实验设计（Design of Experiments，DOE）常被认为是六西格玛里比较难的统计工具，因为它会涉及因子、水平、主效应、交互作用等概念。其实，如果把这些概念放进一个生活化场景里，DOE并没有想象中那么难。
咖啡冲泡就是一个很好的例子。咖啡的味道会受到很多条件影响，例如研磨粗细、水温、冲泡时间、水粉比例和咖啡豆本身。如果一次只改变一个条件，我们可能要做很多次实验，而且很难看出不同因素之间会不会互相影响。
DOE的价值就在这里：它可以同时研究多个因素，用较有系统的方法找出哪些因素真正重要，以及哪一种组合能够产生更好的结果。
为什么不能只用「一次改一个参数」的方法？
很多人在调整咖啡时，会采用一种很自然的方法：先固定其他条件，只改变研磨粗细；找到一个比较满意的设置以后，再固定研磨粗细，继续调整水温。
这种方法叫OFAT，也就是One Factor At a Time，一次只改变一个因素。
它的优点是容易理解，但有一个明显缺点：很难发现交互作用。
例如95°C的水温本身未必比90°C更好，但它可能只有在粗磨时表现较好；如果配上细磨，就可能因为萃取过度而产生明显苦味。
这时候，「最佳水温」其实取决于研磨粗细。两个因素之间这种互相影响的现象，就是DOE非常重视的交互作用（Interaction）。
先定义实验目标：我们到底想改善什么？
做DOE之前，第一件事不是选因素，而是先定义响应变量，也就是我们真正想改善的Y。
在咖啡实验里，可以把「整体口感评分」作为主要响应。例如由几位测试者进行盲测，用1到10分评价整体喜好程度。
也可以进一步记录香气、酸度、苦度、甜感等多个响应，但如果是第一次学习DOE，先选一个主要Y会更容易理解分析逻辑。
所以这次实验可以定义成：
目标：研究研磨粗细、水温和冲泡时间对咖啡整体口感评分的影响，并寻找较佳参数组合。
选择三个因子，每个因子两个水平
为了让实验简单一点，我们选择三个因素：
- 因子A：研磨粗细，粗磨和细磨；
- 因子B：水温，90°C和95°C；
- 因子C：冲泡时间，3分钟和4分钟。
DOE里通常把这些实验条件称为Factor，具体设定值则叫Level。
因为这里有三个因子，每个因子有两个水平，所以采用一个2³全因子设计，一共有：
2 × 2 × 2 = 8种组合。
| 实验 | 研磨粗细 | 水温 | 冲泡时间 |
|---|---|---|---|
| 1 | 粗磨 | 90°C | 3分钟 |
| 2 | 粗磨 | 90°C | 4分钟 |
| 3 | 粗磨 | 95°C | 3分钟 |
| 4 | 粗磨 | 95°C | 4分钟 |
| 5 | 细磨 | 90°C | 3分钟 |
| 6 | 细磨 | 90°C | 4分钟 |
| 7 | 细磨 | 95°C | 3分钟 |
| 8 | 细磨 | 95°C | 4分钟 |
DOE不只是把8种组合全部做一次
如果只是按照表格从1做到8，严格来说还没有把DOE的优势完全发挥出来。
一个比较完整的实验还要注意随机化、重复和其他条件控制。
例如，如果固定按照1到8的顺序做，而实验室温度刚好随着时间逐渐升高，那么时间变化可能和实验条件混在一起。更好的做法，是随机决定实验顺序。
另外，每种组合最好重复几次，而不是只冲一杯。因为咖啡冲泡和感官评分本身都会有一定波动，重复实验可以帮助我们估计随机误差。
同时，咖啡豆批次、水粉比例、使用器具、操作人员和评价方法等其他条件也应该尽量保持一致，否则这些因素会干扰结果。
口感评分本身也有一个问题：测量系统可靠吗？
这个例子还有一个很适合六西格玛思维的地方：我们把「口感」当成Y，但口感本身具有主观性。
如果A测试者特别喜欢酸味，B测试者却偏爱深烘焙，那么两个人对同一杯咖啡的评分可能差很多。
所以，如果希望实验更严谨，可以采用盲测，并让多名评价者使用统一评分标准。
最好不要让评价者知道这一杯到底用了什么参数，否则很容易产生心理预期。
从六西格玛角度看，这其实就涉及测量系统的问题。DOE再漂亮，如果响应Y本身测得不可靠，实验结论也会受到影响。
主效应告诉我们：哪个因素平均影响最大
完成实验以后，可以先分析主效应（Main Effect）。
假设我们发现细磨条件下的平均口感评分明显高于粗磨，那么研磨粗细可能存在较明显的主效应。
