doe实验设计培训
A. 参加过六西格玛培训，但是现在在做DOE试验设计，没有思路，谁提供个思路
DOE试验设计是一个试验策划的过程，通过试验，能收集到合适的数据。希望通过最少的试验次数获得必要的技术信息，而且用合适的统计方法来分析收集到的数据。如果我们希望从数据中得到有用的结论，则试验设计的统计方法是必要的。因此，任何试验设计方法都包含两方面的内容:试验设计和对收集到的数据进行统计分析。它们是紧密相连的，因为统计分析方法依赖于所采用的设计方案。
步骤：
①试验问题的提出
明确的提出问题有助于理解所要解决隐含问题的现象。
②对目前状况的理解
为试验问题收集尽可能多的相关历史数据是很有必要的，这有助于理解现在的状况，可以从文献或者涉及的各个方面收集信息，如工程、质量保证、制造、市场、操作人员等等。
③响应变量的选择
选择合适的响应变量，还要考虑响应变量是如何度量的，这种度量的精度应得到保证。
④因子及其水平的选择
试验者必须选择影响响应变量的关键变量x(因子),x的选择可以使用项目分析阶段的技术。应用于试验中因子的值(水平)必须仔细选择。通常选用两个或三个水平，最多不宜超过五个水平是比较合适的。水平的范围在试验者感兴趣的区域内应该尽可能的大。
⑤试验设计的选择
这一步是试验设计流程的核心。试验者通过考虑因子的数目、水平多少、所有可能的水平组合、试验成本以及可利用的时间等，来选择合适的试验设计。
⑥实施试验
这是一个实际收集数据的过程。试验者应该注意尽可能的使试验环境保持一致。另外，精确地测量试验结果，获得高质量数据也应加以注意。
⑦数据分析
应采用诸如方差分析和参数估计等统计方法。目的就是通过数据分析，找到前面提出的试验问题的所有可能的信息。
⑧分析结果及其结论
分析完数据后，试验者就必须对他的统计结果做工程解释，估计它们对提出的试验问题的实际含义，并为提出的问题给出结论。
⑨验证试验
在把结果提交给他人和在采取实际行动之前，试验者需要实施一个确认试验来评估试验结论的再现性。
⑩后续管理
试验者将结果提交给他人并采取一些必要的保证措施。为了支持由试验得出的这个改进，需要紧跟着行动，例如操作条件的标准化和检查表与控制图的使用等，来评估试验的后续影响。通常，由于试验问题没有彻底解决，建议进行进一步的试验。试验通常是一个反复的过程，一次试验只能解决问题的一部分，希望后续的试验能处理未解决的问题。
B. DOE培训哪里有试验设计的思路如何
DOE培训试验设计上海培训日期：4月19-20（每月固定开课）
6 Sigma试验设计的思路分析试验设计的目的需要包含下列几点:
①确定潜在的少数变量x是否对响应变量y有影响；
②确定这些有影响的变量x值在什么范围内使响应变量y几乎围绕目标值波动； ③确定x的值以改变响应变量分布的均值，并减少其波动； ④确定具有影响的x值使其不可控变量的影响最小，即使响应变量对外部环境的变化是稳健的。
试验设计的方法于20年代由英国学者R. A. Fisher所创，他开发出并首次应用方差分析的方法作为试验设计中主要的统计分析工具，其整个过程可以用一张方差分析表表示。试验设计的方法有很多，常用的正交试验设计，数据分析的方法用方差分析法。在试验设计中，所用到因子、水平、指标等概念与方差分析中概念相同，不再重复。
在六西格玛改进阶段经常采用正交试验设计(正交DOE)方法合理经济地寻求设计优化方案，以确定显著影响产品性能的关键设计参数，在过程开发方面可以实现提高产量，减少波动，缩短开发时间以及降低总成本。
试验设计是一个试验策划的过程，通过试验，能收集到合适的数据。希望通过最少的试验次数获得必要的技术信息，而且用合适的统计方法来分析收集到的数据。如果我们希望从数据中得到有用的结论，则试验设计的统计方法是必要的。因此，任何试验设计方法都包含两方面的内容:试验设计和对收集到的数据进行统计分析。它们是紧密相连的，因为统计分析方法依赖于所采用的设计方案。
①试验问题的提出
明确的提出问题有助于理解所要解决隐含问题的现象。
②对目前状况的理解
为试验问题收集尽可能多的相关历史数据是很有必要的，这有助于理解现在的状况，可以从文献或者涉及的各个方面收集信息，如工程、质量保证、制造、市场、操作人员等等。
