Interakční efekt nastává tehdy, když účinek jednoho procesního faktoru na odezvu závisí na nastavení jiného faktoru. V plánování experimentů (DOE) pomáhají interakce vysvětlit, proč změna teploty, tlaku nebo jiného provozního nastavení vede za různých procesních podmínek k odlišným výsledkům.
Uvažujme hypotetický experiment lepení při dvou různých teplotách a dvou tlacích. Zvýšení teploty z 150 °C na 170 °C zvýší průměrnou pevnost spoje o 2 MPa při nízkém tlaku a o 10 MPa při vysokém tlaku. Rozdíl mezi těmito účinky teploty poukazuje na interakci. Doporučení ohledně teploty proto musí specifikovat i nastavení tlaku, pro které očekávané zlepšení platí.
V praxi umožňuje faktorový DOE týmu odhadnout interakce spolu s hlavními efekty. Interakční graf zobrazuje odezvu napříč kombinacemi faktorů; rovnoběžnost čar naznačuje přítomnost interakce. Statistická analýza následně posoudí průkaznost vůči chybě měření. Provozní rozhodnutí závisí také na tom, zda má odhadnutý efekt význam vzhledem k požadavkům, jako je například minimální pevnost spoje.
Analýza interakcí patří do oblasti DOE a podporuje rozhodování ve fázi Improve v DMAIC. Testování po jednotlivých faktorech (one-factor-at-a-time) může interakce přehlédnout, protože zkoumá změny, zatímco ostatní nastavení zůstávají pevná. Po výběru kombinace faktorů ověřují potvrdzovací pokusy, zda je předpovězená odezva reprodukovatelná. Pilotní testování pak může posoudit výkonnost v běžných provozních podmínkách.
