从完全因子设计（2²~2³）到田口L9正交表。自动计算主效应、交互作用、方差分析、F检验、信噪比。
每帧计算各处理条件的响应 $Y=b_0+b_A A+b_B B+b_C C+b_{AB}AB$。主效应＝（+1 水平平均）−（−1 水平平均），并计算 AB 交互作用。系数随时间变化，主导因子周期性更替。
主效应 = 平均(+1) − 平均(−1)；交互作用 = ½[(B+ 时 A 的效应) − (B− 时 A 的效应)]
直交表（正交表）用最少的实验组合达到因子全覆盖。L9表（9行）能评估4个因子×3水平的全部主效应。优点是：(1)实验次数少；(2)因子效应独立，互不干扰；(3)分析结果清晰。缺点是交互作用可能混淆，适合因子较多但交互不复杂的情况。
信噪比是田口提出的稳健性指标。值越大越好。望目特性（有目标）：SN = 10log(平均²/方差)；望大特性（越大越好）：SN = −10log(1/y²的平均)；望小特性（越小越好）：SN = −10log(y²的平均)。用SN比最大的水平组合作为最优条件，既保证平均值，又控制波动。
看方差分析表中交互作用项的p值。若p<0.05，认为有显著交互作用（在5%显著性水平）。也可看交互作用图，两条线明显非平行就是有交互。有显著交互时，需进行简单主效应分析，即分别在各因子的不同水平下看另一因子的效应。
每个因子设3个水平（低、中、高）。数值因子通常等间距（如10、20、30℃），但要涵盖工程可行范围。如怀疑有非线性效应，可用不等间距。关键是水平间距要足够大，使效应不被测量误差掩埋。
注塑成型参数优化：树脂温度、模具温度、注射速度、保压等多参数影响制品收缩和缺陷。用DOE进行少量实验快速定位最优参数，降低不良率同时节省材料成本。
焊接工艺参数设计：电流、电压、速度等焊接条件决定焊缝强度和外观。用L9直交表设计9个焊接实验，评估各参数对焊缝质量的影响，找到最稳健（最不易受工艺波动影响）的参数组合。
材料配方优化：多种原材料和添加剂的混合比例复杂影响最终性能。DOE可快速探索2因子以上的配方空间，发现最优和最坏的组合，避免耗时的传统一因子法。
田口鲁棒性设计：不仅追求性能优秀，还要在原材料、环境、工艺波动下保持稳定。用信噪比作目标函数，找到"平均好、波动小"的参数，是质量工程的核心。
初次使用DOE的工程师常犯的错误：第一，水平范围设太窄。比如焙烧温度只设"500℃和510℃"，这样细微差异会被测量误差掩盖。应该大胆一些，设"450℃和550℃"，确保有显著的效应差异。第二，忽视交互作用。完全因子设计能自动评估交互，L9正交表要提前判断哪些因子可能相互作用，否则结论可能有偏差。
第三，盲信统计显著性。即使方差分析表显示p<0.05，也要看效应的实际大小。强度提高0.1%统计显著，但工程上可能不重要。一定要在效应图上看实际变化幅度，综合工程判断。第四，重复实验不足。如果每个条件只做一次实验，误差分散无法可靠估计。建议至少重复2次，这样F检验才有把握。
注塑产品尺寸精度改进案例：因子A（模具温度，80℃/120℃）、因子B（注射压力，80MPa/120MPa）采用2²完全因子设计。4个实验条件下测得尺寸偏差（mm）后，得到：主效应A=0.32mm、主效应B=0.18mm、交互作用AB=0.08mm、决定系数R²=0.94，结论是高温高压条件下偏差最小。