③响应变量的选择
选择合适的响应变量，还要考虑响应变量是如何度量的，这种度量的精度应得到保证。
④因子及其水平的选择
试验者必须选择影响响应变量的关键变量x(因子),x的选择可以使用项目分析阶段的技术。应用于试验中因子的值(水平)必须仔细选择。通常选用两个或三个水平，最多不宜超过五个水平是比较合适的。水平的范围在试验者感兴趣的区域内应该尽可能的大。
⑤试验设计的选择
这一步是试验设计流程的核心。试验者通过考虑因子的数目、水平多少、所有可能的水平组合、试验成本以及可利用的时间等，来选择合适的试验设计。
⑥实施试验
这是一个实际收集数据的过程。试验者应该注意尽可能的使试验环境保持一致。另外，精确地测量试验结果，获得高质量数据也应加以注意。
⑦数据分析
应采用诸如方差分析和参数估计等统计方法。目的就是通过数据分析，找到前面提出的试验问题的所有可能的信息。
⑧分析结果及其结论
分析完数据后，试验者就必须对他的统计结果做工程解释，估计它们对提出的试验问题的实际含义，并为提出的问题给出结论。
⑨验证试验
在把结果提交给他人和在采取实际行动之前，试验者需要实施一个确认试验来评估试验结论的再现性。
⑩后续管理
试验者将结果提交给他人并采取一些必要的保证措施。为了支持由试验得出的这个改进，需要紧跟着行动，例如操作条件的标准化和检查表与控制图的使用等，来评估试验的后续影响。通常，由于试验问题没有彻底解决，建议进行进一步的试验。试验通常是一个反复的过程，一次试验只能解决问题的一部分，希望后续的试验能处理未解决的问题。
C. DOE试验设计培训中所涉及的命令有哪些
DOE试验设计所涉及的命令：
通过试验设计方法可以对过程进行改善。可以通过试验设计筛选出对过程变异存在重要影响的因素,MINITAB可以分析这些因素及其交互作用对过程的影向状况, 可以通过分析发现这些因素的最优水平设置从而优化过程性能。MINITAB的试验设计分析渉及以下命令:
1. Factorial。
(1) Create FactorialDesign: 生成二水平全因子、分部因子和 “Plackett-Burman”设计表。
(2) Define Custom Factorial Design: 从已经输入到工作表中的数提创建一个因子试验设计方案。
(3) Analyze Factorial Design分析二水平全因子和分部因子设计以及“Plackett-Burman”设计。
(4) Factorial Plots: 显示二水平全因子、分部因子和 “Plackett-Burman”试验设计的主要影响图、交互作用影响图和三维图。
(5) Contour Surface/Wireframe Plots: 画出轮廓图和三维图响应表面图。
(6) Response Optimizer: 计算优化的解决方案并画出交互影响图以确定一组同时优化所有响应变量的因子水平。
(7) Overlaid Contour Plot:为多个响应变量画出轮廓图。
2. Response Sarface
(1) Create Response Surface Design, 生成 “Box-Be-hnken”和中心复合试验设计表。
(2） Deflne Castom Response Surface Design, 从已经输入到工作表中的数据创建一个响应表面设计方案。
(3) Select 〇ptin,al Design: 选择一个设计点的子集, 增加一个设计或评估一个设计。
(4) Analyze Response Surface Design: 分析响应表面设计。
(5) RS P1ots, 画出一个轮廓图或三维响应表面图。
(6) Response 〇ptimi,or, 计算优化的解决方案并画出交互影响图以确定一组同时优化所有响应变量的因子水平。
(7) Overlaid Contour P1ot: 为多个响应变量画出轮廓图,
3.Mixture
（l) Create Mlxture Design: 生成混合水平试验设计表
(2) Define Custom Mixture Design: 从已经输入到工作表中的数据创建一个混合水平设计方案
