試驗設計試驗設計通過有目的地改變一個過程（或活動）的輸入變量（因子），以觀察輸出變量（響應變量）的相應變化。試驗設計是識別關鍵輸入因子的最有效方法。試驗設計是幫助我們了解輸入因子和響應變量關系的最有效途徑。試驗設計是建立響應變量與輸入因子之間的數學關系模型的方法。試驗設計是確定優化輸出并減少成本的輸入設定值的途徑。試驗設計是設定公差的科學方法。響應變量：所關注的可測量的輸出結果，如良率、強度等。因子：可控的變量，通過有意義的變動，可確定其對響應變量的影響，溫度、時間等。水平：因子的取值或設定。處理：某次實驗的整套因子。 重復：指在不重新組合實驗設定的情況下，連續進行實驗并收集數據。復制：意謂每個數據值在重新設定測試組合之后收集。隨機化：適當安排實驗次序，使每個實施被選出的機會都相等。實驗設計步驟陳述問題（通過實驗設計解決的問題是什么）設立目標確定輸出變量識別輸入因子（可控因子/噪聲因子）選定每個因子的水平選擇實驗設計的類型計劃并為實施實驗做準備實施實驗并記錄數據分析數據并得出結論10、必要時進行確認實驗。可控（控制）因子是我們在工序的正常操作時能設定維持在期望水平的因子。噪音因子是在正常的操作期間變化的因子，而且我們不能夠控制它們：或者我們寧愿不控制它們，因為這么做會很昂貴。全因子實驗：組合所有因子和每個所有水平的實驗一個因子的主效果定義為一個因子在多水平下的變化導致輸出變量的平均變化。參考下表，其中兩個因子，濃度與催化劑。輸出變量是良率。主效果圖能夠判定出因子對輸出變量影響的大小。主效果圖的斜率越大反應出因子對輸出變量的影響越大，但不能說明該因子是對輸出變量的顯著因子。點擊統計—因子—創建因子設計，在因子數自選框內選上因子數得到下圖：看這些點離線的遠近，點越顯著，則效應越明顯看這些點離線的遠近，點越顯著，則效應越明顯紅色線是參考線，如果柱子紅色線是參考線，如果柱子是超過了參考紅線，則說明效應顯著殘差的標準偏差（在DOE里面叫做流程的隨機偏差），由于沒有復制，沒有辦法估計流程的隨機偏差，所以這里沒有隨機偏差由于沒有做復制，因此P值和F為缺省值，其分析結果不可靠。回歸方程的系數主效應、交互作用效應值，可以看出交互作用的效應比較大殘差的標準偏差（在DOE里面叫做流程的隨機偏差），由于沒有復制，沒有辦法估計流程的隨機偏差，所以這里沒有隨機偏差由于沒有做復制，因此P值和F為缺省值，其分析結果不可靠。回歸方程的系數主效應、交互作用效應值，可以看出交互作用的效應比較大點設置，進入到下圖：需要填寫響應變量，并選擇可相關的因子需要填寫響應變量，并選擇可相關的因子催化劑主效應圖斜率比較大，說明催化劑對結果的影響比較大催化劑主效應圖斜率比較大，說明催化劑對結果的影響比較大交互作用圖內，兩條線相交說明催化劑和濃度這兩個因子有交互作用。交互作用圖內，兩條線相交說明催化劑和濃度這兩個因子有交互作用。從立方體圖中可以看出，催化劑低水平、濃度高水平時，效果最好。從立方體圖中可以看出，催化劑低水平、濃度高水平時，效果最好。二水平因子實驗重復和復制和隨機化在角點的仿行數內輸入重復次數。在角點的仿行數內輸入重復次數。重復一次，其實驗次數增加了一倍，每個水平做二次實驗重復一次，其實驗次數增加了一倍，每個水平做二次實驗選擇可能選擇可能相關的因子可看殘差分析圖,殘差是否正態,是否隨著擬合值變化而變化,殘差是否隨著時間的變化而變化,殘差是否隨著變量的變化而變化.可看殘差分析圖,殘差是否正態,是否隨著擬合值變化而變化,殘差是否隨著時間的變化而變化,殘差是否隨著變量的變化而變化.復一次，其實驗次數增加了一倍，每個水平做二次實驗復一次，其實驗次數增加了一倍，每個水平做二次實驗復一次，其實驗次數增加了一倍，每個水平做二次實驗復一次，其實驗次數增加了一倍，每個水平做二次實驗根據系數（此處的系數是效應的二倍，原因是該試驗是編碼時的結果）可以寫出方程:Y=36.75-5.75*Cat+0.75*Con-8.75*Cat*Con根據系數（此處的系數是效應的二倍，原因是該試驗是編碼時的結果）可以寫出方程:Y=36.75-5.75*Cat+0.75*Con-8.75*Cat*Con調整R-SQ值大于0.7,關系強烈.每個水平做二次實驗后，系數標準誤，T值和P值都可以看到，P值小于0.05的項因子顯著。方程中：Y=36.75-5.75*Cat+0.75*Con-8.75*Cat*Con的變量是代碼（+、-）的取值，因此效應是系數的兩倍。在做具體的預測時，需要將最體值按照水平的關系進行切換。全因子實驗生成過程，標準順序因子實驗的分析步驟：分析影響顯著項（柏拉圖、概率圖、P值）篩選不重要項重新分析（注意去除主因子時確保沒有對應交互作用項顯著）可以去高階項，例如：三因子交互項，四因子交互項等。影響大小效果圖形化可以看看主因子效應圖，交互作用效應圖等。R-SQ（adj）分析，模型擬合程度分析看調整后的R-SQ值殘差分析（4個條件）寫出方程利用方方程進行分析或進一步優化。在確定殘差與X變量時，此處的X變量必須是連續型數據在確定殘差與X變量時，此處的X變量必須是連續型數據關于中心點時,與上述的內容會有不同,具體如下:中心點對應的P值小于0.05,說明模型彎曲是顯著的。因此，分析出來的其它因子對應的P值大小沒有意義。中心點的作用主要是檢驗模型彎曲是否顯著，另外可以評估流程中的隨機偏差，中心點一般復制4-6次。彎曲項對應的P值小于0.05,說明模型彎曲是顯著的.需要用響應曲面法對實驗進行分析。中心點對應的P值小于0.05,說明模型彎曲是顯著的。因此，分析出來的其它因子對應的P值大小沒有意義。中心點的作用主要是檢驗模型彎曲是否顯著，另外可以評估流程中的隨機偏差，中心點一般復制4-6次。彎曲項對應的P值小于0.05,說明模型彎曲是顯著的.需要用響應曲面法對實驗進行分析。可以通過主效應圖來看中心點與兩水平線的距離是否明顯。如果明顯，則可以采用曲面響應進行分析，如果P值大于0.05,則可以根據各因子的P值進行分析.可以通過主效應圖來看中心點與兩水平線的距離是否明顯。如果明顯，則可以采用曲面響應進行分析，如果P值大于0.05,則可以根據各因子的P值進行分析.部分因子試驗部分因子實驗全因子實驗K表示因子數,P表示部分度部分因子實驗全因子實驗K表示因子數,P表示部分度R表示分辯率紅色為警告,表示實驗比較危險;黃色為預警,表示實驗有風險,交互作用比較大時,危險比較大;紅色為警告,表示實驗比較危險;黃色為預警,表示實驗有風險,交互