同样，如果95°C和90°C的平均评分几乎一样，就说明单独看水温，它的主效应可能不明显。
但这还不能马上说「水温不重要」，因为还需要继续看交互作用。
DOE真正厉害的地方，是可以发现交互作用
假设实验结果出现这样的情况：
粗磨时，95°C比90°C明显好喝；细磨时，95°C反而比90°C更苦。
这就代表研磨粗细和水温之间存在交互作用。
换句话说，水温对口感的影响，取决于研磨粗细。
如果只使用OFAT方法，我们很可能先选一个研磨设定，再调整水温，最后得到一个局部答案，却看不到这种组合关系。
而在制造业中，这种交互作用更加重要。例如温度本身可能不影响不良率，但温度和压力一起变化时，却产生很大影响。这正是DOE比单变量实验更有价值的地方。
实验结果不能事先写成「细磨一定更好」
原本这类案例很容易写成：「分析发现细磨带来更丰富香气，95°C配合某种时间最好。」但如果这些数字并没有真实实验数据支持，就只能把它当成假设，而不能当成结论。
DOE的核心精神就是让数据决定答案。
所以在真正实验之前，我们最多只能说：
「我们怀疑研磨粗细、水温和时间可能影响口感，并希望通过实验判断哪些效应显著。」
等数据收集完成以后，才有资格讨论哪种组合最好。
为什么8次实验有时还不够？
一个2³全因子设计只有8种条件，但如果每种条件只实验一次，就没有太多信息可以独立估计纯随机误差。
所以实际DOE常会加入重复实验，或者增加中心点。
例如水温的两个水平是90°C和95°C，还可以加入92.5°C作为中心点；冲泡时间3和4分钟之间，也可以考虑3.5分钟。
中心点能够帮助我们观察响应是否存在曲率。
因为两个水平设计主要适合研究局部线性关系。如果真正的最佳条件刚好在中间，只看两个端点可能会错过。
找到「最好组合」后，还需要做确认实验
假设统计分析显示最佳组合是：
- 细磨；
- 90°C；
- 3分钟。
这还不是实验结束。
团队应该用这个组合再冲几次咖啡，进行确认实验（Confirmation Run），看实际结果是否接近模型预测。
如果模型预测平均评分是8.7分，但确认实验只有6.5分，就说明实验模型、操作稳定性或其他未知因素可能还有问题。
所以DOE最终不是找出一组漂亮参数，而是验证这个参数组合在真实条件下确实有效。
从咖啡回到制造业，DOE的逻辑完全一样
咖啡只是一个方便理解的例子。
在制造过程中，可以把研磨粗细换成材料类型，把水温换成设备温度，把冲泡时间换成压力或加工速度，而Y则可以是不良率、强度、尺寸、良率或周期时间。
例如某注塑过程可能研究：
- 模具温度；
- 注射压力；
- 保压时间；
响应则是产品尺寸偏差。
通过DOE，工程师可以同时研究几个因素的主效应和交互作用，而不是不断靠试错寻找参数。
DOE为什么常放在DMAIC的Improve阶段？
在六西格玛DMAIC项目中，DOE经常出现在Improve阶段，但并不是每个项目都一定需要。
通常应该先在Analyze阶段筛选出值得进一步研究的关键X，再使用DOE优化这些变量。
如果项目一开始有二十多个可能原因，直接把所有因素都放进全因子实验，实验次数会迅速增加。
所以实际项目中可能先通过过程知识、FMEA、Pareto、回归或筛选实验缩小范围，再进行更深入的DOE。
这也是为什么DOE不是单独的统计技巧，而是一条完整分析逻辑中的一环。
一个常见误区：DOE就是「多做几次实验」
普通试验和DOE最大的区别，不是实验次数多，而是实验条件按照统计结构安排。
DOE会明确哪些因素被研究、各自有哪些水平、实验顺序怎样随机化、是否重复，以及怎样分析主效应和交互作用。
所以随意尝试八种咖啡配方，并不能自动称为DOE。
真正的实验设计，是在做实验之前就决定如何从有限次数的实验中获得最多有效信息。
结语
通过咖啡冲泡可以很直观地理解DOE的基本思想：我们并不是不断凭感觉尝试不同参数，而是系统地安排实验，让数据告诉我们哪些因素重要、哪些因素会互相影响，以及什么组合更值得进一步验证。
优思学院认为，DOE最值得学习的并不是2³等于8这种计算，而是它改变了我们做实验的方式。
一次只改变一个因素，只能看到单独变化；DOE则让我们看到一个系统中的多个因素怎样一起影响结果。
无论面对一杯咖啡，还是一条复杂生产线，这种思维都是一样的。
