试验设计（DOE）做了为什么没效果？——六大误用场景与选型方法

一、DOE 不是"多做几次试验"的代名词

很多企业上 DOE 的流程惊人地相似：请了老师、买了软件、工程师熬了几个通宵跑出一堆数据，结果报告里"主效应显著"的因子，拿到量产现场一改参数，不良率纹丝不动。于是结论往往是"DOE 没用"。但复盘那些失败的 DOE，问题几乎都出在使用方式上：要么用错了设计类型，要么因子水平选得不合理，要么压根不该用 DOE。

DOE 的本质是用最少的试验获取最多的信息，它的前提是问题定义清楚、因子边界合理、测量可靠。本文不讲理论推导，只讲六个最常见的误用场景和对应的选型方法，帮你在动手前先想清楚"该不该用、怎么用"。

二、先想清楚：你的问题该用哪种设计

选错设计是 DOE 失败的第一大原因。按问题所处的阶段，三类场景对应三类设计：

• 筛选阶段：候选因子多、不知道谁关键，用部分因子设计或筛选设计，用少量试验把重要因子挑出来。因子在 5 个以上时，不要一上来就做全因子。
• 优化阶段：关键因子已锁定，用全因子设计或响应面设计寻找最佳参数组合。因子少（2～4 个）时全因子信息最全；要寻找弯曲区间内的最优区域，用响应面设计。
• 稳健阶段：参数基本确定、想抵抗噪声波动，用田口方法或带噪声因子的设计，找到对噪声不敏感的参数设置。

一句话选型口诀：因子多先筛选，因子少做全因子，要寻优上响应面，要稳健加噪声因子。

三、六大误用场景与纠正方法

误用一：用"一次一因子"的老思路做 DOE。 调一个参数、看一次结果、再调下一个，试验次数多，还永远发现不了因子间的交互作用。纠正：同时改变多个因子，按设计矩阵排试验。

误用二：因子和水平拍脑袋定。 水平间距太小，效应被噪声淹没；间距太大，参数组合落在不可生产区域。纠正：水平要拉开、落在工艺可操作范围内，动手前先做小范围预试验确认边界。

误用三：问题定义不清就开跑。 响应指标不明确，测量系统本身不稳定，跑出来的"显著效应"全是测量噪声。纠正：先明确响应是什么、怎么测，先用 MSA 确认测量系统可靠。

误用四：忽略随机化和重复。 试验顺序不随机，环境漂移混入结果；不做重复试验，就无法估计误差、无法判断显著性。纠正：排产时随机化试验顺序，关键试验点做重复并加中心点。

误用五：只看主效应，不看交互作用。 两个因子单独调都没事，组合起来就出不良，这类问题恰恰是 DOE 最能发现、也最常被忽略的。纠正：分析时先看交互作用图，显著交互项必须写进结论。

误用六：实验室有效，量产一复制就失效。 试验条件与量产条件差距太大。纠正：因子水平范围覆盖量产边界，验证试验在真实产线上做，并叠加最差条件挑战。

四、一个简洁示例：注塑翘曲的 DOE 修正

某注塑件翘曲超差，工程师想用 DOE 找参数。第一次尝试：选了模温、保压压力、保压时间、料温、注射速度、冷却时间 6 个因子，直接做全因子，2 的 6 次方共 64 次试验，做到一半就放弃。纠正后：先用部分因子设计（16 次试验）筛选，发现模温、保压压力、保压时间三个因子显著；再用全因子加中心点做优化，发现模温与保压压力存在明显交互——两者同时偏高时翘曲最小；最后用产线最差条件（高温车间、边角料批次）验证，确认参数组合稳健。整个流程约 30 次试验完成，翘曲率从 4.2% 降到 0.8%，换季、换料批次后未再反弹。

五、动手前四步自查

第一步，定义响应：优化什么、怎么测、测量系统是否可靠。第二步，收集因子：用鱼骨图、PFMEA 列出候选，挑 3～6 个最可疑的。第三步，按阶段选设计：因子多先筛选，因子少做全因子，要寻优上响应面。第四步，排试验计划：随机化、加重复和中心点，并预留真实条件下的验证试验。

六、一句话总结

DOE 失败很少是统计问题，多是选型和使用问题——先定义清楚问题，再按阶段选对设计，最后用真实条件验证，试验设计才能真正省时省力。

选对设计、拉开水平、随机重复、真实验证，DOE 才有效

知识编号：6.4.1

版本：v20260811

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。