质量工具（DOE）：试验设计原理及其七个步骤

试验设计是一种确定影响过程的因子和过程输出之间关系的动态方式。换句话说，试验设计常被拿来找寻因果关系。为优化输出而对过程输入进行管理时，这种信息是必要的。

试验设计（DOE）始于20世纪20年代育种科学家Dr.的研究,Dr.是你们一致公认的此方式策略的创始者,但后续努力集其大成而使试验设计在工业界得以普及、发扬中信者,却非Dr.(田口玄一博士)莫属。

试验设计是一种确定影响过程的因子和过程输出之间关系的动态方式。换句话说，试验设计常被拿来找寻因果关系。为优化输出而对过程输入进行管理时，这种信息是必要的。

试验设计的理解首先须要一些统计工具知识和试验的概念。似乎可以使用好多软件程序来剖析试验设计，并且对于试验者来说，理解基本的试验设计概念对于试验设计的正确应用是很重要的。

01.

试验设计三个基本原理

实验设计的3个基本原理为重复、随机化以及区组化。

重复，意思是基本试验的重复进行。重复有两条重要的性质，即随机化和区组化。

随机化，是指试验材料的分配和试验的各个试验进行顺序都是随机地确定。统计方式要求观察值（或偏差）是独立分布的随机变量。随机化一般能使这一假设有效。把试验进行适当的随机化亦有助于“均匀”可能出现的外来诱因的效应。

区组化是拿来增强试验的精确度的一种方式。一个区组就是试验材料的一个部份，相比于试验材料全体它们本身的性质应当更为类似。区组化牵连到在每位区组内部对感兴趣的试验条件进行比较。

02.

试验设计七步骤

第一步确定目标

我们通过控制图、故障模式剖析、失效剖析、因果剖析、能力剖析等工具的运用，或则是直接实际工作的反映，会得出一些关键的问题点。

对于运用试验设计解决的问题，我们首先要定义好试验的目的，也就是解决一个哪些样的问题，问题给我们带来了哪些样的害处，是否有足够的理由支持试验设计方式的运作。

对于生产型企业，试验设计的进行可能会搅乱原有的生产稳定顺序，所以确定试验目的和试验必要性是首要的任务。

我们还必须定义试验的指标和接受的尺寸，这样我们的试验才有方向和检验试验成功的测度指标。

指标和尺寸是试验目的的延展和具体化，也就是对问题解决的着眼点，指标的达成就能否意味着问题的解决。

第二步分析流程

关注流程，是我们应当具备的习惯，如同我们的好多企业做水平对比一样，常常会有一个误区，就是只将关注点置于利益点上，而忽视了对流程特色的对比，试验设计的展开同样必须构建在流程的深层分析基础之上。

任何一个问题的形成，都有它的缘由，事物的优劣、参数的适合、特性的缺乏等等都有这个特性，而众多缘由通常就存在于形成问题的流程当中。

过短的流程可能会抛弃掉明显的缘由，过长的流程必定造成资源的浪费。

我们又好多的形式来展开流程，但有一点必须做到，那就是尽可能详细的列举可能地诱因，详细的诱因来自于对每位步骤的详尽分解，确认其输入和输出。

对于流程的分析和认识，就是改善人员了解问题的开始，由于并不是每位人都能把握好我们关注的问题。这一步的输出，使我们的改善人员才能了解问题的可能诱因在那里，即使不能确定那个是重要的，但我们起码确定一个总的方向。

第三步筛选诱因

流程的充分剖析，使我们有了极其宝贵的资料，那就是可能影响我们关注指标的诱因，然而究竟那个是重要的呢？

对一些根本就不影响或笑容影响诱因的全面试验剖析，当然就是一种浪费，并且还可能造成试验的偏差。

我们的目的是确认那个诱因的影响是明显的，我们可以使用一些低解析度的水平试验或则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。

我们可以应用一些历史数据实验设计与分析，或则完全可靠的经验理论剖析，来降低我们的试验因子。

要注意的是，只要对那些数据或剖析有很小的怀疑，为了试验结果的可靠，你可以舍弃。

筛选诱因的结果，促使我们把握了影响指标的主要诱因，这一步尤为关键，常常我们在现实中是通过完全的经验剖析得出，甚至抱着可能是的心态。

第四步快速接近

通过筛选试验找到了关键的诱因，同时筛选试验还包含一些很重要的信息，那就是主要诱因对指标的影响趋势，这是我们必须充分借助的信息，它可以帮助我们快速的找到试验目的的可能区域，即使不是很确定，但我们缩小了包围圈。

我们通常使用试验设计中的快速上升（增长）方式，它是按照筛选试验所阐明的主要诱因的影响趋势来确定一些水平，进行试验，试验的目的如同我们在找寻犯人一样的缩小嫌疑范围。

得出的一个推论就是，我们的改善最优点就在诱因的最终反映的水平范围内，我们离成功更近了一步。

第五步析因试验

我们确定了主要诱因的大致取值水平，这时我们就可以进一步的测度诱因的主效应、交互作用以及高阶效应。

试验是在快速接近的水平区间内选定得，所以对于最终的优化有明显的成效，析因试验主要选择各诱因构造的几何体的顶点以及中心点来完成。

这样的试验构造，可以帮助我们确定对于指标的影响，是否存在高阶效应或则什么高阶效应。

最终是通过残差剖析来检定这种效应是否明显，同时对往年的筛选、快速接近试验也是一个验证，但我们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尽关系，由于对于3个水平点的选定，试验功效会有不足的可能性。

第六步回归试验

考虑到功效问题，我们须要进一步的安排一些试验来最终确定诱因的最佳影响水平，这时的试验只是一个对析因试验的试验点的补充，也就是还可以借助析因试验的试验数据，只是为了最终能否优化我们的指标实验设计与分析，或则说有效全面的建立诱因与水平的相应曲面和等高线。

试验点通常按照回归试验的旋转性来选定，但是它的水平应当按照功效、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。

我们可以就剖析和构建起诱因和指标间的回归模型，并且可以通过优化的手段来确定最终的因子水平设定。

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测我们的结果。

第七步稳健设计

现实中还存在一类这样的诱因，它对指标影响同样的明显，而且它很难通过人为的控制来确保其影响最优，这类诱因我们通常称为噪音诱因，它的存在常常会使我们的试验成果功亏一篑，所以对待它的方式，不仅尽量的控制之外可以选用稳健设计的方式，目的是这种诱因的影响增加至最小，因而保证指标的高优性能。

比如我们的车辆行驶的桥面，不可能保证都是在中级道路上，这么对于一些差的桥面，我们怎么来设计出高性能呢？这时我们会选择出一些抗干扰的诱因来减轻干扰诱因的影响。

稳健设计一般我们会常常使用在设计和研制阶段，但有时也会随着问题的形成而曝露下来，但我们会提出一个问题了：重新选取主要诱因的水平会不会带来指标的回落和劣化。

我们可以通过EVOP等途径来重新设定以保证诱因修改后的输出疗效。

试验设计在工业生产和工业设计中能发挥重要的作用，提升产值，减轻质量波动，提升产品质量改水准、大大减短新产品试验周期、降低成本等。

试验设计的方式好多，依据具体的问题模型和目的我们可以选择适当地设计方式，如混和设计、曲面设计、裂区设计、田口设计、均匀设计等等。

试验设计摈弃了往年单个因子逐渐调整的做法，避开了忽略交互作用等方面的问题，因而愈加系统有效的解决我们所关注的指标。我们可以在好多的行业中采用渐进的方式来采用试验设计方案，而不期望于一步到位。