DOE（试验设计）七大步骤

第一步是确定目标。

通过控制图、故障分析、因果分析、故障分析、能力分析等工具的应用，或者是直接实际工作的反映，我们会得到一些关键的问题，这些问题反映出某个指标或参数不能满足我们的需求，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来解决，然后我们可能会想到试验设计。

对于使用试验设计解决的问题，我们首先要明确实验的目的，即解决了什么样的问题，问题给我们带来了什么样的危害，以及是否有足够的理由支持试验设计方法的运行，我们知道试验设计必须花费更多的资源来进行，而对于生产企业来说，实施试验设计会打乱原有的。

随着测试目标的确定，我们还必须定义测试指标和接受的规范，这样我们的测试才能有方向和测量指标来检查测试的成功。这里的指标和规范是测试目的的延伸和具体化，也就是解决问题的重点，指标的达成可以意味着问题的解决。

第二步是分析过程。

注重过程是我们应该有的习惯。就像我们很多企业做水平比较一样，往往有一个误区，就是只关注利益，而忽略了过程特征的比较。试验设计的开发还必须基于对流程的深入分析。每一个问题都有其产生的原因，比如事物的质量、参数的变化、特征的缺失等等，在产生问题的过程中普遍存在很多原因。

过程的定义非常关键。太短的流程可能会丢弃明显的原因，太长的流程肯定会导致资源浪费。开发流程的方法有很多，但我们必须做的一件事是尽可能详细地列出可能的因素。详细的因素来自每一步的详细分解，并确认其输入和输出。

事实上，对过程的分析和理解是提高人们对问题认识的开始，因为不是每个人都能掌握我们所关注的问题。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。虽然我们不确定哪个重要，但我们至少可以确定一个大致的方向。

第三步是筛选因素。

对过程的充分分析是，我们有非常有价值的信息，即可能影响我们对指标关注的因素，但哪个重要？我们知道，对一些没有或根本没有太大影响的因素进行综合实验分析，其实是一种浪费，也可能导致实验误差。

因此，有必要筛选可能的因素。此时，我们不需要确认相互作用、高阶效应等问题，但我们的目的是确认哪些因素具有显着影响。我们可以用一些低分辨率的两级测试或者特殊的筛选测试来完成这个任务，测试成本会降到最低。

而且，为了完成这项任务，我们可以应用一些历史数据或完全可靠的经验理论分析来减少我们的实验因素。当然，需要注意的是，如果对这些数据或分析没有什么疑问，可以放弃对测试结果可靠性的质疑。由于筛选因素，我们掌握了影响指标的主要因素，这一点尤为关键。通常，在现实中，我们通过完整的经验分析得到它，即使是以一种可能的态度。

第四步快到了

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重要的信息，那就是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测试目的的可能区域。虽然不是很确定，但我们已经缩小了包围圈。

这时候我们一般在试验设计，采用快速上升(下降)的方法，根据筛选测试揭示的主要因素的影响趋势，确定一些级别，进行测试，目的就像我们在找罪犯一样，缩小嫌疑人的范围。我们得出的结论是，我们提高的最佳优势在于因素最终反映的水平范围，我们离成功更近了一步。

第五步是因子检验

在筛选测试中，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，快速逼近的方法使我们能够确定主要因素的近似值水平。此时，我们可以进一步衡量因素的主要效应、相互作用和高阶效应。这些测试是在快速接近的水平范围内选择和获得的，因此它们对于最终的优化具有显着的效果。阶乘实验主要通过选择由各种因子构造的几何体的顶点和中心点来完成。这样的实验结构可以帮助我们确定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。实验的最终目的是通过方差分析验证这些效应是否显着，也是对以往筛选和快速逼近实验的验证。然而，我们不应该在这样的实验基础上描述指标和主要效果之间的详细关系，因为对于三个水平点，

回归测试

在因子实验中，我们确定了所有因素和指标之间的主要影响项目，但考虑到功效问题，我们需要进一步安排一些实验，最终确定因素的最佳影响水平。此时的实验只是对阶乘实验实验点的补充，也就是我们也可以利用阶乘实验的实验数据，只是为了最终优化我们的指标，或者是为了有效全面地构建因子和层次的对应曲面和轮廓，而我们增加一些实验点来完成这个任务。

测试点一般根据回归测试的轮换进行选择，其水平应根据疗效、因素个数、中心点个数等合理设置。，以保证回归模型的可靠性和有效性。在完成这些实验后，我们可以分析并建立因子和指标之间的回归模型，并通过优化的方式确定最终的因子水平设置。当然，为了安全起见，我们最终会在获得参数级别的最佳组合后，进行一些验证测试来测试我们的结果。

第七步:稳健设计

我们知道试验设计的目的是通过设置一些我们可以控制的关键因素来控制指数，因为我们不能直接控制指数。试验设计提供了这种可能性和方式，但现实中仍有一类此类因素对指数具有同样显着的影响，但很难通过人工控制来保证其最优影响。这种因素俗称噪音因素，它的存在往往会让我们的测试结果功亏一篑。因此，除了尽可能地控制之外，还可以选择稳健设计的方法，以最大限度地减少这些因素的影响，保证指标的高质量表现。

其实这些因素都是常见的。比如，不可能保证我们的汽车行驶的道路都是高等级公路。那么如何才能为一些差的道路设计出高性能的道路呢？此时，我们会选择一些抗干扰因素来缓解干扰因素的影响，这是稳健设计的意图和途径。通常我们在设计和R&D阶段经常会用到，但有时会随着问题的出现而暴露出来，但我们会问一个问题，主要因素水平的重新选择是否会带来指标的振荡和恶化，这是完全有可能的，但我们可以通过EVOP等方式进行重置，保证因素改变后的产出效果。

能源部试验设计七步总结:

试验设计需要成本投入，因此必须确定实验的必要性，选择最佳设计方案。

级别的选择可能直接影响试验设计，所以要慎重选择，最终要有专业知识和历史数据的支持。

尽可能利用一些历史数据，在确定可靠性后，为我们的实验提取有用的信息，从而最大限度地减少实验投资，缩短实验周期。

试验设计无法提供解决所有问题的方法，这一点在现实中的局限性得到了验证。我们应该综合考虑解决问题的方法，选择最有效、最经济的解决方案。

注意充分的分析过程，不要错过关键因素，不要被一些经验主义的不可能结论所影响。

除了试验设计/中涉及的因素外，我们应该尽最大努力确保所有的环境因素都是稳定和现实的，这通常是不可能的。我们可以通过随机化和分组来避免它们。

注重结果的验证和控制，不要轻信结果。

尽量保证测试的模拟性，避免一些理想的测试环境，比如实验室。理想和不现实的环境可能根本行不通。

试验设计人们应关注测试过程，以确保测试意图和方案的彻底实施。

如果有可能一步到位实现试验设计不要犹豫，去执行。以上七个步骤只适用于普通情况。