釋義
⒈=Designated Operational Entity （指定經營實體），CDM（清潔發展機制）中的第三方獨立審核機構
2.=Department of the Environment (英國）環境事務部
3.=Department of Energy (美國）能源部
4.=Design Of Experiments 實驗設計
5.=Diffraction Optical Element 衍射光學元件
實驗設計已廣泛運用了從航天業到一般生產製造業的產品質量改善、工藝流程最佳化甚至已運用到醫學界。通過對產品質量，工藝參數的量化分析，尋找關鍵因素，控制與其相關的因素。根據實際需求，判別與選擇不同的實驗設計種類，設計你的實驗步驟，發現如何控制各種影響因素，以最少的投入，換取最大的收益，從而使產品質量得以提升，工藝流程最最佳化。
概述
通常，在CDM項目中，DOE的職能就是要對CDM（清潔發展機制）項目進行定性的“審定（Validation）”和定量的“核查（Verification/ Certification）”。
實際上，DOE在CDM項目運作過程中非常關鍵，它直接決定了一個CDM項目能否成功註冊、產生的溫室氣體減排量能否獲得簽發及簽發多少。
所謂DOE（DESignated Operational Entity，指定經營實體），是EB批准的獨立的第三方審定/核查機構，負責對CDM項目審定或核查等職能。審定就是對申請的項目進行定性評估，判斷這個項目符合不符合CDM的要求；所謂核查就是對申請的項目進行定量評估，判斷這個項目產生了多少溫室氣體減排量。
通常，一個CDM項目的審定環節和核查環節，必須由不同的DOE來完成，這樣是為了保證DOE的公正性。
DOE（指定經營實體）主要職責
以PDD為主要依據,對所建議的CDM項目進行審定； 出具審定報告，並提交EB，申請對CDM項目註冊； 以項目的監測計畫等為基礎；核查項目的溫室氣體減排量； 在核查的基礎上，出具核證報告，並提交EB，申請向 項目簽發CERs。
DOE（指定經營實體）主要角色
設計 審定 註冊 項目實施 監測報告
事前審定
核查
事後核查
核證
審定
審定是指由 DOE對照第17/CP.7 號決定，該決定附屬檔案及 COP/MOP 的有關決定所規定的對清潔發展機制合格性的 要求，根據清潔發展機制項目設計書（CDM-PDD），對項目活 動進行獨立評估的過程.
審定流程
準備項目檔案 EB 批准的 方法 基準線與監測 方法的檢查 檔案評審 選擇審定者 簽訂審定契約 選擇審定 團隊
公開聽取利益相關方意見 背景調查 跟蹤訪問 草擬審定 報告
整改行動要求的 決定
最終審定報告 與意見
在執行理事會 註冊
核查與核證
核查是指由 DOE定期獨立評審和事後確定已登記的 CDM 項目活動在核實期內產生的，經監測的溫室氣體源人 為減排量. 核證是 DOE出具書面保證函，說明項目活動在一個具體 時期內所達到溫室氣體源減排量得到了核證.
核查過程
選擇核查機構 簽訂核查契約 組建核查小組
檔案評審
現場評估
草擬初始核查報告 整改行動 最終初始核查報告
初始 審核 過程
定期 審核 過程
核查報告
核證並公開核證報告
主要DOE（指定經營實體）名單
⒈ 挪威船級社（DNV)
⒉ 南德意志集團工業服務有限公司（TUV SUD)
⒊ 德國萊茵TUV集團（TUV Rheinland）
⒋ 日該品質保證機構（JQA）
⒌ 瑞士SGS公司（SGS)
⒍ 日本諮詢研究所（JCI)
⒎ 勞氏質量認證有限公司
⒏ 韓國品財集團
⒐ 義大利船級社
⒑ 中國質量認證中心（CQC)
⒒ 深圳市華測檢測技術股份有限公司
⒓ 中環聯合認證中心有限公司（CEC)
⒔ 德勒認證評估機構（TECO)
⒕ 德國漢德技術監督服務有限公司（RWTUV）
⒖ 西班牙標準化組織（AENOR)
⒗ 法國國際質量認證公司（BV)
⒘ 韓國能源管理公司（KEMCO)
⒙ 英國標準協會（BSI)
DOE（指定經營實體）前景
大多數國際DOE在審定或核查中國CDM項目時，都是通過其中國辦事處來完成。由於其中國辦事處許可權有限，沒有戰略性、風險性決策權，與國外總部溝通得不暢，再加上總部對中國國情的不熟悉，常常導致這些項目的審定或核查工作被延誤。如果交由本土DOE機構來操作，將會縮短審定和核准所需時間，大大加快註冊和CERs簽發的速度。
“中國本土DOE只有兩家，供不應求，我期待出現更多家。”新華水利水電投資公司新疆公司副總經理文曉東說。
記者從EB官網上了解到，全球共有45家機構申請DOE，已被批准的DOE有26家。中國提出申請的機構有7家，但獲批的只有CEC和 CQC兩家。
EB見證評審的過程已經取消，改成了申請機構先獲取DOE資質，然後再實施項目進行“績效評估”，加快了DOE的審批速度，但EB對DOE的管理也越來越嚴格，去年以來一些DOE先後被暫停了資質，其他還有幾家DOE也在不同程度上受到了“處罰”。
“我們從2006年申請到獲批，經歷了將近三年的時間。”CEC副總經理、氣候變化總監張小丹對記者表示。
張小丹介紹，CEC自《京都議定書》生效後，就開始準備DOE的申請，經過檔案評審、現場評審、見證評審和績效評估之後，於2009年3月被批准為DOE，成為中國第一家獲得EB批准的DOE。