(3) Select 〇ptimal Design, 选择一个设计点的子集, 增加一个设计或评估一个设计
(4) Analyze Mixture Design: 分析混合水平试验设计
(5) 〇verlaid Contour Plot, 为多个响应变量画出轮廊图
4. Taguchi,
(1) Create Taguchi Design: 生成田口正交试验设计表
(2） Define Custom Taguchi Design: 从已经输入到工作表中的数据创建一个田口试验设计方案
(3) Analyze Taguchi Design: 分析田口试验设计
(4) Predict Taguchi Results 预测田口试验设计结果
5.DOE
（1）Modify Design:改变因子名和水平
（2）Display Design:改变试验顺序并为工作表中的因子编码。
张驰咨询专注DOE实验设计公开课培训与内训。
D. 六西格玛试验设计（DOE）课程哪里有
天行健咨询公司的《六西格玛试验设计（DOE）课程》在接下来的5月、8月都有公开课。具体信息如下：
【课程背景】
从20世纪20年代费希尔（R.A.Fisher）在农业生产中使用试验设计（Design Of Experiment，DOE）方法以来，试验设计方法已经在农业、生物学、遗传学、工程学等领域得到广泛的应用和发展。试验设计主要应用理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在产品设计中，利用试验设计能以最低的试验成本，最短时间内有效的设计和验证产品的性能；在制造过程中，利用试验设计可以从诸多影响因素中，快速找到对过程输出指标影响显著的工艺参数，并将其最佳化。
【试验设计的用途】：
1）析因分析，识别哪些变量X对响应量Y有显著影响；
2）参数优化，确定有显著影响的X设置在何处时，可使Y几乎总是接近于期望值；
3）减小变异，确定有影响的X设置在何处时，可使Y的变异最小；
4）稳健设计，确定有影响的X设置在何处时，可使不可控变量U的效应最小。
【课程对象】
企业中高层管理者，研发、工艺、品质、设备、制造等部门骨干人员，负责改善及革新项目的骨干人员及对本课程有兴趣的人士。
【学习目标】
1、了解试验设计的作用、用途、分类及特点
2、熟悉统计学基础知识（数据类型、母体与抽样…），熟悉Minitab软件操作
3、掌握试验设计的实施流程及过程要点
4、掌握单因子试验设计（OFAT）的操作步骤，理解其建模思想
5、掌握2水平全因子设计的创建、执行和分析方法，理解结果解读标准
6、理解2水平部分因子实验的设计原理
7、了解一般全因子设计和响应曲面设计（RSM）的作用与用途
【成果鉴定】
培训后经考核合格学员将颁发天行健咨询权威《试验设计（DOE）培训证书》。
【课程大纲】
课程内容可在天行健咨询的网站查看。
【培训模式】
培训过程中，我们摒弃单调枯燥的理论讲解，更加侧重于应用和实战。老师将采用讲授法、问答法、案例研讨与分组讨论等多样方式相结合的教学模式。
【课程特色】
1、小班授课：互动性强，一对一针对性指导。
2、结果导向：真实案例贯穿始终，注重理论与实践的结合；
3、教学相长：关注学员项目管理技能的培养；透过案例分析、实战演练、小组研讨分享经验和知识。
E. 试验设计DOE培训是什么与六西格玛有什么关系
【一】、DOE是六西格玛管理中常用的工具。
【二】、DOE常用的步骤
试验设计DOE（Design of Experiments）实验设计,针对产品流程、产品的研发、产品的生产过程改善时分析重要因子，优化结果，提高设计健状性的实验。通过选择对产品特性影响较大的相关参数，确定因素之间的指标，选择符合产品特性指标较好的，简单点说，就是考察影响产品特性的各个参数，确定哪些参数组合哪些产品特性最好。DOE实验设计已经广泛使用到企业对提高产品的质量、降低生产成本各个方面，实验设计还可用于企业管理，调整产品结构，制定生产效益和更高的生产计划等。
