六西格玛DOE培试验设计的必要性和重要性

    DOE培训是构成学习过程（learningprocess）的一个要素。通过试验了解人们的期望、需要、知识和资源的复杂过程。在试验的统计设计方法开始形成的20世纪20年代以前，科技工作者在DOE试验中走了不少弯路。

    

    发明家爱迪生（Thomas Edison）一生艰苦奋斗，经历了无数次的失败之后。为人类发明了许多重要科技产品。他的座右铭是“天才靠的是百分之一的灵感和百分之九十九的汗水。他的助手特勒萨（Nicola Telsa）在1931年10月19日（即爱迪生去世后第二天）的《纽约时报》发表纪念评论写道：“如果在爱迪生工作的黑屋中能有一支蜡烛照亮他前进的方向的话，以他蜜蜂般的勤奋，他将会获得远比他已发明的东西多得多的成果”，“我非常同情地观察到他的工作状况，但凡有一点点理论和计算能帮助他的话，将节省他百分之九十的精力”。爱迪生是靠苦干拼出来的，他是在边试验边分析后确定下次试验该怎么做的。这种方法速度太慢，而且只能从已经得到的偶然出现的好结果出发，摸索着继续前进，无法形成理论上的知识，无法预测何处将有更好的成果。这种凭直观猜测逐步探索的方法已经无法适应当代快速发展的需求了。

    

    另一种在多因子分析试验中常用的方法是“单因子变化法”或称“一次一因子法”。

    

    其做法是：多个因子中，每个因子依次改变，而其他因子则保持在固定的或选定的水平上。这样做所需要的试验次数肯定能比全面搭配时少，但它有许多缺点：与六西格玛统计试验设计方法相比，要达到同样的效应估计的精度，需要更多的试验次数，不能估计某些交互效应；不能在试验区域内进行系统而全面的搜索，因而它的分析结论缺乏普遍性；它最后的结论对于固定因子的初始值的选定太敏感，因而可能错过最优的因子设置。这一方法现也已弃之不用了。

    

    我们将全部因子全部水平的全部搭配都进行至少一次试验的安排方法称为全因子试验法（full factorial design）。这是人们容易想到的一个方法，而且可以获得相当多的信息。但是，是否我们永远可以使用全因子试验法呢？答案是否定的，因为这样做的试验次数太多，人们无法接受。如果有8个因子，每个因子只取2水平，那么全因子试验要将全部因子全部水平的全部搭配都进行至少一次试验的安排方法称为全因子试验法（full factorial design）。这是人们容易想到的一个方法，而且可以获得相当多的信息。但是，是否我们永远可以使用全因子试验法呢？答案是否定的，因为这样做的试验次数太多，人们无法接受。如果有8个因子，每个因子只取2水平，那么全因子试验要28=256次；每个因子取3水平。那么全因子试验要38=6561次。这在实际工作中是办不到的。我们只能从中选择一部分来进行。那么怎样来选择条件呢？我们要寻求好的设计，就是要用最少的试验次数，获得尽可能多的信息，这就需要运用六西格玛统计分析工具，DOE培训也是很必要的。

    

    如果不使用六西格玛统计分析工具不经过DOE培训，即使是用全因子试验法，在拿到试验结果后，也只是从中挑选那个最优值就结束，那么我们就浪费了大量的有用信息。试验设计的统计分析方法不但能从试验结果中找到最优值，而且可以判明哪些因子影响显著，哪些因子影响不显著，还可以得到有关的变化规律，预测将要达到的最佳值是多少和这个最佳值将在什么范围内波动，而这个最佳值可能根本未在我们选定的条件中试验过。这些就是六西格玛统计分析方法DOE培训的威力。