什么是实验设计 (DOE)？

实验设计 (DOE) 被定义为应用统计学的一个分支，它涉及规划、实施、分析和解释受控测试，以评估控制一个参数或一组参数值的因素。DOE 是一种强大的数据收集和分析工具，可用于多种实验情况。

它允许操纵多个输入因素，确定它们对所需输出（响应）的影响。通过同时操纵多个输入，DOE 可以识别在一次试验一个因素时可能遗漏的重要交互作用。可以研究所有可能的组合（全阶乘）或仅研究部分可能的组合（部分阶乘）。

一个有策略地计划和执行的实验可以提供大量关于一个或多个因素对响应变量的影响的信息。许多实验涉及保持某些因素不变并改变另一个变量的水平。然而，与同时改变因素水平相比，这种“一次一个因素”（OFAT）过程知识方法效率低下。

当前设计实验的许多统计方法 都源自 RA Fisher 在 20 世纪早期的工作。Fisher 展示了在尝试实验之前花时间认真考虑实验的设计和执行如何帮助避免在分析中经常遇到的问题。创建设计实验的关键概念包括分块、随机化和复制。

• 区组：当随机化一个因素不可能或成本太高时，区组允许您通过使用一种因素设置执行所有试验然后使用另一种设置进行所有试验来限制随机化。
• 随机化：指执行实验的试验顺序。随机序列有助于消除未知或不受控制变量的影响。
• 复制：重复完整的实验处理，包括设置。

执行良好的实验可以为以下问题提供答案：

• 过程中的关键因素是什么？
• 该过程在什么设置下会提供可接受的性能？
• 过程中的关键、主要和交互作用是什么？
• 哪些设置会减少输出的变化？

鼓励采用重复的方法来获取知识，通常涉及以下连续步骤：

1. 缩小评估变量范围的筛选设计。
2. “全因子”设计研究每个因子组合和因子水平的响应，并尝试划分过程接近优化的值区域。
3. 设计用于对响应建模的响应曲面。

何时使用 DOE

当怀疑有多个输入因素影响输出时，使用 DOE。例如，可能需要了解温度和压力对胶粘强度的影响。

DOE 还可用于确认可疑的输入/输出关系，并开发适用于执行假设分析的预测方程。

实验模板和例子的设计

设置 DOE 从流程图开始。ASQ 已创建 可免费下载和使用的实验设计模板(Excel)。通过三个步骤开始您的 DOE：

1. 全面了解所调查的输入和输出。流程图 或流程图可能会有帮助。必要时咨询主题专家。
2. 确定输出的适当度量。可变措施是可取的。应避免属性测量（通过/失败）。确保测量系统稳定且可重复。
3. 为正在调查的因素创建设计矩阵 。设计矩阵将显示每个输入因素的高水平和低水平的所有可能组合。这些高电平和低电平可以编码为+1 和-1。例如，一个 2 因子试验将需要 4 次试验运行：
    

	输入水平	输入 B 电平
实验 #1	-1	-1
实验#2	-1	+1
实验#3	+1	-1
实验#4	+1	+1

注意：所需的实验运行次数可以使用公式 2 n计算，其中 n 是因子数。

对于每个输入，确定您希望调查的极端（但现实的）高电平和低电平。在某些情况下，极端水平可能会超出当前使用的水平。所选择的极端水平应该是现实的，而不是荒谬的。例如：
 

	-1级	+1 级
温度	100度	200度
压力	50磅	100磅

将实验的因素和水平输入到设计矩阵中。执行每个实验并记录结果。例如：
 

	温度	压力	力量
实验 #1	100度	50磅	21磅
实验#2	100度	100磅	42磅
实验#3	200度	50磅	51磅
实验#4	200度	100磅	57磅

通过对在低级别收集的数据进行平均并从在高级别收集的数据的平均值中减去它来计算一个因素的影响。例如：

温度对强度的影响：
(51 + 57)/2 - (21 + 42)/2 = 22.5 lbs

压力对强度的影响：
(42 + 57)/2 - (21 + 51)/2 = 13.5 lbs

两个因素之间的相互作用可以用同样的方式计算。首先，必须修改设计矩阵以显示交互的高低级别。水平的计算方法是将作用于交互作用的输入因子的编码水平相乘。例如：
 

	输入水平	输入 B 电平	相互作用
实验 #1	-1	-1	+1
实验#2	-1	+1	-1
实验#3	+1	-1	-1
实验#4	+1	+1	+1

像以前一样计算交互作用的效果。相互作用对强度的影响：(21 + 57)/2 - (42 + 51)/2 = -7.5 lbs

实验数据可以绘制在 3D 条形图中。实验设计：3D 条形图

每个因素的影响都可以绘制在帕累托图中。实验设计：帕累托图

当压力设置为 50 psi 且温度设置为 100 度时，相互作用的负面影响最为明显。将温度保持在 200 度将避免相互作用的负面影响，并有助于确保牢固的粘合力。