背景：
DOE（Design Of Experiment ）是通过最经济，合理，有效的安排试验以获得最佳的试验结果，方差分析和多元回归分析是DOE分析中经常使用的工具。试验设计目前在企业中得到广泛的应用，产生了很好的效益，是6Sigma项目中的关键环节，财富500强企业大都在使用6Sigma的理念提升企业的核心竞争力，越来越多国营，民营企业也把推广6Sigma作为推动企业进入全球竞争浪潮的必由之路。
DOE的基础知识：
试验设计的目的：
l 从多个变量中找出对输出影响最大的因素,即显著因素;
l 找到最能使输出符合目标值的因素组合;
l 调整可控制因素是输出值的波动最小;
l 寻找可控制因素之值,使非可控制因素对输出的影响最小;
更具试验目的分为因子设计，回归设计和稳健参数设计。
因子设计多用于因子筛选，从众多自变量中找到显著因子；可分为全因子试验设计（full factorial design）和部分实施因子设计（fractional factorial design）。
回归设计是为了确定响应变量和自变量的关系式，主要是响应曲面设计（RMSM：response surface methodology）。
稳健参数设计通过试验设计把自变量分为位置因子和散度因子，通过选择可控因子的水平组合来减少一个系统(或产品,过程)对噪声变化的敏感性,从而达到减少此系统性能波动的目的. 主要有稳健参数设计（robust parameter design）.
JMP和MTB软件都有DOE（实验设计）的功能进行试验设计，安排和数据分析功能，下面以全因子试验设计为例比较两软件的特点。
1．试验设计（DOE）操作面板的比较：
Minitab的DOE设计面板
JMP的设计面板
2．全因子设计和结果分析的比较：
在压力成型塑胶板生产中，经过因子的初步筛选试验的知，影响塑胶板强度的因子有3个：压模间距（Distance），成型压力（Pressure）及压力角（Angle）。
想知道在什么条件下可以获得最大的成型塑胶强度（Strength），且已知因子水平如下：
准备做全因子试验并安排4个中心点（
23+4）的实验。
一. Minitab的分析过程：
MTB提供因子设计分辨度的表，不错！
1)模型拟合(考虑所有主效应和全部二阶交互作用项),MTB运行结果如下:
Factorial Fit: 强度 versus 成型压力, 压摸间距, 压力角
Estimated Effects and Coefficients for 强度 (coded units)
Term Effect Coef SE Coef T P
Constant 66.325 2.205 30.08 0.000
成型压力 -17.800 -8.900 2.205 -4.04 0.016
压摸间距 21.700 10.850 2.205 4.92 0.008
压力角 -2.200 -1.100 2.205 -0.50 0.644
成型压力*压摸间距 -11.750 -5.875 2.205 -2.66 0.056
成型压力*压力角 -1.750 -0.875 2.205 -0.40 0.712
压摸间距*压力角 3.950 1.975 2.205 0.90 0.421
Ct Pt -0.800 3.819 -0.21 0.844
S = 6.23634 R-Sq = 92.43% R-Sq(adj) = 79.19%
Analysis of Variance for 强度 (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 3 1585.14 1585.14 528.380 13.59 0.015
2-Way Interactions 3 313.46 313.46 104.485 2.69 0.182
Curvature 1 1.71 1.71 1.707 0.04 0.844
Residual Error 4 155.57 155.57 38.892
Lack of Fit 1 9.68 9.68 9.680 0.20 0.686
Pure Error 3 145.89 145.89 48.629
Total 11 2055.87
结果分析:
主效应项P-Value=0.015 小于0.05,显示所选定的模型是显著和有效的.
弯曲项(Curvature)P-Value=0.84, 显示响应变量强度没有弯曲的趋势,
失拟项(Lack of fit)P-Value=0.686, 显示对响应变量没有失拟.
2). 因子效应Pareto图分析:
3) 因子正态效应图:
红色标识显著性因子;
3)残差诊断:
4)残差对各自变量的散点图:
考察是否有弯区趋势
