DoE的整个过程可以分为三个阶段，实验设计计划阶段；实验设计执行阶段和实验设计分析阶段。
阶段一：实验设计计划阶段
实验设计计划阶段主要包括四步：问题的识别与表述，响应变量的选择，因子和水平的选择以及设计的选择。
1. 问题的识别与表述
在设计和分析一个实验之前，研究者必须要对所研究的问题究竟是什么，要有清晰的认知，至少要有一些定性的了解。
一般我们会将需要研究的问题分为几类，比如采用序贯策略方法，将其分为因子筛选研究，因子回归研究，稳健性研究，混料研究等等。
因子筛选研究是在相当多的因子中，确定哪些因子显著或者不显著的影响响应，应予以保留还是予以删除。
因子回归研究是确定因子与响应之间的关系式，找出响应与因子之间的回归方程，建立数学模型。
稳健性研究则是确定控制因子的某种水平的组合来使得过程或系统对噪声变化不敏感，即过程或系统受到难以控制的噪声因子影响时，系统输出的变异性能够足够的小。
混料研究主要用来解决在整个产品中各个分量所占的比率问题，其中所有比率的总和是一定的。
2. 响应变量的选择
响应变量的选择，应当确信该变量能够真正的会对所研究的过程提供有用的信息。
响应变量最优选择一个连续型（比如收率，纯度等）的指标，因为计量型数据要比离散型（比如合格/不合格，质量级别等）提供更多的信息。
选择响应变量时，很重要的一点是要考虑响应变量的测量系统（分析方法），测量系统的准确性，精确性和稳定性要好。因为过程和系统的误差会涵盖测量系统的误差，测量系统误差过大会掩盖真实的因子效应的显著性。此时，建议有一定的测量系统分析的数据作为参考。
响应变量的选择可以采用团队的方法，比如头脑风暴，尽可能的确定该过程或系统的相应质量特性，后续可以采用风险评估的方法（比如风险排序和分级（RRF）和帕累托图）对这些质量特性进行筛选，找到关键质量特性，并以此作为响应变量。
3. 因子和水平的选择
实验设计中的因子是指对响应变量有影响的变量。就实验设计而言，通常将因子分为设计因子，讨厌因子和噪声因子。
设计因子是在实验设计中被实际选择用来研究的变量，可以是连续型（比如，pH，Cond等），也可以是离散型（比如缓冲液种类等），但是都是可控的。
讨厌因子是可能有较大的效应，但是在目前的实验环境中，我们对比并不但兴趣，但是必须要要考虑这种效应，比如不同批次的原材料，不同的操作仪器等。对于此类讨厌因子，可以采用区组的方法处理（后面会讲区组化的原则）。
噪声因子则是一种不可控因子，一般假设它们的效应会比较小。对于此类因子，我们一般使用稳健参数设计寻找可控的设计因子的取值范围，来最小化噪声因子引起的变异，这属于稳健性研究的内容。
我们不可能对特定过程或系统的所有因子来进行实验设计研究，只能筛选其中我们认为感兴趣的，或者经验性认为比较重要的因子作为设计因子来进行实验研究。从众多的过程因子中选择设计因子，也可以使用风险评估的方法，比如鱼骨图，因果效应矩阵分析等。
因子水平的选择
一旦确定了设计因子，还需要选择这些设计因子的范围及其特定水平，同时还要考虑如何控制这些因子在所希望的水平上以及如何进行测量。
因子水平的选择需要一定的过程知识，包括过程的理论知识和实践经验。同时还要考虑研究的目的以及资源的限制（包括时间，物料，仪器，成本等）。
科学的因子水平水平，可以基于产品的相关信息，先前的经验或者平台性知识，预实验的信息，比如OFAT实验数据，对于因子水平的选择都会很有帮助。
前面三个步骤是实验设计计划阶段中非常重要的步骤，对后续实验设计的成功起到非常重要的作用。很多情况，一个人可能没办法拥有所需的全部知识，团队的方法则显得尤为重要。
4. 设计的选择
前三个步骤如果做出了正确而合适的决定，那这一步就相对容易一些。
我们需要了解和学习一些重要的设计类型，以及它们能够解决的问题和适用条件。对于大多数的问题，我们都可以从中选择到合适的设计类型。如果输入因子，因子数，水平等信息，一些实验设计的软件还会给出一些可供考虑的设计选择或者推荐一个特定的设计，同时还会提供一个工作表来指导实验的进行。
大多数时候，这些常规的设计类型就能帮我们解决大多数的问题，如果遇到特殊的考量，比如极度的原料限制或者成本限制，也可以自己选择定制设计。
阶段二：实验设计执行阶段
进行实验，需要仔细的监控实验的过程以确保每件事情都在按计划进行。这一阶段，实验程序中的错误通常会破坏实验的有效性，所以前期的计划和准备是至关重要的。
在进行实验之，做少数的预实验或者尝试性实验通常会有所帮助，可以提供实验材料一致性的信息，检查测量系统，对实验系统误差有一个粗略的估计，同时还可以回顾审视前面实验设计计划阶段中的决定的合理性。
阶段三：实验设计分析阶段
实验设计分析阶段，该阶段主要包括数据的统计分析，结论和建议。
6. 数据的统计分析
实验设计的数据分析应基于统计学的方法，这样可以增加决策过程的客观性。
很多实验设计的软件已经内涵了所需要的统计分析方法，可以为第四步中选择设计的程序提供直接的统计分析。
因子筛选研究可以通过假设检验和方差分析来确定对响应具有显著性影响的因子。因子回归设计可以通过方差分析和回归分析来获得因子与响应之间的经验模型，来描述它们之间的关系。残差分析和模型的合适性检测也是用来评估模型的重要的分析方法。
虽然说实验设计的软件可以解决很多统计学计算的问题，但是最终模型（回归方程）的选择和确定，还是需要实验者来决定的。基于此，实验者还是需要去了解和掌握模型分析和评估的一些统计学知识及其所代表的的含义，以便做出最合适的选择。
这一点可能是学习实验设计的童鞋们感觉最为痛苦的地方。
7. 结论和建议
分析完数据之后，实验者需要做出有关实验结果的“真实”结论，即能否对我们提到的四个实验目的（DoE学习笔记1）做出回答，或者提出后续的实验处理方法，是否可以结束实验，还是需要继续进行下一轮的实验设计。
最后，所有的实验设计结论都需要跟踪实验或者确认实验来验证结论的正确性。
实验设计的流程
