一、什么是DOE：
　　DOE（Design of Experiment）试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。
　　实验设计源于1920年代研究育种的科学家Dr. Fisher的研究, Dr. Fisher是大家一致公认的此方法策略的创始者, 但后续努力集其大成, 而使DOE在工业界得以普及且发扬光大者, 则非Dr. Taguchi (田口玄一博士) 莫属。
二、为什么需要DOE：
　· 要为原料选择最合理的配方时（原料及其含量）；
　· 要对生产过程选择最合理的工艺参数时；
　· 要解决那些久经未决的“顽固”品质问题时；
　· 要缩短新产品之开发周期时；
　· 要提高现有产品的产量和质量时；
　· 要为新或现有生产设备或检测设备选择最合理的参数时等。
　　另一方面，过程通过数据表现出来的变异，实际上来源于二部分：一部分来源于过程本身的变异，一部分来源于测量过程中产生的变差，如何知道过程表现出来的变异有多接近过程本身真实的变异呢？这就需要进行MSA测量系统分析。
三、DOE实验的基本策略：
　　策略一：筛选主要因子（X型问题化成A型问题）
　　　　　　实验成功的标志：
　　　　　　在ANOVA分析中出现了1~4个显着因子；
　　　　　　这些显着因子的累积贡献率在70%以上。
　　策略二：找出最佳之生产条件（A型问题化成 T型问题）
　　　　　　实验成功的标志：
　　　　　　在第二阶段的实验中主要的误差都是随机因素造成的。
　　因为各因子皆不显着，因此，每一因子之各项水准均可使用,在此情况下岂不是达到了成本低廉且又容易控制之目的。
　　策略三：证实最佳生产条件有再现性。