实验设计(Design of Experiments, 缩写为DOE)，是研究如何制定适当的实验方案，对实验数据进行有效的统计分析的数学理论与方法。它对于解决多因素优化问题，有效的提高产品质量，降低生产成本卓有成效。现已为美国和日本企业广泛使用。实验设计还可应用于改进企业管理，调整产品结构，制定高效生产计划等。 

    实验设计 ( DOE ) 也是DMAIC路径中改善阶段的主要工具之一。实验设计广泛应用于设计、制造与封装领域，直接改善工艺菜单，优化流程。

    实验设计是一种简单易行、节约成本的强有力的统计工具，它能成十倍甚至成百倍的提高产品质量，如果质量是带动公司前进的火车头，那么实验设计就是燃料。

DOE的基本原理

　　试验设计的三个基本原理是重复，随机化，以及区组化。
　　所谓重复，意思是基本试验的重复进行。重复有两条重要的性质。
　　第一，允许试验者得到试验误差的一个估计量。这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。
　　第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这一效应的更为精确的估计量。如s2是数据的方差，而有n次重复，则样本均值的方差是。这一点的实际含义是s2/n，如果n=1，如果2个处理的y1 = 145，和y2 = 147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石。
　　所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。统计方法要求观察值（或误差）是独立分布的随机变量。随机化通常能使这一假定有效。把试验进行适当的随机化亦有助于“均匀”可能出现的外来因素的效应。
　　区组化是用来提高试验的精确度的一种方法。一个区组就是试验材料的一个部分，相比于试验材料全体它们本身的性质应该更为类似。区组化牵涉到在每个区组内部对感兴趣的试验条件进行比较。

DOE实验的基本策略
　　策略一：筛选主要因子（X型问题化成A型问题）
　　实验成功的标志：在ANOVA分析中出现了1~4个显着因子；这些显着因子的累积贡献率在70%以上。
　　策略二：找出最佳的生产条件（A型问题化成 T型问题）
　　实验成功的标志：在第二阶段的实验中主要的误差都是随机因素造成的。
　　因为各因子皆不显着，因此，每一因子之各项水准均可使用,在此情况下岂不是达到了成本低廉且又容易控制之目的。
　　策略三：证实最佳生产条件有再现性。

DOE的作用

在工业生产和工程设计中能发挥重要的作用，主要有：
　　1.提高产量；
　　2.减少质量的波动，提高产品质量水准；
　　3.大大缩短新产品试验周期；
　　4.降低成本；
　　5.试验设计延长产品寿命。
　　在工农业生产和科学研究中，经常需要做试验，以求达到预期的目的。例如在工农业生产中希望通过试验达到高质、优产、低消耗，特别是新产品试验，未知的东西很多，要通过试验来摸索工艺条件或配方。如何做试验，其中大有学问。试验设计得好，会事半功倍，反之会事倍功半，甚至劳而无功。
　　如果要最有效地进行科学试验，必须用科学方法来设计。所谓试验的统计设计，就是设计试验的过程，使得收集的数据适合于用统计方法分析，得出有效的和客观的结论。如果想从数据作出有意义的结论，用统计方法作试验设计是必要的。当问题涉及到受试验误差影响的数据时，只有统计方法才是客观的分析方法。这样一来，任一试验问题就存在两个方面：试验的设计和数据的统计分析。这两个是紧密相连的，因为分析方法直接依赖于所用的设计。

DOE的七种工具

1、 多变图技术

    根据以往经验确定影响质量的可能要素，例如工人班次、机床、原材料、工艺变量等，每隔一段时间抽取连续生产的几件产品，按需观察的这些要素的几种情况分别测试质量特性，画成图表进行比较分析，以确定引起波动的原因。

2、零件搜索技术

   根据以往经验确定影响产品质量的可疑零件，随机选取几个好的产品和坏的产品，将坏产品上的可疑零件与好产品上的对应零件进行交换，重新装配后进行质量特性参数的测量、比较、分析，以找到影响产品质量的主要零件。

3、成对比较技术

   随机选取5对以上的好的和坏的产品，用各种方法测试其各种参数并比较其不同之处，以确定影响产品质量的主要原因。成对比较技术适用于不可拆卸的产品。

4、变量搜索技术

   与零件搜索有许多相似之处，都是逐个替换，进行测试比较，以搜索引起产品质量波动的主要原因，但变量搜索是针对变量的，而零件搜索则是针对零件的。

5、完全析因技术

   采用以上四项技术，寻找出4个以下的主要因素，这些因素按全部因素所有水平的一切组合逐次进行实验，研究这些因素的主效应和相互之间的交互作用，以确定最佳的因素水平匹配方案。

6、 改进效果检查

    令B为改进后的工序，而C为改进前的工序。为了验证改进效果，可以设定风险率a(第Ⅰ类风险)和b(第Ⅱ类风险)，随机抽取B和C两种产品(样本量由风险率决定)，进行假设检验，以确定在规定的风险率下，B产品是否优于C产品。

7、 实验设计的回归分析

    对散布数据作出散布图，应用回归理论，诊断出对产品影响大和小的因素，从而找出影响产品质量波动的主要原因，并根据波动大小，确定各因素的目标值和容差。

   实验设计在质量控制的整个过程中也扮演了非常重要的角色，它是产品质量提高，工艺流程改善的重要保证。实验设计的方法可以为每一个操作工人、技术人员所应用。