“每個DOE認可批准所需的時間不一樣，沒有法定的時間。這一方面取決於EB人力資源的保障情況，另一方面也要看申請機構對每一個認可環節的技術掌握和具體溝通情況。也有一些機構在提出申請後，經歷了幾年的時間，最後還是由於某種原因撤銷或被拒絕申請。”張小丹說。
北京某中心多年來一直專業從事農村碳資產的開發，據其專門負責戶用沼氣CDM項目主管劉震宇介紹：在農村CDM項目的開發過程中，面臨著中國農村的特殊國情，中國農村並不像西方農業那么發達，即使與中國的城市相比也有著極大的差距，中國農村的落後現狀和組織結構與歐洲等地大相逕庭，因此從國情的角度來看，在很多方面，本土DOE對於國內項目的理解會更快更深入，而其中心在未來的項目中已經考慮與國內的DOE進行合作。
根據記者了解，在中國的7家申請機構中，清華科威國際技術轉移有限公司和達華工程管理（集團）有限公司已經被拒，中國船級社認證中心、廣州賽寶認證中心、香港品質保證局這3家機構還處於認可評審過程中。
2010年底，中國船級社和廣州賽寶已經通過聯合國批准，成為最新本土DOE。
DOE（試驗設計）步驟
⑴篩選主要顯著的因子
⑵找出最佳之生產條件組合
⑶證明最佳生產條件組合有再現性
如何判斷第一階段實驗成功
⑴在ANOVA分析中出現了1~4個顯著因子
⑵這些顯著因子的累積貢獻率在75%以上
如何判斷第二階段實驗成功
在ANOVA分析中沒有出現顯著因子
DOE（試驗設計）方法
常見的試驗設計方法，可分為二類，一類是正交試驗設計法，另一類是析因法。
⑴設計法
① 定義
正交試驗設計法是研究與處理多因素試驗的一種科學方法。它利用一種規格化的表格——正交表，挑選試驗條件，安排試驗計畫和進行試驗，並通過較少次數的試驗，找出較好的生產條件，即最優或較優的試驗方案。
② 用途
正交試驗設計主要用於調查複雜系統（產品、過程）的某些特性或多個因素對系統（產品、過程）某些特性的影響，識別系統中更有影響的因素、其影響的大小，以及因素間可能存在的相互關係，以促進產品的設計開發和過程的最佳化、控制或改進現有的產品（或系統）。
⑵析因法
① 定義
析因法又稱析因試驗設計、析因試驗等。它是研究變動著的兩個或多個因素效應的有效方法。許多試驗要求考察兩個或多個變動因素的效應。例如，若干因素：對產品質量的效應；對某種機器的效應；對某種材料的性能的效應；對某一過程燃燒消耗的效應等等。將所研究的因素按全部因素的所有水平（位級）的一切組合逐次進行試驗，稱為析因試驗，或稱完全析因試驗，簡稱析因法。
② 用途
用於新產品開發、產品或過程的改進、以及安裝服務，通過較少次數的試驗，找到優質、高產、低耗的因素組合，達到改進的目的。
套用
Reducing Variability With DOE⑴Apply powerful design of experiments (DOE) tools to make your system more robust to variations in component levels and processing factors."Six Sigma" is the new rallying cry for quality improvement in the process industry. For example,Dow aims to generate an extra $1.5 billion per year in profits after training 50,000 of their employees on the methods of Six Sigma.3 Statistical tools play a key role in achieving savings of this magnitude. In fact,"sigma" is a Greek letter that statisticians use as a symbol for standard deviation - a measure of variability. If a manufacturer achieves a Six Sigma buffer from its nearest specification,they will experience only 3.4 off-grades per million lots. This translates to better than 99.99966% of product being in specification. To illustrate what this level of performance entails,imagine playing 100 rounds of golf a year with two putts per hole being the norm (par): At Six Sigma you'd make a three-putt (bogey) only every 163 years!4 Even Tiger Woods would be envious of this level of quality.
