核心逻辑：DOE 的本质是通过统计学手段，在包含多个变量（因子）的复杂系统中，用最少的实验次数，找出各因子与结果（响应）之间的数学模型。

假设我们正在研发一种玻纤增强尼龙 (PA66+GF30)，目前发现制品浮纤严重且拉伸强度波动大。
涉及因子：注塑温度 ($A$)、模具温度 ($B$)、注射压力 ($C$)、保压时间 ($D$)。
若每个因子取 3 个水平，全因子实验需要 $3^4 = 81$ 次，耗时耗财。而通过 正交设计 (Orthogonal Design) 或 响应面法 (RSM)，我们可以缩减至 15-20 次。

2. DOE 实施五步法 (SOP)

第一步：因子与水平设定 (Factors & Levels)

在开始实验前，需通过“鱼骨图”筛选出关键因子。

因子	低水平 (-1)	高水平 (+1)	单位
A: 熔体温度	275	295	°C
B: 模具温度	80	110	°C
C: 注射压力	800	1200	Bar

第二步：选择实验方案

• 筛选实验 (Screening)：因子多时使用，用于剔除次要变量。
• 析因实验 (Factorial)：分析因子间的交互作用 (Interaction)。例如：温度高时，压力对强度的影响是否更显著？

第三步：执行实验与数据采集

使用 Mermaid 记录实验流：

graph LR
    A[随机化顺序] --> B[实验组运行]
    B --> C[样条恒温恒湿处理]
    C --> D[拉伸性能测试]
    D --> E[数据录入 Minitab]

第四步：统计分析 (Statistical Analysis)

核心关注点：

1. 帕累托图 (Pareto Chart)：哪些因子跨越了红线（显著性阈值）？
2. 交互作用图：观察直线是否交叉。若交叉，说明因子 A 的效果依赖于因子 B 的水平。

第五步：模型验证与预测

得到回归方程： $$ 拉伸强度 = \beta_0 + \beta_1 A + \beta_2 B + \beta_{12} AB + \epsilon $$

3. 研发工程师的避坑指南

1. 必须随机化：不要按顺序做实验，防止设备漂移产生系统误差。
2. 包含中心点：在低、高水平中间取一点，用于检测系统是否存在“非线性（弯曲）”关系。
3. 数据真实性：异常值必须通过物理逻辑（如停机、漏胶）解释，严禁随意删除数据。