主效应、交互作用和高阶效应，这些实验都是在快速逼近的水平区间内选择的，因此对于最终的优化有显着的结果。因子实验主要选择每个因子构造的几何体的顶点和中心。完成它，这样的实验结构可以帮助我们确定对指标的影响，是否存在交互作用或那些交互作用，是否存在高阶效应或哪些高阶效应，而实验的最终目的是通过方差分析检验这些影响是否存在。显然，这也是对之前筛选和快速接近实验的验证。但我们不应该基于这样的实验来描述指标与主效应之间的详细关系，因为对于三个水平点的选择，实验效果会有所不同。缺乏的可能性。

第六步回归测试

在析因实验中，我们确定了所有因素和指标之间的主要影响项。但考虑到功率问题，我们还需要安排一些进一步的实验来最终确定各因素的最佳影响程度。此时的实验只是相关性分析。除了析因检验的检验点之外，即还可以使用析因检验的检验数据。只是为了最终优化我们的指标，或者说有效、全面地构造出因子和水平相应的曲面和轮廓，我们添加一些测试点击来完成这个任务。检验点一般根据回归检验的轮换来选择，并根据功效、因素个数、中心点个数等合理设置其等级，以保证回归模型的可靠性和有效性。完成这些实验后，我们就可以分析建立因子与指标之间的回归模型，并通过优化确定最终的因子水平设置。当然，为了安全起见，在得到最优的参数水平组合后，我们最终还是进行了一些验证实验来检验我们的结果。