一张图看懂 DOE 五步法
试验设计（DOE）是改进阶段最有力的统计武器：它告诉你哪些因子真的影响结果、最优参数怎么找、预测到底可不可信。本文用五步法一张图讲透它。
01先搞懂：DOE 在解决什么问题
生产中的任何结果都服从一个基本模型：Y = f(X?, X?, …, X?) + ε。Y 是我们要的结果（强度、杂质率、交付周期），X 是可能影响它的因子，ε 是误差。DOE 要做的，就是用最少的试验次数，找出 哪些 X 真的重要、它们之间有没有交互、最佳取值在哪。
为什么不能"一个因子一个因子地试"（OFAT）？一是次数多，8 个因子二水平全试要 256 次；二是根本测不出交互作用——比如压力单独看没影响，但压力和距离搭配起来影响巨大。DOE 的价值就在于：用精心安排的一批试验，同时拿到主效应、交互效应和预测区间。
做 DOE 前必须守住三条铁律（这也是全书的根基）：
试验设计三大基本原则依据教材 7.2 节整理
重复试验
不同单元上重复，才能估计误差；同罐取样不算真重复。
随机化
打乱试验顺序，防止未知系统因素偷偷混进结果。
区组化
能分区组就分区组（如不同批次），不能分则随机化。
02核心图：DOE 分析五步法
试验做完了只是开始。数据分析按五步走，每一步都有明确的检查点，走不通就回到上一步重来——这是一条会"回头"的流程。
DOE 分析五步法流程依据教材图 7-9 重绘
白底框=当前步骤的检查动作；深灰框=输出结论的动作。任何一步发现问题，都沿虚线回到上游重来。
03五步到底查什么
①
拟合选定模型：先看 ANOVA 表
回归项 p<0.05 模型才有效。模型无效的三大原因：试验误差太大、漏掉了重要因子（宁多勿漏）、模型本身有毛病。再查两个专项：失拟检验（p>0.05 才合格）和弯曲检验（p>0.05 才合格）。辅助判据：R-Sq（调整）越高越好、S（残差标准差）越小越好。
②
残差诊断：四张图全要正常
残差≈实际值?预测值，理应随机、等方差、正态。四张图：对观测顺序（无趋势）、对拟合值（无喇叭口）、正态性、对每个自变量（无 U 形弯曲）。喇叭口→对 Y 做 Box-Cox 变换；U 形→给该自变量补平方项。
③
判断是否改进：删掉不显著的项
把 p 值大的主效应和交互项删掉，回到 ① 重拟合。判断改进的标准：R-Sq（调整）上升、S 下降（未调整的 R-Sq 略降属正常）。
④
分析解释：看图说话 + 求最优
主效应图/交互效应图确认显著性；等值线图/响应曲面图看变化规律；响应优化器按"望大/望小/望目"自动求最佳参数设置。
⑤
判断目标：验证试验 ≥ 3 次
博克斯的名言："所有模型都是错的，只不过有些模型有用罢了。"在最佳点预测一个区间，做 3 次以上验证试验，平均值落入区间才算数。m 个观测值均值的 95% 区间：? ± t·√[(SE of Fits)2 + MSE/m]。
04实战：塑胶板强度怎么做出来的
教材例 7-4：塑胶板强度受成型压力（A）、压模间距（B）、压力角（C）影响，做 23 全因子 + 4 个中心点，共 12 次试验。分析结果：A、B 和交互项 AB 显著，C 不显著；弯曲、失拟都通过；删掉不显著项后模型更优（调整 R-Sq 从 83.17% 升到 86.34%，S 降到 5.053）。
标准化效应帕累托图（例 7-4 数据重绘）依据教材图 7-10 重绘
虚线为临界值 2.571，超过它的效应显著：B（距离）最强，A（压力）次之，AB（交互）第三。
最终代码化回归方程（例 7-4）
y = 66.06 ? 8.9·A + 10.85·B ? 5.875·A·B
A=(压力?350)/50，B=(距离?65)/5；最优：压力取低 300、距离取高 70 → 强度预测 91.68
记住三句话
- DOE 用最少试验同时拿到主效应、交互和预测区间，OFAT 做不到。
- 五步法的核心是"删减"：删不显著项后，R-Sq（调整）升、S 降，模型才叫改好。
- 模型再漂亮也要验证——验证试验平均值落入预测区间，才算真正可用。