Process / pipelineEngineering methods
实验设计 — DOE
实验设计（Design of Experiments, DOE）是一个系统性的框架，用于规划、执行和分析受控实验，以确定多个输入因素如何同时影响一个或多个响应。DOE由Ronald A. Fisher于1935年引入，它使研究人员和工程师能够识别因果关系、量化因素效应并高效地找到最优设置——其所需的实验次数远少于单因素试验方法。它是工程、制造、农业和应用科学的基础。
用 PaperMind 寻找选题即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 48 项
来源
- Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd. link ↗
- Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley. ISBN: 978-1119492443
如何引用本页
ScholarGate. (2026, June 3). Design of Experiments. ScholarGate. https://scholargate.app/zh/experimental-design/design-of-experiments
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 方差分析 (ANOVA)研究统计学↔ 比较
- 中心复合设计实验设计↔ 比较
- 响应面方法 (RSM)实验设计↔ 比较
被引用于
贝叶斯实验设计贝叶斯质量功能展开贝叶斯田口方法Box-Behnken Design中心复合设计控制图全局敏感性分析混合控制图混合实验设计混合质量功能展开（Hybrid QFD）混合响应曲面法混合六西格玛DMAIC混合田口方法工业应用响应面法拉丁超立方体采样多响应实验设计多响应分数析因设计多响应全因子设计多响应过程能力分析多响应响应面法多响应六西格玛DMAIC多响应田口方法实验设计优化辅助基于优化的失效模式与影响分析优化辅助分数析因设计优化辅助全因子设计基于优化的过程能力分析基于优化的质量功能展开优化辅助可靠性分析优化辅助响应面方法优化辅助的六西格玛DMAIC优化辅助田口方法质量功能展开基于风险的Box-Behnken设计基于风险的实验设计基于风险的全因子设计基于风险的田口方法Robust Six Sigma DMAIC带控制图的敏感性分析过程能力分析的敏感性分析基于根本原因分析的敏感性分析六西格玛DMAIC的敏感性分析敏感性分析集成全因子设计灵敏度分析-集成响应面方法集成敏感性分析的田口方法基于仿真的实验设计Simulation-Assisted Fractional Factorial Design仿真辅助全因子设计Simulation-Assisted Process Capability Analysis仿真辅助质量功能展开基于仿真的响应面方法仿真辅助的六西格玛DMAICSimulation-Assisted Statistical Process Control仿真辅助的田口方法统计过程控制基于代理的模型优化