试验设计DOE进阶：全因子、部分因子与交互作用如何选择
制造现场经常采用“一次只改变一个因素”（OFAT）的方法调试工艺：先调整温度，再固定温度调整压力，最后改变速度。该方法容易理解，却难以识别因素之间的交互作用，也可能需要大量试验。试验设计（Design of Experiments，DOE）通过有计划地同时改变多个输入，以统计模型评价主效应、交互作用和实验误差，是六西格玛与工程优化中的核心方法。
一、DOE要回答什么问题？
典型目标包括筛选关键因素、建立输入与输出关系、寻找最佳参数组合、降低波动和提高稳健性。DOE不是为了“让软件算出显著因子”，而是用最少但有信息量的实验，支持可重复的因果推断。
二、因素、水平与响应
因素是实验中主动改变的输入，例如温度、压力、时间和材料类型；水平是因素的设定值；响应是需要改善或理解的输出，例如强度、尺寸偏差、良率或周期时间。
在建模前，应明确响应的测量方法、规格与工程目标。如果测量系统变差过大，实验效应会被噪声淹没；如果响应只记录合格/不合格，可能损失连续测量所包含的信息。
三、全因子试验
对于k个两水平因素，全因子设计需要2k个组合。三个因素需要8个组合，五个因素需要32个组合。全因子设计能够独立估计所有主效应和交互作用，在因素数量较少、实验成本可接受时信息最完整。
其优势是模型解释清晰，不会把重要交互作用与主效应混杂；缺点是因素数量增加后实验次数呈指数增长。因此，全因子更适合确认阶段或少量关键因素的深入研究。
四、部分因子试验
部分因子设计只运行全因子组合的一部分，例如25-1设计用16次试验研究5个两水平因素。它依赖“高阶交互作用通常较小”的稀疏效应原则，用较少实验筛选潜在关键因素。
代价是效应之间可能混杂。若某主效应与二阶交互作用混杂，观察到的统计效应无法仅凭数据区分来源。因此必须理解设计分辨率、别名结构和工程机理。
五、设计分辨率的意义
- 分辨率III：主效应可能与二阶交互作用混杂，适合早期粗筛，但解释风险较高。
- 分辨率IV：主效应不与二阶交互作用混杂，但二阶交互作用彼此可能混杂。
- 分辨率V：主效应和二阶交互作用可以分别估计，二阶交互作用可能与三阶交互作用混杂。
选择分辨率要结合实验目的。如果安全或关键工艺中交互作用具有重要机理，仅用低分辨率设计可能产生错误结论。
六、为什么交互作用如此重要？
交互作用意味着一个因素的效果取决于另一个因素的水平。例如提高固化温度在短时间下能增加强度，但在长时间下可能造成材料降解。如果只做OFAT，团队可能得到“温度越高越好”的片面结论。
交互作用图中，线条明显不平行通常提示交互；但正式判断仍应结合模型、残差和工程意义。统计显著但幅度极小的交互，未必值得改变工艺。
七、随机化、重复与区组
随机化把试验顺序打乱，降低时间漂移、环境变化等潜在因素与实验因素系统相关的风险。重复在相同组合下进行独立实验，用于估计纯误差和提高检验能力。区组把已知但不感兴趣的差异，例如不同日期、材料批次或设备，纳入设计以减少噪声。
不能把同一批样品重复测量误认为独立重复。重复测量主要评价测量变差，独立重复则应重新经历实验条件设置和过程运行。
八、中心点与曲率
两水平设计主要拟合线性效应。加入中心点可以检验响应面是否存在曲率，并提供过程稳定性信息。若曲率显著，说明只在高低水平之间建立直线模型不足，下一步可采用响应面设计，如中心复合设计或Box-Behnken设计寻找最优区域。
九、一个筛选试验案例
某注塑过程需要降低尺寸收缩率，候选因素包括熔体温度、模具温度、保压压力、保压时间和冷却时间。团队先采用分辨率IV的部分因子设计筛选因素，并设置中心点。结果显示模具温度、保压压力及二者交互作用最重要，同时中心点提示轻微曲率。
第二阶段围绕这两个关键因素开展响应面设计，建立收缩率与参数的二次模型，并通过确认实验验证预测。这个“筛选—优化—确认”的序列策略，通常比一次进行超大试验更经济稳健。
十、模型诊断不可省略
显著性表不是DOE分析的终点。应检查残差是否存在非正态、方差不齐、时间趋势和异常点；确认模型是否遗漏重要项；比较预测值与实际值。若实验期间设备发生漂移，残差随顺序出现结构，模型结论可能受到混杂。
十一、统计显著与工程显著
P值小表示数据与零效应假设不相容，但不代表效应足够大。必须报告效应估计、置信区间和实际单位，并与规格、成本和风险比较。样本量很大时，极小效应也会统计显著；样本量不足时，重要效应可能没有显著。
十二、实施DOE的专业流程
- 建立跨部门团队并明确工程问题。
- 选择响应、目标和测量方法。
- 用过程知识确定因素、范围与不可行组合。
- 选择设计类型、分辨率、随机化、重复和区组。
- 按实验计划执行，记录所有偏离与现场事件。
- 建立模型并完成残差诊断。
- 用工程逻辑解释主效应和交互作用。
- 开展确认实验，验证预测和稳定性。
- 把最佳条件转入控制计划、标准作业和过程监控。
十三、常见失败原因
范围过窄会看不到效应，范围过宽可能进入不可控区域；因素选择只靠头脑风暴而忽略机理；实验中随意修改参数；没有随机化；把重复测量当独立样本；只报告软件结果而没有确认实验。这些问题都会削弱因果推断。
结语
全因子提供完整信息，部分因子以可管理的混杂换取效率；交互作用则是DOE相对于单因素试验最重要的优势。专业DOE的关键不只是设计表，而是把统计结构、过程机理、执行纪律和确认实验连接起来。正确使用DOE，可以让工艺优化从经验调参升级为可验证、可复用的工程知识。
延伸阅读
可参考Box、Hunter与Hunter的《Statistics for Experimenters》，以及Montgomery的《Design and Analysis of Experiments》，并结合企业安全、设备和产品验证要求制定实验方案。