Of all the statistical tools employed within Six Sigma,design of experiments (DOE) offers the most power for making breakthroughs. Via an inspirational case study,this article demonstrates how DOE can be applied to development of a formulation and its manufacture to achieve optimal performance with minimum variability,thus meeting the objectives of Six Sigma programs. Armed with knowledge gained from this article and the example as a template,chemists and engineers from any of the process industries (pharmaceutical,food,chemical,etc.) can apply these same methods to their systems and accomplish similar breakthrough improvements.
Minimizing Propagation of Error (POE) from Varying Inputs
After earning his PhD in chemistry and taking a job at a chemical company,a colleague of ours got assigned to an operator for an orientation to the real-world of production. As the operator watched with much amusement and disgust,the chemist carefully weighed out materials with a small scoop. The operator pushed the PhD chemist aside,grabbed a sack of chemicals and tossed it into the reactor. "You're not in the laboratory anymore," he said,"This is how we do things in manufacturing."
Hopefully the operators of your formulation process will be more exacting when adding ingredients. However,at the very least,you can expect some variation due to inherent limitations in equipment. How will these variations affect product quality and process efficiency? Can you do anything to make your system more robust to variations in component levels and process settings? The answers to these very important questions can be supplied via an advanced form of DOE called "response surface methods" (RSM). This statistical tool produces maps of product and product performance,similar to topographical displays of elevation,as a function of the input variables that you (or your clients) control. The objective of Six Sigma is to "find the flats" - the high plateaus of product quality and process efficiency that do not get affected much by variations in component levels or factor settings. You can find these desirable operating regions visually,by looking over the 3D renderings of response surfaces,or more precisely via a mathematical procedure called "propagation of error" (POE).
To see how POE works,let's look at a very simple response surface (Figure 1） generated by changing only one control factor X1.
Assume that this factor exhibits a constant variation shown on the graph as a difference with magnitude delta (D). This variation,or error,will be transmitted to the measured response to differing degrees depending on the shape of the curve at any particular setting. In this example,because the curve flattens out as the control factor increases,a setting at the higher level causes less propagation of error (POE). Therefore,you see a narrower difference (DY) on the response axis as a result of setting the factor at the higher,rather than lower level.
With the aid of some calculus,the POE itself can be graphed as a continuous function. In this case the original response surface can be described by the following quadratic equation:
We will spare you the details,but after taking the partial derivative of this function with respect to the input (X1） and taking the square root,the following equation for standard deviation (s) is produced:
Assume for now that the standard deviation of the control factor X1 equals one (sx = 1） and there are no other sources of variance (sResidual = 0). We've now obtained the information needed for graphing the standard deviation of the response (sy) transmitted from the variation in the input factor (X),in other words,the POE (see Figure 2）. In this case the POE decreases in direct proportion to X1 as it increases.
DOE（試驗設計）相關概念
一、DOE簡介
1、DOE的定義
2、DOE的歷史與發展
3、DOE的用途
4、DOE的成功運用案例
二、 DOE類型
1、全因子DOE
2、分部DOE
3、篩選DOE
4、中心複合DOE
5、Box-Behnken DOE
6、田口靜態DOE
7、均勻DOE
三、設計一個DOE的步驟（案例模擬）
1、定義問題，定義項目
2、確定可能的因變數
關於選擇因子與其水平的策略
輸入因子的類型與套用
干擾因子
可控因子
常數項
3、選擇設計類型
4、分析數據，標識主要影響因素
5、提出解決方案
6、重複實驗以確認結果
7、過程能力評估
8、制定最佳化方案
四、DOE的有效性
1、內部有效性
2、外部有效性
3、統計結論的有效性
五、 DOE結果分析
1、因素影響與互動影響
2、極差分析
3、ANOVA方差分析
單向方差分析
雙向方差分析
4、回歸分析
六、 如何利用Minitab進行DOE分析
1、在Minitab中的圖形分析
正態機率圖
Pareto
主效果圖
互動效果圖
2、在Minitab中的統計分析
ANOVA
多元回歸
簡化模式
七、DOE在套用中的問題
1、因素影響與互動影響試驗的階段性
2、極差分析因子水平的選擇
3、測量誤差
4、重複與反覆
5、隨機化
6、分塊
7、診斷與殘差點
8、最佳化試驗（EVOP）
八、設計DOE計畫的成功關鍵
1、團隊合作
2、知識技術的跨功能
3、定義問題
4、可量化的改善目標
九、DOE套用實例
DOE（試驗設計）用處
· 科學合理地安排實驗，從而減少實驗次數、縮短實驗周期，提高了經濟效益。
· 從眾多的影響因素中找出影響輸出的主要因素。
· 分析影響因素之間互動作用影響的大小。
· 分析實驗誤差的影響大小，提高實驗精度。
· 找出較優的參數組合，並通過對實驗結果的分析、比較，找出達到最最佳化方案進一步實驗的方向。
DOE（試驗設計）作用
⒈提高產量；
⒉減少質量的波動，提高產品質量水準；
⒊大大縮短新產品試驗周期；
⒋降低成本；
⒌試驗設計延長產品壽命。
