DOE（Design of Experiment）試驗設計，一種安排實驗和分析實驗數(shù)據(jù)的數(shù)理統(tǒng)計方法；試驗設計主要對試驗進行合理安排，以較小的試驗規(guī)模(試驗次數(shù))、較短的試驗周期和較低的試驗成本，獲得理想的試驗結果以及得出科學的結論。

試驗設計源于1920年代研究育種的科學家Dr.Fisher的研究, Dr. Fisher是大家一致公認的此方法策略的創(chuàng)始者, 但后續(xù)努力集其大成, 而使DOE在工業(yè)界得以普及且發(fā)揚光大者, 則非Dr. Taguchi (田口玄一博士) 莫屬。

要為原料選擇最合理的配方時（原料及其含量）；

要對生產(chǎn)過程選擇最合理的工藝參數(shù)時；

要解決那些久經(jīng)未決的“頑固”品質問題時；

要縮短新產(chǎn)品之開發(fā)周期時；

要提高現(xiàn)有產(chǎn)品的產(chǎn)量和質量時；

要為新或現(xiàn)有生產(chǎn)設備或檢測設備選擇最合理的參數(shù)時等。

　　另一方面，過程通過數(shù)據(jù)表現(xiàn)出來的變異，實際上來源于二部分：一部分來源于過程本身的變異，一部分來源于測量過程中產(chǎn)生的變差，如何知道過程表現(xiàn)出來的變異有多接近過程本身真實的變異呢？這就需要進行MSA測量系統(tǒng)分析。

　　試驗設計的三個基本原理是重復，隨機化，以及區(qū)組化。

　　所謂重復，意思是基本試驗的重復進行。重復有兩條重要的性質。第一，允許試驗者得到試驗誤差的一個估計量。這個誤差的估計量成為確定數(shù)據(jù)的觀察差是否是統(tǒng)計上的試驗差的基本度量單位。第二，如果樣本均值用作為試驗中一個因素的效應的估計量，則重復允許試驗者求得這一效應的更為精確的估計量。如s2是數(shù)據(jù)的方差，而有n次重復，則樣本均值的方差是\frac{s_2}{n}。這一點的實際含義是，如果n=1，如果2個處理的y1 = 145，和y2 = 147，這時我們可能不能作出2個處理之間有沒有差異的推斷，也就是說，觀察差147-145=2可能是試驗誤差的結果。但如果n合理的大，試驗誤差足夠小，則當我們觀察得y1隨機化是試驗設計使用統(tǒng)計方法的基石。

　　所謂隨機化，是指試驗材料的分配和試驗的各個試驗進行的次序，都是隨機地確定的。統(tǒng)計方法要求觀察值（或誤差）是獨立分布的隨機變量。隨機化通常能使這一假定有效。把試驗進行適當?shù)碾S機化亦有助于“均勻”可能出現(xiàn)的外來因素的效應。

　　區(qū)組化是用來提高試驗的精確度的一種方法。一個區(qū)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(qū)組化牽涉到在每個區(qū)組內部對感興趣的試驗條件進行比較。

　　策略一：篩選主要因子（X型問題化成A型問題）

　　實驗成功的標志：在ANOVA分析中出現(xiàn)了1~4個顯著因子；這些顯著因子的累積貢獻率在70%以上。

　　策略二：找出最佳之生產(chǎn)條件（A型問題化成 T型問題）

　　實驗成功的標志：在第二階段的實驗中主要的誤差都是隨機因素造成的。

　　因為各因子皆不顯著，因此，每一因子之各項水準均可使用,在此情況下豈不是達到了成本低廉且又容易控制之目的。

　　策略三：證實最佳生產(chǎn)條件有再現(xiàn)性。

　　在工業(yè)生產(chǎn)和工程設計中能發(fā)揮重要的作用，主要有：

　　1.提高產(chǎn)量；

　　2.減少質量的波動，提高產(chǎn)品質量水準；

　　3.大大縮短新產(chǎn)品試驗周期；

　　4.降低成本；

　　5.試驗設計延長產(chǎn)品壽命。

　　在工農(nóng)業(yè)生產(chǎn)和科學研究中，經(jīng)常需要做試驗，以求達到預期的目的。例如在工農(nóng)業(yè)生產(chǎn)中希望通過試驗達到高質、優(yōu)產(chǎn)、低消耗，特別是新產(chǎn)品試驗，未知的東西很多，要通過試驗來摸索工藝條件或配方。如何做試驗，其中大有學問。試驗設計得好，會事半功倍，反之會事倍功半，甚至勞而無功。

