DOE培訓是構成學習過程（learningprocess）的一個要素。通過試驗了解人們的期望、需要、知識和資源的復雜過程。在試驗的統計設計方法開始形成的20世紀20年代以前，科技工作者在DOE試驗中走了不少彎路。

    

    發明家愛迪生（Thomas Edison）一生艱苦奮斗，經歷了無數次的失敗之后。為人類發明了許多重要科技產品。他的座右銘是“天才靠的是百分之一的靈感和百分之九十九的汗水。他的助手特勒薩（Nicola Telsa）在1931年10月19日（即愛迪生去世后第二天）的《紐約時報》發表紀念評論寫道：“如果在愛迪生工作的黑屋中能有一支蠟燭照亮他前進的方向的話，以他蜜蜂般的勤奮，他將會獲得遠比他已發明的東西多得多的成果”，“我非常同情地觀察到他的工作狀況，但凡有一點點理論和計算能幫助他的話，將節省他百分之九十的精力”。愛迪生是靠苦干拼出來的，他是在邊試驗邊分析后確定下次試驗該怎么做的。這種方法速度太慢，而且只能從已經得到的偶然出現的好結果出發，摸索著繼續前進，無法形成理論上的知識，無法預測何處將有更好的成果。這種憑直觀猜測逐步探索的方法已經無法適應當代快速發展的需求了。

    

    另一種在多因子分析試驗中常用的方法是“單因子變化法”或稱“一次一因子法”。

    

    其做法是：多個因子中，每個因子依次改變，而其他因子則保持在固定的或選定的水平上。這樣做所需要的試驗次數肯定能比全面搭配時少，但它有許多缺點：與六西格瑪統計試驗設計方法相比，要達到同樣的效應估計的精度，需要更多的試驗次數，不能估計某些交互效應；不能在試驗區域內進行系統而全面的搜索，因而它的分析結論缺乏普遍性；它最后的結論對于固定因子的初始值的選定太敏感，因而可能錯過最優的因子設置。這一方法現也已棄之不用了。

    

    我們將全部因子全部水平的全部搭配都進行至少一次試驗的安排方法稱為全因子試驗法（full factorial design）。這是人們容易想到的一個方法，而且可以獲得相當多的信息。但是，是否我們永遠可以使用全因子試驗法呢？答案是否定的，因為這樣做的試驗次數太多，人們無法接受。如果有8個因子，每個因子只取2水平，那么全因子試驗要將全部因子全部水平的全部搭配都進行至少一次試驗的安排方法稱為全因子試驗法（full factorial design）。這是人們容易想到的一個方法，而且可以獲得相當多的信息。但是，是否我們永遠可以使用全因子試驗法呢？答案是否定的，因為這樣做的試驗次數太多，人們無法接受。如果有8個因子，每個因子只取2水平，那么全因子試驗要28=256次；每個因子取3水平。那么全因子試驗要38=6561次。這在實際工作中是辦不到的。我們只能從中選擇一部分來進行。那么怎樣來選擇條件呢？我們要尋求好的設計，就是要用最少的試驗次數，獲得盡可能多的信息，這就需要運用六西格瑪統計分析工具，DOE培訓也是很必要的。

    

    如果不使用六西格瑪統計分析工具不經過DOE培訓，即使是用全因子試驗法，在拿到試驗結果后，也只是從中挑選那個最優值就結束，那么我們就浪費了大量的有用信息。試驗設計的統計分析方法不但能從試驗結果中找到最優值，而且可以判明哪些因子影響顯著，哪些因子影響不顯著，還可以得到有關的變化規律，預測將要達到的最佳值是多少和這個最佳值將在什么范圍內波動，而這個最佳值可能根本未在我們選定的條件中試驗過。這些就是六西格瑪統計分析方法DOE培訓的威力。