有过陪同客户现场审核经验的读者可能有这种经验，客户时候会问一个问题： “目前的生产参数是根据什么设定的？怎么证明是最优的设定？”而要完整的回答这个问题却非常困难。客户想知道的究竟是什么呢？在设置参数的背后，有没有一套试验来证明目前的参数的合理性和最优性，也就是说能不能用一个数学模型Y=f(x)来描述现在过程中输入自变量和输出变量之间的关系，并且找到最优解。而我们要研究的却不是理论的问题，比如一张桌子100元，买10张桌子100 X 10 = 1000元，这不需要我们去研究，我们研究的都是复杂的实际问题，比如天气的预报，先通过卫星观测到的云层及风向等信息，再根据预测模拟数学模型Y=f(x)来预测天气情况，但是任何数学模型都只是实际情况的某种抽象概括，所以关键就是模型Y=f(x)的准确性。

我们知道，对于确定结果和变量之间存在统计意义的做法通常是回归法和方差分析法。回归的方法对于描述诸如温度、压力等关键流程输入对于关键流程输出（如零件尺寸、不良率等）的关系，而方差分析则大多分析不同的材料、供应商或者设备之间对输出结果是否存在差异。当然，这两种方法都是在不对过程进行任何改变，只通过常规的观察。这样的做法固然不会增加太多的成本，但由于变量的正态性分布变异幅度有限，会造成变量不显著的假象，而DOE就可以克服这种局限性。

试验设计（ Design of  Experiments ）源于农业试验，是数理统计学的一个分支，是科学试验和统计分析方法相互交叉形成的一门学科。试验设计是20世纪20年代，由英国生物统计学家费舍尔（ Ronald Aylmer Fisher，1890～1962 图一）所创立的。他在《研究工作中的统计方法》一书中提出了“试验设计”的概念和方差分析方法，并将其应用于农业和生物学试验，取得了巨大的成功，大大推动了生物统计学的发展。因此，费舍尔被称为试验设计的奠基人。他在1935年出版了《试验设计》（The Design of Experiment）一书，标志着“试验设计”的诞生。目前有三个试验设计的流派：传统试验设计、谢宁法和田口法
      传统DOE是在费舍尔创建后，有许多学者也进行了大量的开拓性工作，产生了很多新的试验设计方法。有全因子试验设计、2^k试验设计、部分因子试验设计、响应曲面法、混料设计等。