试验设计（Design of Experiments，DoE）是解决长期质量问题和减少变量偏差的最佳方法[1]。目前DoE有三种常见方法或流派：
经典DoE：从Fisher到分析因法
经典方法源自Ronald Fisher爵士的农田科学试验，凯克·博特强调，Fisher只使用”完全析因设计（full factorial design）”。随着统计学的发展，该方法被进一步简化成”部分析因设计（Fractional factorial design）”或”分析因法”。其目的，正如试验设计DoE的目标和类型所讲，是筛选关键因子（减少变量），将5～20个因子的应用，精简到2～5个。
之后再用传统的”完全析因设计”甚至”响应曲面设计”，量化显著的因子和交互作用，并构建预测模型，确定最佳参数设定。
我个人认为，经典DoE在实际应用中通常遵循“部分析因设计→完全析因设计→响应曲面设计”的逻辑路径，完成筛选→分析→优化的目标。细节上有所变化，有的试验模型是线性的，只做到完全析因设计；有的试验则直接设计成响应曲面设计，跳过完全析因设计。
田口DoE：简化设计的早期尝试
日本的田口采用了经典的方法，最大的改进是使用正交表进行简化，方便手动操作。
然而，随着“部分析因设计”的发展，其灵活性更高，因此田口方法逐渐被边缘化。当然，田口质量哲学依然有重要意义，特别体现在稳健设计中。
谢恩DoE：Red X的完整问题解决体系
第3种方法是由美国质量问题专家多利安·谢恩（Dorian Shainin）发明的一套系统试验设计方法。
摩托罗拉公司曾有一句评价：“没有戴明，美国就不会有质量哲学；没有朱兰，美国就不会有质量的方向；没有谢恩，美国就无从解决质量问题。”[1] 此可以看出谢恩在质量领域的重要地位。
凯克·博特认为，谢恩方法没有得到应有的充分推广和广泛应用，是因为应用了这些方法并体验到卓越成果的那些公司不愿意与别人分享这些方法。类似的还有苏联发明家阿奇舒勒提出的创新方法论TRIZ（发明问题解决理论），也曾因国家保密政策而被”雪藏”多年，直到苏联解体，才被更多人知晓和广泛使用。（文章彩蛋）
与经典和田口方法不同，谢恩方法强调系统性的解决问题流程，包括线索生成、正式试验和成果固化三阶段，和10个DoE工具，每种DoE工具解决某一特定的问题。谢恩将最显著的因子称为”红X”（Red X），所以该解决问题流程又被称为“Red X”，流程见下图。
第一阶段”线索生成工具”，类似于筛选试验，其目的是筛选关键的变量，凯克·博特特别强调，”线索生成试验可以解决70%的长期质量问题”，而这正是传统方法和经典DoE所欠缺的部分。第三阶段“统计过程控制”，对应六西格玛的控制阶段（Control），其目的是”冻结”DoE的成果，防止滑入原来的缺陷中。
经典和谢恩方法的区别
为帮助大家更直观地理解这两种方法的差异，我根据凯克·博特的观点整理了如下对比表：
| 特征 | 经典方法 | 谢恩方法 |
| 方法 | 部分析因，完全析因，响应曲面* | 10种方法组成的流程 |
| 线索生成能力 | 差：猜测 | 强：“与部件对话” |
| 成本 | 高 | 低 |
| 复杂性 | 困难；全面的方差分析要求 | 容易；由一线工人和工程师进行试验 |
| 试验次数 | 学习时间长；实践时间长； 试验次数多 | 学习时间短；实践时间短； 试验次数少 |
| 统计有效性 | 弱；混淆主效应和相互作用** | 强；清晰分离主效应和交互作用 |
| 干扰生产程度 | 试验期间停止生产 | 线索生成试验，不需要停止生产止生产 |
* 书中没有提及完全析因，是我的观点
** 这一点并不绝对，根据“效应稀缺原理”，三阶及以上交互作用并不常见，所以统计有效性不足，主要针对解析度为3和4的情况。解析度为3，主效应被二交互作用混淆；解析度为4，主效应被三交互作用混淆，二交互作用与二交互作用之间存在混淆。更详细内容见后续发布的“部分析因试验”。
如果你想详细学习谢恩DoE，推荐阅读《世界级质量管理工具》，该书的英文名及其副标题——《World Class Quality: Using Design of Experiments to Make it Happen》，由此可见，本书的质量工具是以Design of Experiments（DoE）为核心展开！
[1]《世界级质量管理工具》第6章
[2] Red X 与六西格玛——卓效问题解决的强大合作伙伴
欢迎关注本公众号，持续获得DoE方法（包括谢恩DoE）的深入解析和实践经验分享。
