牙牙最近在研究DOE，但可能没有接受过系统的学习，我这里简单介绍各种DOE的基本分类，供大家参考，详细细节，以后做到聊到再进行分享。
DOE因子试验设计发成这样几类：
1. 全因子2水平试验 （最常用）
2. 部分因子2水平试验 （最常用）
3. 裂变因子2水平试验 （试验因子中的某些个因子非常难改变或者非常难控制，需单独处理）
4. 一般全因子设计 （不限定2水平，但也因为这个原因，不再支持中心点的曲率测试）
5. 响应曲面设计（2K因子试验的升级应用，增加了轴点，试验精度更高）
6. 混料设计 （用于化学试验，配方等研究，研究因子的混合影响，以及质心的位置，支持轴点设计）
7. 田口法 （包含了稳健性规划，噪声试验，参数试验，以及验证试验），大量用于企业改善产品特性品质，降本优化，稳定性提高等目的。
其中DOE按数据类型被分成了两大类：连续型DOE与属性DOE。
这两类DOE是针对输出响应的数据类型决定的，与因子的数据类型无关。
因为无论输入因子是连续的，还是属性的，DOE使用的是多元回归的方式，都会把他们变成连续性变量（-1,1）。
而如果测量目标，即输出响应是连续性数据，那就是最常见的连续性DOE。
如果输出响应是属性数据（比如合格，不合格），那就是属性DOE。
连续性DOE的分析相对比较直接和简单；而属性DOE的试验与样本数有很大的关系，要确保样品数控制在对应的二项式分布或者泊松分布的方差稳定区域，然后还要对属性数据进行二项式或者泊松的转换后，才能进行分析。转换后的分析方法与连续型DOE完成一致。
DOE是整整一周，40小时的课量，不可能在这里几句话讲完，希望有兴趣的人自行进行研究，有问题可以在YY的时候提出。

谢谢大哥指点

我以为是DQE，[FACE WITH COLD SWEAT]

如果全因子的话，其实挺耗钱的，以前上这个课刚好是张驰教的，然后介绍用minitab，减少实验数量。

谢谢大哥，目前的状况是需要用什么学什么，赶鸭子上架的感觉，的确挺混乱的

六西格玛实验设计，要考试了，正在看书