优思学院｜DOE 实验设计 不是万能钥匙

为了在竞争中脱颖而出，企业往往需要不断改进或者重新设计现有产品，或开发新产品以开拓其他市场。然而，每推出一款新产品或采用新的设计，都会带来流程上的改变，从而产生一定的风险。

虽然原型制作和产品验证测试，甚至是制程改进中都很有价值，但成本可能很高，而且很多情况下，问题要到开发后期才能被发现。为了降低风险，工程师必须使用多种分析和统计工具，评估每一项改动可能对最终结果产生的影响。

实验设计（DOE）就是这样一种工具，但要明白，DOE 是一个进阶的统计工具，通常应用于六西格玛 DMAIC 的分析（Analyze）与改进（Improve）阶段，我们不能跳过DMAIC各种流程直接应用DOE，否则只会事倍功半。

什么是实验设计？

实验设计是一种统计工具，工程师利用它来评估对流程或设计进行一次或多次更改所产生的影响。有了这些信息，他们就能设计出满足客户需求并达到甚至超越质量标准的产品。

有效运用实验设计（DOE）方法可以显著减少测试运行或试制次数，从而节省项目时间并发现过程中隐藏的问题。借助DOE，项目团队能够识别对最终结果影响最大和最小的因素。

常用术语和概念

DOE方法论中使用了许多术语——以下是一些最常用的术语：

• 可控输入因素——也称为X因素，是指在制造或生产过程中可以改变的输入参数。例如，在煮意大利面时，这些因素包括意大利面和水的用量。
• 不可控输入因素——指在实验或生产过程中无法改变的输入参数。
• 响应（或产出指标）——我们关心的输出反应值被称为「响应」(Response)。例如，意大利面的口味和口感。
• 因子——可能影响反应变数的输入变数则称为「因子」(Factor)
• 假设检验——运用统计方法确定显著因素。一个假设陈述可以产生两种结果之一：零假设或备择假设。当现状为真时，零假设成立；当现状不成立时，备择假设成立。
• 重复试验——重复每组实验，以取得更准确的结果。

实验设计DOE的基本流程

实验设计（DOE）流程应该遵循DMAIC方法论以达致最佳效果，流程通常如下：

D（Define，定义）-明确目标

M（Measure，测量）-收集有关流程的知识

A（Analyze，分析）-选择变量

I（Improve，改进）-为变量分配级别 - 进行测试或实验

C（Control，控制）-数据分析与结论

何时使用实验设计

实验设计可用于改善活动（Kaizen）或快速改进活动，也可作为更广泛的六西格玛DMAIC改进项目的一部分。

DOE 在六西格玛的 DMAIC 步骤（定义 Define – 测量 Measure – 分析 Analyze – 改进 Improve – 控制 Control）在 I Phase 改进阶段上占有极重要的地位。此阶段实施 DOE 的全因子数或部分因子数的实验，可以藉由统计软体分析，理解交互作用的效应，以这实验分析的结果，识别实验中最重要或最关键的因子。

六西格玛的改进阶段（Improve），首先从流程的参数设计开始逐项的展开，DOE 主要的目的，表现在既有的设备之下，以最经济、最有效的方法取得最多有用的数据，然后进一步透过统计的分析，建构出一个受到由外部而来的变异。

确定合适的设计

实验设计有多种类型，每种类型都涉及不同数量的因素和交互作用。

一次只考虑一个因素（OFAT）的实验设计

这种方法需要独立地探究每个因素。当因素或交互作用较少时，这种方法可行；然而，对于大型因素集而言，它并非最有效的方法，因为您可能会错过更复杂设计所揭示的复杂交互作用。

双水平析因设计

由于双水平析因设计简单、用途广泛且适用于多种因素，因此被广泛应用于大多数实验中。顾名思义，该设计中因素只有两个水平——低和高。这种设计之所以受欢迎，是因为它比其他设计规模更小，但仍然能够检测到交互作用。

全因子设计

全因子设计是实验设计中最全面的方法，是对每一个因子、每一个交互作用、每一个水平都进行实验。

部分因子设计

考虑到全因子设计耗时耗力，许多机构倾向于采用部分因子设计，实验通常会减少交互作用的研究，可以相对减少实验成本和时间。

为您的组织设计更好的实验

实验设计（DOE）只是六西格玛体系中众多统计与分析工具中的一项，但它对工程判断和决策质量的提升非常关键。真正掌握 DOE，并不是学会某一种设计方法或软件操作，而是理解它在 DMAIC 不同阶段中的角色，以及如何在正确的问题背景下使用它。