實驗設計有顯著的好處。它們可用于多種情況，并有效地允許操縱多個輸入因素以確定它們對所需響應的影響。他們還確定了在一次試驗一個因素時可能會遺漏的重要交互作用。

DOE 的規劃階段對于成功至關重要。由于在規劃階段發現的障礙，DOE 經常停滯不前。例如，看起來過于昂貴或復雜或缺乏關鍵信息的 DOE 通常在它們有機會執行之前就被廢棄了。幸運的是，先進的預測分析是一個強大的工具，可以幫助消除創建 DOE 的障礙，甚至可以提高成功的機會。

問題 1：您想運行篩選設計，但您不能停止系統（或進程）運行以收集數據或收集數據非常昂貴。

從業者使用篩選實驗設計（篩選 DOE）從許多潛在變量的領域中識別過程中最重要的變量。它們使從業者能夠減少實驗的規模，從而節省時間和金錢。如果數據難以獲取或成本高昂，則尤其如此。

當您無法停止系統或進程來運行篩選實驗時會發生什么？或者，如果收集用于篩選的數據點非常昂貴，以至于難以證明這樣做是合理的？

解決方案 1：預測分析可以幫助您輕松識別最重要的變量。

不要害怕，預測分析就在這里！通過分析來自您的系統或流程的數據，您可以利用您最喜歡的機器學習算法或運行自動化機器學習來識別對您的響應有潛在影響的預測因素。Minitab 通過我們專為幫助您識別最重要的變量而構建的相對變量重要性圖表使這一過程變得簡單。查看我們的網絡研討會 DOE 實踐，鏈接如下示例。

問題 2：您想運行設計實驗，但對因素（即水平）的適當范圍（即上限和下限）不確定。

運行 DOE 時，實驗在不同的因子值（稱為水平）下運行。這些水平是我們衡量響應的自變量，我們傳統上將其稱為因變量。例如，如果您嘗試優化一臺設備的速度，則需要設置最高和最低速度的限制以構建速度范圍以優化您的過程。另一個例子可能是烘烤蛋糕時烤箱的溫度。根據您的經驗，您可能知道低于 300F 不會烘烤蛋糕，而在 400F 時會燒焦，因此您可以設置限制。但是，如果您以前從未烤過蛋糕怎么辦？或者，如果您有一臺新機器而不知道在哪里設置限制怎么辦？

解決方案 2：預測分析提供可視化效果來幫助您設置合理的限制。

當您運行 Minitab 的預測分析時，您將生成可視化效果，展示一個或多個變量對預測結果的影響。為了預測結果，這些圖的目的是突出響應和變量之間的關系是線性的、單調的還是更復雜的。這些可視化對于 DOE 也非常有用。

在上面的示例中，假設您正在嘗試運行優化強度的實驗。您可能了解模具溫度與強度之間的關系，但也知道簡單地將機器調到最高溫度可能會產生不利影響，例如過熱或不必要地增加生產成本。您還知道實驗中可能會與其他變量（例如壓力）發生相互作用。通過查看圖表，您會發現溫度高于 1200 會導致強度邊際增加。對于您設計的實驗，您可以將模具溫度水平設置為 1000 和 1200，以運行以最大化強度為目標的實驗。但是，如果目標是最小化強度，您可以從圖中看出，在較低的模具溫度范圍內進行測試會更合理。

預測分析只是與 DOE 攜手并進的眾多工具之一。

DOE 是許多從業者的重要工具，不應孤立存在。如前所述，規劃對于 DOE 的成功至關重要，這就是 Minitab 創建專門為幫助規劃過程而構建的DOE 規劃工作表的原因。如果您是 DOE 的新手或只是想提高您的技能組合，Minitab 會提供支持、資源和解決方案來幫助您前進。

審核編輯黃宇