人类认识自然界的过程是个循序渐进的过程。一般先根据已有的知识提出某种设想，设计一个试验去验证或否定它，从试验中获得的数据帮助人们验证或修正初始的设想，然后又提出了一个更新更深入的设想，再设计新的试验，这个反复的过程会一直持续下去，直到形成了较为完整的理论结果为止。进行试验也是一个学习过程，不可能一蹴而就。一般来说，试验要进行好几批，一般采用下面几个步骤：
1、用部分因子设计进行因子的筛选
最开始，情况不很清楚，考虑到影响响应变量的因子个数可能较多(大于或等于5)，这时应在较大的试验范围内，先进行因子的筛选(screening )，通常应使用部分实施的因子试验设计法，这样获得的结果可能较为粗糙，但试验次数可以大大减少，也能够达到筛选的目的。如果认为部分实施的因子试验费用仍然太昂贵，则可以使用试验次数更少的“Plaekett-Burman设计”方法来筛选因子。
2、用全因子试验设计法对因子效应和交互作用进行全面的分析
当因子的个数被筛选到小于等于5个之后，就可以进一步在稍小范围内进行全因子试验设计以获得全部因子效应和交互作用的准确信息，并进一步筛选因子直到因子个数不超过3个。
3、用响应曲面方法确定回归关系并求出最优设置
当因子个数不超过3个时，就有条件采用更细致的响应曲面设计分析方法，在包含最优点的一个较小区域内，对响应变量拟合一个二次方程，从而可以得到试验区域内的最优点。
以上所说的是典型的步骤，在实际工作中，可能跳过某个环节，也可能在某个步骤上反复进行几次。总之，要不断地筛选因子，不断调整试验的范围和因子水平的选择，经过几轮试验后才能最终达到试验的总目标。
F. 研发部门在实施DOE试验设计培训时需要考虑哪些方面因素
研发部门在实施DOE试验设计培训时需要考虑以下几个方面的因素：
试验设计是一个复杂庞大的系统工程，在实际使用中，要确保成功，需要注意一些关键的因素，这些因素对试验的成功来说至关重要，企业在进行六西格玛试验设计时须考虑以下几个方面：
1、了解试验过程的稳定状况
只有过程处于稳定状态，得到的数据才是可靠和有价值的。
2、错误数据对试验结果的影响
锗误的数据可能导致完全相反的结论，故须十分留意，确保数据的真实可靠。
3、潜在因素的影响
未被选为试验因素的变最对结果的影响有多大，是在试验计划和分析阶段必须考虑的因素，如发现潜在因素对试验结果的影响很显著。则须将其纳入试验因素的行列。
4、测量精度
六西格玛系统是基于数据的决策方法，故数据的可靠性直接影响决策的正确性，试验设计也不例外。设计前对测量系统进行充分分析是十分必要的。
5、抽样、测试成本
在实际的试验设计中，无论哪个阶段均存在成本问题，在抽样和测试阶段，在考虑样本容量时充分考虑成本，以保持试验的经济性。
6、劳动力成本
试验时需考虑到涉及的人员，应将涉及人员数里限制在允许的最小范围内。
7、试验对生产的影响
试验必定需要时间，这可能对正常生产产生影响，这要求六西格玛项目组在与制造等相关部门的协调方面做到充分、及时，在试验过程中对试验品做好严密隔离与标识，将试验对生产的影响减至最小。
8、将试验结果用图表来表示
这样做的好处是明白易懂，容易使所有人看到试验引起的直观变化，激起大家的热情与支持。
9、从样本收集到样本测量的时间
一般来说，样本在试验后需立即进行测量，防止时间间隔太久，从而产生潜在的未知因素对样本特性产生好的或坏的影响，从而使试验数据偏离真值。
10、测量方法的统一性
应规定标准测量方法，确保不同人、不同时间都用同一方法、同一标准去测量，从而保证测量结果的准确性。
11、试验误差的影响
对试验结果进行分析时，会发现试验结果中的不可解释（即误差）成分，此成分的比例须予以充分考虑，如其过大，说明试验中还有重要的未知因素未包含至因素中，这时须考虑重新设置试验因素，重新试验，直至试验误差降至合理水平。
G. DOE试验设计哪家的培训课好一点
天行健咨询公司的《六西格玛试验设计（DOE）课程》在接下来的5月~12月都有公开课。具体信息如下：
【课程背景】
从20世纪20年代费希尔（R.A.Fisher）在农业生产中使用试验设计（Design Of Experiment，DOE）方法以来，试验设计方法已经在农业、生物学、遗传学、工程学等领域得到广泛的应用和发展。试验设计主要应用理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在产品设计中，利用试验设计能以最低的试验成本，最短时间内有效的设计和验证产品的性能；在制造过程中，利用试验设计可以从诸多影响因素中，快速找到对过程输出指标影响显著的工艺参数，并将其最佳化。
