图文]DOE就在你身边

　　 DOE，即试验设计(Design OfExperiment)，是研究和处理多因子与响应变量关系的一种科学方法。它通过合理地挑选试验条件，安排试验，并通过对试验数据的分析，从而找出总体最优的改进方案。从上个世纪20年代费雪(RonaldFisher)在农业试验中首次提出DOE的概念，到六西格玛管理在全球范围内的蓬勃发展，DOE已经历了80多年的发展历史，在学术界和企业界均获得了崇高的声誉。

　　然而，由于专业统计分析的复杂性和各行各业的差异性，DOE在很多人眼中逐渐演变为可望而不可及的空中楼阁。其实，DOE绝不是少数统计学家的专属工具，它很容易成为各类工程技术人员的好朋友、好帮手。本文将以一个日常生活中的小案例为线索，结合操作便捷的专业统计分析软件JMP，帮大家揭开DOE的神秘面纱，了解DOE的执行过程，自由自在地建立属于自我的DOE空间。

　　场景：相信我们大家都吃过爆米花，但是大家是否都了解爆米花的制作的步骤？在品尝爆米花的时候，不知道您是否注意到有很多爆米花没有爆开，也有很多被爆焦。这两种情况都是生产的全部过程中的质量缺陷。

　　这里，我们基于六西格玛软件JMP来实现我们的目标：寻找使用微波炉加工一包爆玉米花的更佳程序。凭借经验，我们非常容易就能确定重要因子的合理范围：

　　 在爆玉米花时，我们大家都希望所有（或几乎所有）的玉米粒都爆开了，没有（或很少）玉米粒未爆开。因此玉米的“爆开个数”是最终关注的重点。

　　根据经验，你知道：不能在试验中长时间高火力加工爆玉米花，因为这样会烧焦某些玉米粒。不能在试验中短时间低火力加工爆玉米花，因为这样只有少数玉米粒爆开。所以要限制试验，以使加工时间加上微波炉火力小于等于13，但不小于 10。

　　我们可以推测：与爆开玉米比例相关的任意因子效应可能取决于某些其它因子的值。例如，品牌A时间变化的效应可能大于或小于使用品牌B相同时间变化的效应。这种因子表现出的协同效应统称为二因子交互作用。我们决定在爆玉米花工艺流程的先验模型中纳入所有可能的二因子交互作用。

　　根据在模型中添加的效应，执行试验需要一定的试验次数。我们大家可以使用最小值、建议值，也可以指定试验次数，只要其值大于最小值。本例中，我们将使用默认的试验次数16。

　　生成的数据表保留了随机化的特性，显示了我们该运行试验的顺序，首先在7级火力下将第一包B牌的玉米加工 3分钟，然后在5级火力下将B牌玉米加工5分钟，依次进行。

　　根据设计的具体方案加工爆玉米花。然后，计算每包中爆开的玉米粒的数量。最后，保存结果至数据表。

　　可以构建数据模型了，通常用最常见的分析方法——最小二乘法，但是如果响应数据明显不呈正态分布时，选择广义线形模型法会显得更为合适。

　　 简要地查看输出报告中的“参数估计”表，发现所有的 p 值都小于0.05，表明所有的模型效应，包括一次主因子作用、二次主因子作用和双因子交互作用，均是显著的。

　　我们已确认时间、火力以及品牌与爆开玉米粒个数之间有着紧密关系，要进行进一步研究，能打开“预测刻画器”，分析因子组合的变化怎么样影响爆开玉米粒的个数。预测刻画器显示了每个因子对响应的预测轨迹，移动红色虚线，便能查看更改因子值对响应产生的影响。例如，单击“时间”图中的红线并左右拖动，当“时间”值从3转移至5时，“爆开个数”也在发生相应得变化。同时，跟着时间的增加和减少，时间和火力预测轨迹的斜率也随即改变，表明确实存在时间和火力的交互效应。

　　最后，还能够最终靠“预测刻画器”寻找出最优设置，即最合意的设置。我们根据试验分析结果而推荐的方法是：使用A品牌，加工5分钟，并将火力调为6.96级。试验预测在此种设置下加工，产出的玉米粒445个以上都爆开了。

　　类似这种爆玉米花的案例在我们的生活和工作中还有很多很多，有兴趣的读者可完全将平时遇到的问题抽象成一个DOE模型，然后借助JMP这样的专业统计分析软件，轻轻松松地得到问题的解决方案。有关DOE的更加深入的理论和应用，笔者会在今后的文章中继续与大家交流。(作者：资深六西格玛咨询专家周暐)