1. DOE 概述：什么是 DOE、DOE 在工业界的价值、DOE 与质量管理的关联、课程目标与学习路径

1.1 什么是 DOE？

DOE，全称是 Design of Experiments，中文叫“实验设计”。

说白了，就是一套科学安排实验的方法。你想想看，我们做工程的人，天天都在做实验——调参数、试配方、改工艺。但大多数时候，我们是怎么做的？

“这次先调温度，看看效果。下次再改压力，再看看。”——这叫单因子轮换法。

我刚开始做工程师那几年，就是这么干的。结果呢？调了三个月，产品合格率还是上不去。后来一位老前辈跟我说：“你这不是在做实验，你是在碰运气。”

DOE 的核心思想其实很简单：同时改变多个因子，用最少的实验次数，获取最多的信息。它不是让你瞎试，而是告诉你——哪些参数该调、怎么调、调多少，以及这些参数之间会不会“打架”。

举个例子。我做过一个注塑成型项目，客户投诉产品尺寸超差。当时有 5 个因子可能影响尺寸：料温、模温、注射速度、保压压力、冷却时间。如果每个因子试 3 个水平，全排列要 3⁵ = 243 次实验。但用 DOE 的 L18 正交表，我只做了 18 次实验就找到了关键因子和最优参数组合。

嗯，这就是 DOE 的威力。

1.2 DOE 在工业界的价值

DOE 不是学院派的纸上谈兵。我在半导体、汽车零部件、医疗器械行业都干过，可以负责任地说：DOE 是工业界最被低估的“省钱工具”。

应用场景	传统做法	DOE 做法	效果对比
新产品开发	凭经验试参数，反复修模	一次 DOE 找到最优窗口	开发周期缩短 40-60%
工艺优化	单因子轮换，顾此失彼	同时优化多个因子	良品率提升 15-30%
质量问题排查	猜原因，换零件试	DOE 快速锁定根因	排查时间减少 70%
成本降低	用最贵的材料保质量	找到成本与性能的平衡点	单件成本降低 10-25%

我记得有一次，某汽车零部件厂的一个焊接工序，良品率一直在 82% 左右徘徊。他们试了半年，换了三批焊丝，都没用。我帮他们设计了一个 2⁴ 全因子实验，加 3 个中心点，总共 19 次实验。结果发现：焊接速度和保护气体流量之间存在交互作用——单独调哪个都没用，必须两个一起调。调整后良品率直接跳到 96%。

你算算，半年的人工成本、材料浪费、客户罚款，加起来是多少？而 DOE 的成本，不过是 19 次实验的材料费而已。

1.3 DOE 与质量管理的关联

说到质量管理，大家第一反应可能是 SPC（统计过程控制）、六西格玛、ISO 9001。但我想说：DOE 是所有质量管理工具里，唯一一个能“主动”提升质量的。

为什么？

SPC 是“监控”——它告诉你过程有没有失控，但不会告诉你该怎么改。FMEA 是“预防”——它列出可能的风险，但不会告诉你最优参数是多少。而 DOE 是“设计”——它直接告诉你：把温度设在 185°C、压力设在 120 bar，你的产品强度就能达到要求。

我习惯把质量管理分成三个层次：

• 第一层：检测质量——靠检验把关，不合格品挑出来报废。这是最被动的。
• 第二层：过程质量——靠 SPC 控制过程稳定，减少波动。这是主动的。
• 第三层：设计质量——靠 DOE 和参数设计，让产品本身就对波动不敏感。这是最高级的。

田口玄一先生提出的“参数设计”思想，本质上就是 DOE 在质量工程中的应用。他的核心观点是：不要试图消除所有波动源，而是找到一组参数，让产品在波动存在的情况下依然表现稳定。

我曾经帮一家电子厂做过一个案例。他们的 PCB 焊接工序，环境温度每变化 5°C，焊接强度就波动 20%。后来我们用 DOE 找到了一个“稳健参数组合”——在这个组合下，环境温度变化 10°C，焊接强度波动只有 3%。这就是设计质量的魅力。

1.4 课程目标与学习路径

这门课的目标很明确：让你能独立完成一个完整的 DOE 项目。

不是让你成为统计学家，而是让你成为“会用 DOE 的工程师”。我见过太多人，学了 DOE 的理论，但一到实际项目就懵了——该选什么设计类型？样本量取多少？结果怎么分析？

所以这门课的设计思路是：

1. 先讲清楚“为什么”——DOE 背后的逻辑和原理，让你知其所以然
2. 再讲透“怎么做”——从筛选实验到响应曲面，每一步都有操作指南
3. 最后讲“避坑”——我踩过的坑、犯过的错，都告诉你

下面是整个课程的知识体系框架，我画了一张图帮你建立全局视角：

整个课程共 30 章，分成五个模块。我建议的学习路径是：

• 如果你是零基础：按顺序学，前 10 章打基础，中间 8 章练核心技能，后 12 章拓展视野
• 如果你有 DOE 基础：可以直接从第 6 章开始，重点看筛选实验和响应曲面部分
• 如果你只想解决具体问题：先看第 26-30 章的实战案例，遇到不懂的概念再回头查