【试验设计的用途】：
1）析因分析，识别哪些变量X对响应量Y有显著影响；
2）参数优化，确定有显著影响的X设置在何处时，可使Y几乎总是接近于期望值；
3）减小变异，确定有影响的X设置在何处时，可使Y的变异最小；
4）稳健设计，确定有影响的X设置在何处时，可使不可控变量U的效应最小。
【课程对象】
企业中高层管理者，研发、工艺、品质、设备、制造等部门骨干人员，负责改善及革新项目的骨干人员及对本课程有兴趣的人士。
【学习目标】
1、了解试验设计的作用、用途、分类及特点；
2、熟悉统计学基础知识（数据类型、母体与抽样…），熟悉Minitab软件操作；
3、掌握试验设计的实施流程及过程要点；
4、掌握单因子试验设计（OFAT）的操作步骤，理解其建模思想；
5、掌握2水平全因子设计的创建、执行和分析方法，理解结果解读标准；
6、理解2水平部分因子实验的设计原理；
7、了解一般全因子设计和响应曲面设计（RSM）的作用与用途。
【成果鉴定】
培训后经考核合格学员将颁发天行健咨询权威《试验设计（DOE）培训证书》。
【课程大纲】
课程内容可在天行健咨询的网站查看。
【培训模式】
培训过程中，我们摒弃单调枯燥的理论讲解，更加侧重于应用和实战。老师将采用讲授法、问答法、案例研讨与分组讨论等多样方式相结合的教学模式。
【课程特色】
1、小班授课：互动性强，一对一针对性指导。
2、结果导向：真实案例贯穿始终，注重理论与实践的结合；
3、教学相长：关注学员项目管理技能的培养；透过案例分析、实战演练、小组研讨分享经验和知识。
【培训售后服务方案】
1、课程结束后，将有专人对培训效果进行评估跟进。
2、参训学员享受终身免费重听特权。
3、及时提供天行健咨询公司各类最新培训信息。
4、提供全面、贴身设计的培训课程、灵活生动的教学方式及交流平台。不定期组织免费研讨会,为客户之间信息的沟通与交流提供良机,达到多赢的效果。
H. DOE试验设计培训的7大步骤分别是什么
DOE试验设计培训的7大步骤
第一步：确定目标
我们通过控制图、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我们的需求，但是针对这样的问题，我们可能运用一些简单的方法根本就无法解决，这时候我们可能就会想到试验设计。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，也就是解决一个什么样的问题，问题给我们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，我们知道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，我们还必须定义试验的指标和接受的规格，这样我们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。
第二步：剖析流程
关注流程，使我们应该具备的习惯，就像我们的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、参数的变异、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。我们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，使我们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，但我们至少确定一个总的方向。
第三步：筛选因素
