专版已经开设有一段时间了，期间也有很多战友提出了诸多的问题，很欣慰能看到这个版块不断的成长，但由于DOE目前在国内尚未大面积普及，许多战友也是从世纪糊涂虫战友的PPT开始逐渐了解DOE的，对于DOE的学习和使用基本上都处于摸着石头过河的阶段。本人在学习DOE期间也遇到了很多问题，在这期间也和相关战友进行了交流，几点感悟分享给大家。

1、DOE的目的

首先要搞明白自己做DOE的目的是什么，切勿为了DOE而DOE，甚至有战友说是为了赶潮流而DOE，这种打肿脸充胖子的态度要不得。DOE的目的是用最少的资源达到最佳的收益。对于药学开发来讲，我们通过DOE获得设计空间和最佳处方工艺。

2、开展DOE前的准备工作

DOE和传统的单因素试验相比较为系统化和复杂化，由于试验次数随着因子个数和水平急剧增长，因此合理的安排因子个数和水平是考验一个团队能力的一个重要方面。基于科学知识和先验经验进行风险评估将是DOE开展前的重要工作，可以说，一个合理的风险评估能降低一半以上的试验工作量。其次就是评估手里有多少资源，不要盲目的采用大型DOE而过快消耗资源。

3、关于因子及水平的设计

在配方开发初期阶段，可以只考虑主效应，基于处方变量风险评估，对拟定的高风险因素进行2水平+中心点的部分因子试验，因子水平不宜过小，该阶段主要目的是筛选显著因子。在获得显著因子后，可进行全因子试验，如果在部分因子试验中已经发现某个因子有曲率，则这个阶段也可以直接进行响应曲面设计，前提是因子数不超过3个。如果一开始是2水平＋中心点的全因子设计，在数据分析时发现存在曲率，那么可以通过修改设计转换为响应曲面设计，如果因子水平难以变动的话，可考虑α=1的表面中心复合设计。

4、关于数据分析结果的意义

首先，无论DOE的结果能否达到预期效果，其对下一步的试验方案都有指导意义，相比单因素试验，DOE的数据分析结果能提供我们更多的信息。假设一次析因实验设计没有获得显著因子，那么存在这几种可能：因子本身的确没影响，说明风险评估有偏差；因子水平不合理，过小没有区分性，过大甚至已经超过了极值，下一步可能需要对该因子进行单因素多水平试验以查找拐点；试验存在较大的不确定性误差，可通过观察中心点的数据是否平行得知。由于DOE可以一次性评估多个因子，相对于单因素试验，更能在早期排除一些非显著性因子而避免盲目的单因素试验。同时，DOE能系统的告诉我们下一步的试验方向，尤其是在因子存在交互作用的时候。

如果你英文不错的话，建议也把design-expert学习了，这两个软件结合起来基本上能应付药学方面所有的试验设计了。二者区别还是比较大的，如果design-expert出了中文版的话，我会毫不犹豫的选择优选使用它。design-expert基本上属于傻瓜型的软件，只要英语好，对统计学有所了解基本都能快速上手，自带智能分析功能，帮助实验者进行模型拟合并给出建议，而minitab则需要实验者自己不断的对模型拟合进行筛选和优化，在这点上，design-expert做的比较好了。