产品
提起DOE，很多人会说太难学了，没有比较深厚的统计基础根本学不会；我们公司做试验很少，不需要DOE。试验设计DOE方法是基于统计学的一个质量管理工具，其原理对于没有数理统计基础的人来说，比较难以理解掌握；试验设计DOE方法在使用过程中，有大量复杂运算，出错几率较高。
然而，以上种种，在当前已经都不是问题。DOE应用过程中的各种步骤、方法按部就班，逐步完成。DOE的运算部分有了MINITAB软件的帮助，更是变得超出想象的便捷。
下面分享DOE的正确实施步骤：
01第一步：确定目标
通过控制图、故障分析、因果分析、失效分析、能力分析等工具的运用，或者是直接实际工作的反映，会得出一些关键的问题点，它反映了某个指标或参数不能满足需求，但是针对这样的问题，可能运用一些简单的方法根本就无法解决，这时候可能就会想到试验设计。
对于运用试验设计解决的问题，首先要定义好试验的目的，也就是解决一个什么样的问题，问题带来了什么样的危害，是否有足够的理由支持试验设计方法的运作，试验设计必须花费较多的资源才能进行，而且对于生产型企业，试验设计的进行会打乱原有的生产稳定次序，所以确定试验目的和试验必要性是首要的任务。随着试验目标的确定，还必须定义试验的指标和接受的规格，这样的试验才有方向和检验试验成功的度量指标。这里的指标和规格是试验目的的延伸和具体化，也就是对问题解决的着眼点，指标的达成就能够意味着问题的解决。
02第二步：剖析流程
关注流程，应该具备的习惯，就像很多企业做水平对比一样，经常会有一个误区，就是只讲关注点放在利益点上，而忽略了对流程特色的对比，试验设计的展开同样必须建立在流程的深层剖析基础之上。
任何一个问题的产生，都有它的原因，事物的好坏、参数的便宜、特性的欠缺等等都有这个特点，而诸多原因一般就存在于产生问题的流程当中。流程的定义非常的关键，过短的流程可能会抛弃掉显著的原因，过长的流程必将导致资源的浪费。有很多的方式来展开流程，但有一点必须做到，那就是尽可能详尽的列出可能的因素，详尽的因素来自于对每个步骤地详细分解，确认其输入和输出。
其实对于流程的剖析和认识，就是改善人员了解问题的开始，因为并不是每个人都能掌握好我们所关注的问题。这一步的输出，使企业的改善人员能够了解问题的可能因素在哪里，虽然不能确定哪个是重要的，但至少确定一个总的方向。
03第三步：筛选因素
流程的充分分析，使有了非常宝贵的资料，那就是可能影响关注指标的因素，但是到底哪个是重要的呢？对一些根本就不或微小影响因素的全面试验分析，其实就是一种浪费，而且还可能导致试验的误差。
因此将可能的因素的筛选就有必要性，这时，不需要确认交互作用、高阶效应等问题，目的是确认哪个因素的影响是显著的。可以使用一些低解析度的两水平试验或者专门的筛选试验来完成这个任务，这时的试验成本也将最小处理。
而且对于这一步任务的完成，可以应用一些历史数据，或者完全可靠的经验理论分析，来减少试验因子，当然要注意一点就是，只要对这些数据或分析有很小的怀疑，为了试验结果的可靠，可以放弃。筛选因素的结果，掌握了影响指标的主要因素，这一步尤为关键，往往在现实中是通过完全的经验分析得出，甚至抱着可能是的态度。
04第四步：快速接近
通过筛选试验找到了关键的因素，同时筛选试验还包含一些很重要的信息，那就是主要因素对指标的影响趋势，这是必须充分利用的信息，它可以快速的找到试验目的的可能区域，虽然不是很确定，缩小了包围圈。
这时一般使用试验设计中的快速上升（下降）方法，它是根据筛选试验所揭示的主要因素的影响趋势来确定一些水平，进行试验，试验的目的就像我们在寻找罪犯一样的缩小嫌疑范围，得出的一个结论就是，企业的改善最优点就在因素的最终反映的水平范围内，离成功更近了一步。
05第五步：析因试验
在筛选试验时没有强调因素间的交互作用等的影响，但给出了主要的影响因素，而且快速接近的方法，使我们确定了主要因素的大致取值水平，这时就可以进一步的度量因素的主效应、交互作用以及高阶效应，这些试验是在快速接近的水平区间内选取得，所以对于最终的优化有显著的成效，析因试验主要选择各因素构造的几何体的顶点以及中心点来完成，这样的试验构造，可以确定对于指标的影响，是否存在交互作用或者那些交互作用，是否存在高阶效应或者哪些高阶效应，试验的最终是通过方差分析来检定这些效应是否显著，同时对以往的筛选、快速接近试验也是一个验证，但不宜就在这样的试验基础上就来描述指标与诸主效应的详细关系，因为对于3个水平点的选取，试验功效会有不足的可能性。
06第六步：回归试验
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结果。
07第七步：稳健设计
试验设计的目的就是希望通过设置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，这类因素一般称为噪声因素，它的存在往往会使试验成果功亏一篑，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，怎样来设计出高性能呢？这时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，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。
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删
155-2731-8020