流程的充分分析，是我们有了非常宝贵的资料，那就是可能影响我们关注指标的因素，但是到底哪个是重要的呢？我们知道，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，我们不需要确认交互作用、高阶效应等问题，我们的目的是确认哪个因素的影响是显著的。我们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，我们可以应用一些历史数据，或者完全可靠的经验理论分析，来减少我们的试验因子，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，你可以放弃。筛选因素的结果，使得我们掌握了影响指标的主要因素，这一步尤为关键，往往我们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。
第四步：快速接近
我们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，这是我们必须充分利用的信息，它可以帮助我们快速的找到试验目的的可能区域，虽然不是很确定，但我们缩小了包围圈。这时我们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，我们得出的一个结论就是，我们的改善最优点就在因素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
在筛选试验时我们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，这时我们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，可以帮助我们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。
第六步：回归试验
我们在析因试验中，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我们的结果。
第七步：稳健设计
我们知道，试验设计的目的就是希望通过设置我们可以调控的一些关键因素来达到控制指标的目的，因为对于指标来讲我们是无法直接控制的，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，这类因素我们一般称为噪声因素，它的存在往往会使我们的试验成果功亏一篑，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，例如我们的汽车行驶的路面，不可能保证都是在高级公路上，那么对于一些差的路面，我们怎样来设计出高性能呢？这时我们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。通常我们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，但我们会提出一个问题了，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，但我们可以通过EVOP等途径来重新设定以保证因素更改后的输出效果。
小结：
1.试验设计需要成本的投入，我们必须确定试验进行的必要性，以及选取最优的设计方案。
2.水平的选取可能直接影响试验设计的结果，要谨慎的选取，最后有专业知识和历史数据的支持。
3.尽可能的利用一些历史数据，在确认可靠后提取对我们试验有用的信息，来尽量减少试验投资和缩短试验周期。
4.试验设计并不能提供解决所有问题的途径，现实当中的局限验证了这一点，我们要全面考虑解决问题的方式，选取最有效、最经济的解决途径。
5.注意充分的分析流程，不要遗漏关键的因素，不要被一些经验论的不可能结论左右。
6.除了试验设计涉及的因素外，要尽量确定所有的环境因素是稳定和符合现实的，往往会做不到这一点，我们可以用随机化、区组化来尽量避免。
7.注意结果的验证和控制，不要轻信结果。
8.尽量保证试验的仿真性，避免一些理想的试验环境，比如试验室，理想不现实的环境是的试验可能根本就没有作用。
9.试验设计者要关注试验过程，保证试验意图和方案的彻底执行。
10.如果实现一步到位的试验设计是可能的，那就不要犹豫的开展吧，上面的七步只是针对普通的情况。
I. DOE培训哪家强试验设计培训
天行健咨询公司DOE试验设计有两个，分别是：《试验设计（DOE）经典课程培训》和《试验设计（DOE）实用课程培训》。两门都是热门课程。
