在统计制程管制实施过程，可能会出现很多问题，而有些问题并非仅藉由前一单元所介绍的品管手法即可解决，更具系统化、整合性的分析方法就非常重要。目前实务应用上，实验设计（Experiment Design）是常见之整合性系统分析工具，而且经由各方面的发展，实验设计应用于多变数分析上，具有绝佳的效果。
所谓「实验」是研究人员针对特别的系统或制造程序，在一个虚拟的现场进行调查与研究。更正式地说，实验是一个或一连串的有目改变输入变量，借以观察此制造程序或系统变化的原因。而实验设计就是以有系统的方法设计实验，研究影响某种（些）反应之重要因子，作为控制或改进的参考依据。对于凡事讲求效率的现在，实验设计是一个有效的工具。
例如一个冶金工程师想知道，用油或盐水来焠火对铝合金进行硬处理的效果何者较好。所以他决定用不同成份的铝合金进行此两种焠火的实验。可是也许有人会有下列的问题：
1.是否还有其他可能的焠火方法？
2.是否有其他因子可能影响到硬处理结果？
3.每个焠火该进行几个铝合金样本试验？
4.在焠火中的样本该如何进行？资料该如何收集？
5.该使用何种资料分析方法？
6.两种焠火方法所造成的硬度差才可称为有明显不同？
在实验进行前，这些问题要一一解决，否则实验结果并不能代表什么。此单元所介绍的实验设计，针对实验可能发生的问题，利用系统化的方式加以避免，同时在最经济的情况下，得到最小实验误差之数据，作为进一步统计分析之参考，最后达到寻求符合生产目标（如良率）的生产条件组合。
实验之重点在研究我们有兴趣的制造程序或系统，而此系统或制造程序通常会被很多因子所影响，包括可控制与分控制因子，如下图：
所以实验的目的有下列四点：
1.找出对输出影响最大的因子
2.寻求最能使输出符合目标值的因子值组
3.调整可控制因子让输出值得变异最小
4.寻找可控制因子之值，使非控制因子对输出的影响极小化
