實驗設計（DOE）是一完美的工具，有效地確定關鍵輸入是否與關鍵輸出有關。幕後，“DOE”只是一個簡單的迴歸分析。然而，不簡單的是當你計劃你的實驗時，你必須做出的選擇。你應該測試什麼？您選擇的X的範圍應該是什麼？你應該使用多少次？你需要中心點嗎？等等，讓我們談談中心點。中心點是簡單的實驗執行，你的X的低和高設定的中間（即，在中心）。例如，假設你的DOE包括這些X：

中心點設定在150°C的溫度和20秒的時間。你在Minitab統計軟體的資料收集計劃可能看起來像這樣的東西，中心點顯示為藍色：

你可以有1箇中心點，或者你可以在多個時間點收集資料。這種特殊的設計包括2個實驗執行在中心點。你可能會問:為什麼選擇2個？我們馬上談這個。為什麼要在你設計的實驗中使用中心點？ 包括中心點在DOE中提供了許多優勢：

Y與X是線性？

因子設計假設每一個X和Y之間有一個線性關係，因此，如果任何X和Y之間的關係表現出曲率，你不應該使用一個因子設計，因為結果可能會誤導你。那麼，你如何統計確定這種關係是否是線性的呢？有中心點！如果中心點的值是顯著的（即，小於α），那麼你可以得出這樣的結論：曲率的存在和使用響應面試驗如中心複合設計來分析你的資料。雖然因子設計可以檢測曲率，你必須使用一個響應面設計模型（建立一個方程）的曲率。 好訊息是，曲率往往表明，你的X設定是接近一個最佳的Y，你已經發現了有見地的結果！

你收集了足夠的資料嗎？

如果你沒有收集足夠的資料，你將不會發現顯著的X的，即使他們真的存在。增加一個DOE的資料點的數量的一種方法是使用複製。然而，複製一個完整的DOE可能是昂貴和費時的。例如，如果你有3個X，你想要複製你的設計，那麼你必須增加實驗執行的數量從8到16！幸運的是，使用複製只是增加能力的一種方法。增加能力的另一種方法是使用中心點。透過新增幾個中心點到你的設計，你可以增加檢測顯著的X的機率，並估計變異性（或統計上說的純錯誤）。

DOE是實驗計劃法的英文簡寫，裡面有不同的情形。對於中心點的理解，可以從最簡單的一種情形講述。比如當一個函式是由一個變數引起的話，這個變數不同變化會引發函式值的不同結果，當我假設自變數有兩種最大和最小變化邊界時，會帶來應變數(即函式值)的變化範圍，那麼在這範圍內，那個值是最佳的值呢？能夠使函式值成為最佳值的自變數取值就是中心點。