【课程背景】
从20世纪20年代费希尔（R.A.Fisher）在农业生产中使用试验设计（Design Of Experiment，DOE）方法以来，试验设计方法已经在农业、生物学、遗传学、工程学等领域得到广泛的应用和发展。试验设计主要应用理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在产品设计中，利用试验设计能以最低的试验成本，最短时间内有效的设计和验证产品的性能；在制造过程中，利用试验设计可以从诸多影响因素中，快速找到对过程输出指标影响显著的工艺参数，并将其最佳化。
试验设计的用途：
1）析因分析，识别哪些变量X对响应量Y有显著影响；
2）参数优化，确定有显著影响的X设置在何处时，可使Y几乎总是接近于期望值；
3）减小变异，确定有影响的X设置在何处时，可使Y的变异最小；
4）稳健设计，确定有影响的X设置在何处时，可使不可控变量U的效应最小。
【课程对象】
企业中高层管理者，研发、工艺、品质、设备、制造等部门骨干人员，负责改善及革新项目的骨干人员及对本课程有兴趣的人士。
【学习目标】
1、了解试验设计的作用、用途、分类及特点；
2、熟悉统计学基础知识（数据类型、母体与抽样…），熟悉Minitab软件操作；
3、掌握试验设计的实施流程及过程要点；
4、掌握单因子设计、2水平设计、一般全因子设计、中心点设计和响应曲面（RSM）等各类试验设计的创建、执行和分析方法，理解结果解读标准；
5、理解2水平部分因子实验的设计原理；
6、理解试验设计的建模思想。
【成果鉴定】
培训后经考核合格学员将颁发天行健咨询权威《试验设计（DOE）培训证书》。
【课程特色】
1、小班授课：互动性强，一对一针对性指导。
2、结果导向：真实案例贯穿始终，注重理论与实践的结合；
3、教学相长：关注学员项目管理技能的培养；透过案例分析、实战演练、小组研讨分享经验和知识。
J. 实验设计(DOE)使用的基本步骤是什么
一、实验设计的使用
实验设计(design of experiments,DOE)用于检验和优化过程、产品、服务或解决方案的绩效。它主要用来帮助了解不同条件下产品或过程的行为。DOE最独特之处就在于它能够使你通过实验来计划和控制变量，与按照“经验观察”方式仅仅收集和观察现实世界中的事物是截然不同的。在6sigma组织中，DOE有着非常广泛的应用，天行健咨询公司分析了它能帮助企业解决以下问题：
1、评估顾客声音系统，在不烦扰顾客的情况下寻找产生有效反馈的最佳方法组合；
2、评估诸因素以将引起某一问题或缺陷的“重要”根本原因分离出来；
3、试行或检验可能的解决方案组合，以寻求最佳改进策略；
4、评价产品或服务的设计以确认潜在的问题并从开始就减少存在的缺陷。
尽管DOE用于事物要比用于人更容易，但在服务环境下进行实验设计仍是可能的。可是，这些实验设计趋向是“现实世界”的试验，在这些试验中，变量在实际过程中加以控制，然后将其结果进行比较。
二、实验设计的基本步骤
1、确认要评价的因素
你希望从实验中了解些什么?对过程或产品的可能影响是什么?在选择因素时要切记：试验更多因素不仅会带来获取额外数据的利益，也会增加成本和复杂性，对二者进行权衡很重要。
2、界定检验因素的“水平”
对速度、时间和重量等诸如此类的变量因素，试验水平的数量可以无限多。因此，你不仅要选择所要采用的数值，而且还要确定希望试验多少不同的水平。在离散型数据情况下，试验水平可能是两选一的。
3、建立一个实验组合排列
在实验设计中，通常希望避免采用每一变量都单独试验的“每次一个因素”(one-factor-at-a-time,OFAT)的办法。通常是试验一系列因素水平组合以得到对所有因素都具代表性的数据。这些可能的组合或排列可以由统计软件工具产生或查表得到，借助它们可以帮你避免对每一可能的组合都进行试验。
4、在规定的条件下进行实验
关键是要避免其他一些未被检验的因素影响结果。
5、评价结果和结论
如果你要从实验设计数据中发现模式或得出结论，那么像方差分析和多元回归之类的工具是必需的。从实验数据中你可能会得到非常明确的答案，也可能会产生新问题，从而需要另外的实验加以测试。
内容摘自：天行健咨询公司