Försöksplanering (DOE) är en strukturerad statistisk metod för att planera tester som skattar hur processindata påverkar ett uppmätt respons, inklusive samspelseffekter mellan indatavariabler. En samspelseffekt uppstår när effekten av en indatavariabel beror på en annan indatavariabels inställning.
I en förseglingsprocess kan ett team testa temperatur och tryck på två nivåer vardera, vilket ger fyra behandlingskombinationer i ett fullständigt faktorförsök. Att testa varje kombination gör det möjligt för teamet att bedöma om högre temperatur förbättrar förseglingsstyrkan annorlunda vid lågt och högt tryck. Testning av en faktor i taget löser inte den samspelseffekten över de föreslagna inställningarna. Driftsbeslutet gäller en kombination av inställningar, så försöket måste stödja det valet.
En DOE-plan definierar responset och dess mätförfarande innan produktionskörningar allokeras. Replikering ger en skattning av försöksfelet. Slumpmässig körningsordning minskar risken för att förväxla indataeffekter med tidsrelaterade förändringar, medan blockbildning tar hänsyn till kända störningsvariabler såsom materialpartier. Fyra behandlingskombinationer innebär därför inte nödvändigtvis fyra produktionskörningar. Reducerade faktorförsök minskar det inledande antalet körningar, men sammanblandning (aliasing) kan förhindra separat skattning av effekter och kräva uppföljande testning.
Inom DMAIC, stödjer DOE ofta beslut i Improve-fasen efter att root cause analysis har identifierat potentiella indata. Mätstudiemätning (Gage R&R) hjälper till att utvärdera mätningens lämplighet när operatörsskillnader eller upprepade avläsningar kan påverka resultaten. Bekräftelsekörningar testar de föreslagna inställningarna mot modellens förutsägelser före implementering. Därefter dokumenterar control plan de bekräftade inställningarna och det testade området, medan styrkort övervakar det efterföljande processbeteendet.
