众所周知，实验设计（Design of Experiments DOE）是一种通过对实验的合理安排，能以较小的试验规模和较少的试验次数，较短的试验周期，较低的试验成本，得到理想的实验结果和得出科学结论的方法。它归根结底，是一种设计试验和分析实验数据的数理统计方法。

随着现在各种精细化质量管理方法的推进，各企业越来越重视利用统计工具去解决实际工作中遇到的问题，利用DOE方法去优化实验安排，从而提高试验效率，降低成本，提高企业优化和创新能力。

然而，对于多数科研单位，这些常常和试验打交道的地方，其应用却显得不温不火。科研单位由于其特殊的性质，以及其工作的创新性，业绩考核的特殊性，使其面临的市场竞争的压力和企业单位不太一样，尽管其工作涉及大量的试验研究，但是对试验效率的考核并没有那么严格。另一方面，科研人员的高素质，也是他们能够通过现有的知识方法安排试验，虽然不一定是最优化的方法，但基本思路也是合理有据。

听到“实验设计”四个字时，很多人觉得它就是对实验进行设计安排，而且认为，自己在试验之前，已经进行了这一步：选出影响试验的因子，每个因子有几个水平，然后根据经验，安排一定的试验次数。事实上，实验设计DOE，并不是这些，实验设计DOE，是一种优秀的试验安排方法，通过它的应用，能够协助企业快速地找出工艺环境中最适合的生产条件。如果影响试验的因子有20个，甚至30个，怎么办？如果在你试验的区域内，没有出现最佳试验结果，怎么办？试验经费有限，只能够很少的试验次数，怎么办？试验重复几次，结果比较可靠？…… 很多实际的问题，如果借助DOE方法，都能迎刃而解。

理工科毕业的硕士、博士们，毕业设计中都进行过实验研究，回想下，自己在制定实验方案，实验数据分析时，依靠的是什么？直觉？经验？还是DOE方法？到了科研工作岗位以后，是否还沿用了原来的试验安排（一次一因子的试验安排）习惯？

DOE在科研单位中的应用并不是一片空白。比方说农业方面新种植品种的开发，由于其受到气候条件的影响，试验周期非常长，因此为了保证试验效率，DOE方法在该行业的应用非常广泛；再比如医疗领域、航空航天相关领域等。其他行业，也有一些工程师在应用DOE方法做出了显著的成果。

想起一个故事，转述如下：

三人出门，一带伞、一带拐杖、一空手。回来时,拿伞的湿透了，拿拐杖的跌伤了，第三个好好的。原来，雨来时，有伞的大胆地走，却被淋湿了；走泥路时，拄拐杖的大胆走，却常跌倒；什么都没有的，大雨来时躲着走，路不好时小心走，反倒无事。

试验周期长、试验经费不足、试验因子的水平的变化比较困难、客观要求试验必须在短时间内作出成果等等这些原本对试验研究来说非常不利的条件，迫使他们必须应用更科学有效的方法去安排试验；而试验客观条件没有这么苛刻的项目，却常常忽略了DOE等更多科学方法的应用。

综上，科研工作者应该更加广泛地学习、重视、并应用以正交实验设计为基础的实验设计DOE方法，从而在实际工作中，以更小的综合成本，取得更多的科研成果。