任何一个问题的产生，都有它的原因，事物的好坏、参数的适宜、特性的欠缺等等都有这个特点，而诸多原因一般就存在于产生问题的流程当中。
过短的流程可能会抛弃掉显著的原因，过长的流程必将导致资源的浪费。
我们又很多的方式来展开流程，但有一点必须做到，那就是尽可能详尽的列出可能地因素，详尽的因素来自于对每个步骤的详细分解，确认其输入和输出。
对于流程的剖析和认识，就是改善人员了解问题的开始，因为并不是每个人都能掌握好我们关注的问题。这一步的输出，使我们的改善人员能够了解问题的可能因素在哪里，虽然不能确定哪个是重要的，但我们至少确定一个总的方向。
第三步 筛选因素
流程的充分分析，使我们有了非常宝贵的资料，那就是可能影响我们关注指标的因素，但是到底哪个是重要的呢？
对一些根本就不影响或微笑影响因素的全面试验分析，其实就是一种浪费，而且还可能导致试验的误差。
我们的目的是确认哪个因素的影响是显著的，我们可以使用一些低解析度的水平试验或者专门的筛选试验来完成这个任务，这时的试验成本也将最小处理。
我们可以应用一些历史数据，或者完全可靠的经验理论分析，来减少我们的试验因子。
要注意的是，只要对这些数据或分析有很小的怀疑，为了试验结果的可靠，你可以放弃。
筛选因素的结果，使得我们掌握了影响指标的主要因素，这一步尤为关键，往往我们在现实中是通过完全的经验分析得出，甚至抱着可能是的态度。
第四步 快速接近
通过筛选试验找到了关键的因素，同时筛选试验还包含一些很重要的信息，那就是主要因素对指标的影响趋势，这是我们必须充分利用的信息，它可以帮助我们快速的找到试验目的的可能区域，虽然不是很确定，但我们缩小了包围圈。
我们一般使用试验设计中的快速上升（下降）方法，它是根据筛选试验所揭示的主要因素的影响趋势来确定一些水平，进行试验，试验的目的就像我们在寻找罪犯一样的缩小嫌疑范围。
得出的一个结论就是，我们的改善最优点就在因素的最终反映的水平范围内，我们离成功更近了一步。
第五步 析因试验
我们确定了主要因素的大致取值水平，这时我们就可以进一步的度量因素的主效应、交互作用以及高阶效应。
试验是在快速接近的水平区间内选取得，所以对于最终的优化有显著的成效，析因试验主要选择各因素构造的几何体的顶点以及中心点来完成。
这样的试验构造，可以帮助我们确定对于指标的影响，是否存在高阶效应或者哪些高阶效应。
最终是通过方差分析来检定这些效应是否显著，同时对以往的筛选、快速接近试验也是一个验证，但我们不宜就在这样的试验基础上就来描述指标与诸主效应的详细关系，因为对于3个水平点的选取，试验功效会有不足的可能性。
第六步 回归试验
考虑到功效问题，我们需要进一步的安排一些试验来最终确定因素的最佳影响水平，这时的试验只是一个对析因试验的试验点的补充，也就是还可以利用析因试验的试验数据，只是为了最终能够优化我们的指标，或者说有效全面的构建因素与水平的相应曲面和等高线。
试验点一般根据回归试验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面的合理设置，以确保回归模型的可靠性和有效性。
我们可以就分析和建立起因素和指标间的回归模型，而且可以通过优化的手段来确定最终的因子水平设定。
为了保险起见，我们最后在得到最佳参数水平组合后进行一些验证试验来检查我们的结果。
第七步 稳健设计
现实中还存在一类这样的因素，它对指标影响同样的显著，但是它很难通过人为的控制来确保其影响最优，这类因素我们一般称为噪声因素，它的存在往往会使我们的试验成果功亏一篑，所以对待它的方法，除了尽量的控制之外可以选用稳健设计的方法，目的是这些因素的影响降低至最小，从而保证指标的高优性能。
例如我们的汽车行驶的路面，不可能保证都是在高级公路上，那么对于一些差的路面，我们怎样来设计出高性能呢？这时我们会选择出一些抗干扰的因素来缓解干扰因素的影响。
稳健设计通常我们会经常使用在设计和研发阶段，但有时也会随着问题的产生而暴露出来，但我们会提出一个问题了：重新选定主要因素的水平会不会带来指标的震荡和劣化。
我们可以通过EVOP等途径来重新设定以保证因素更改后的输出效果。
试验设计在工业生产和工业设计中能发挥重要的作用，提高产量，减少质量波动，提高产品质量改水准、大大缩短新产品试验周期、降低成本等。试验设计的方法很多，根据具体的问题模型和目的我们可以选择适当地设计方法，如混合设计、曲面设计、裂区设计、田口设计、均匀设计等等。
试验设计摒弃了以往单个因子逐步调整的做法，避免了忽视交互作用等方面的问题，从而更加系统有效的解决我们所关注的指标。我们可以在很多的行业中采用渐进的方法来采用试验设计方案，而不期望于一步到位。查看