　　如果要最有效地進行科學試驗，必須用科學方法來設計。所謂試驗的統(tǒng)計設計，就是設計試驗的過程，使得收集的數(shù)據(jù)適合于用統(tǒng)計方法分析，得出有效的和客觀的結論。如果想從數(shù)據(jù)作出有意義的結論，用統(tǒng)計方法作試驗設計是必要的。當問題涉及到受試驗誤差影響的數(shù)據(jù)時，只有統(tǒng)計方法才是客觀的分析方法。這樣一來，任一試驗問題就存在兩個方面：試驗的設計和數(shù)據(jù)的統(tǒng)計分析。這兩個是緊密相連的，因為分析方法直接依賴于所用的設計。

　　常見的試驗設計方法，可分為二類，一類是正交試驗設計法，另一類是析因法。

　　（1）正交試驗設計法

　　① 定義

　　正交試驗設計法是研究與處理多因素試驗的一種科學方法。它利用一種規(guī)格化的表格——正交表，挑選試驗條件，安排試驗計劃和進行試驗，并通過較少次數(shù)的試驗，找出較好的生產(chǎn)條件，即最優(yōu)或較優(yōu)的試驗方案。

　?、?用途

　　正交試驗設計主要用于調查復雜系統(tǒng)（產(chǎn)品、過程）的某些特性或多個因素對系統(tǒng)（產(chǎn)品、過程）某些特性的影響，識別系統(tǒng)中更有影響的因素、其影響的大小，以及因素間可能存在的相互關系，以促進產(chǎn)品的設計開發(fā)和過程的優(yōu)化、控制或改進現(xiàn)有的產(chǎn)品（或系統(tǒng)）。

　　案例：[1]

　　當試驗中只有一個變化的參數(shù)時，屬于單因素試驗問題。例如，需要確定液壓作動器的活塞的面積，以使作動器達到最優(yōu)性能。人們根據(jù)對現(xiàn)象的認識，可以估計出最優(yōu)參數(shù)可能存在的區(qū)間。如果對它的認識比較清楚，這種估計比較精確，估計的區(qū)間較窄；相反，估計的區(qū)間就較寬?，F(xiàn)在要通過一系列的試驗使認識深化。如果逐步試驗，要使估計區(qū)間縮小100倍就需要作100次試驗。但是如果使用區(qū)間縮減法中的“黃金分割試驗技術”，只要作11次試驗就可以將區(qū)間縮小到百分之一，作14次試驗就可以對區(qū)間的認識精度提高500倍。

　　在多因素試驗中，往往需要分離出不同因素的影響。譬如要比較A、B、C3種種子的產(chǎn)量。如果只是單純的種子產(chǎn)量問題，似乎只要在3塊同面積的土地上分別用3種種子播種，然后比較產(chǎn)量就可以了。但是如果試驗田的位置在南北方向上處于山地和河流之間，東西方向上處在肥料場和荒地之問，這時仍然任意取3塊等面積的試驗田作試驗，就可能由于土壤的肥脊不同和灌溉的充分與否影響試驗田的產(chǎn)量，而不單是種子一個因素的結果。要估計這些因素的影響，合理的方法是將試驗區(qū)分為9塊試驗田(如下圖)，將3種不同的種子的每一種分播在3塊不同的試驗田里，將3塊田的產(chǎn)量平均，就得到由于種子品種造成的差異(排除了土壤和灌溉的因素)；而將靠肥料場的3塊田的平均產(chǎn)量，與靠荒地的3塊田的平均產(chǎn)量比較，就得到由于土地肥脊程度所造成的產(chǎn)量差異(排除了種子品種和灌溉條件因素)；用靠山的3塊田與傍水的3塊田平均產(chǎn)量進行比較可以看出由于灌溉條件造成的差異(排除了種子品種和土壤條件的差異)。

　?。?）析因法

　　① 定義析

　　析因法又稱析因試驗設計、析因試驗等。它是研究變動著的兩個或多個因素效應的有效方法。許多試驗要求考察兩個或多個變動因素的效應。例如，若干因素：對產(chǎn)品質量的效應；對某種機器的效應；對某種材料的性能的效應；對某一過程燃燒消耗的效應等等。將所研究的因素按全部因素的所有水平（位級）的一切組合逐次進行試驗，稱為析因試驗，或稱完全析因試驗，簡稱析因法。

　?、?用途

用于新產(chǎn)品開發(fā)、產(chǎn)品或過程的改進、以及安裝服務，通過較少次數(shù)的試驗，找到優(yōu)質、高產(chǎn)、低耗的因素組合，達到改進的目的。