因子太多、试验做不起？——部分因子设计实战：16次试验锁定关键因子

质量改进做到深处，几乎都会撞上同一堵墙：影响因子七八个，个个都像嫌疑人，试验却做不起。两个水平、七个因子的全因子设计要 128 次试验，产线根本排不出来；退回"一次只动一个因子"的老办法，又漏掉交互作用，参数调到怀疑人生，不良率纹丝不动。本文用一个真实的 SMT 焊接改善案例，讲透部分因子设计这套"用最少的试验筛出关键因子"的打法：它怎么省试验、代价是什么、怎么做才能不翻车。

一、因子一多，全因子为什么走不动

先算一笔账。全因子设计要把所有因子的水平组合全部试一遍，两个水平的条件下，因子数每加一个，试验次数就翻一倍：3 个因子 8 次、4 个因子 16 次、5 个因子 32 次、7 个因子就是 128 次。对焊接这类需要升温降温、换料调机的工艺，一次试验动辄半小时以上，128 次意味着产线要停一周专门"陪跑"，产量、交付、成本全压上来，老板第一个不答应。

可因子少做又不行。你根本说不准哪个因子关键，凭经验拍脑袋砍掉几个，很可能把真正的元凶砍掉；用单因子轮换法逐个排查，试验次数倒是线性增长，但它测不出因子之间的交互作用——A 单独调没效果、B 单独调也没效果，A 和 B 一起调效果翻倍，这种"1+1 大于 2"恰恰是工艺突破最常藏身的地方，单因子轮换永远看不见。

部分因子设计就是在这两难之间开的口子：全因子要 128 次，我只做精心挑选的 16 次、32 次，照样能把主效应估出来、把关键因子筛出来。省下的试验不是白拿的，代价是"信息打折"——某些效应会混在一起分不清，统计学上叫"混杂"。会不会被混杂坑到，取决于设计方案怎么选，这是后文重点。

二、案例：某电子制造企业 SMT 焊接不良，7 个因子 16 次试验

某电子制造企业生产电源控制板，客户连续两个月投诉焊点虚焊、冷焊，出货抽检不良率爬到 1.1%，生产线每天返修焊点 200 多个，质量部被逼到墙角。工艺、设备、质量三方各执一词：工艺说是锡膏印刷厚度不均，设备说是回流焊温区设置不对，质量部怀疑钢网堵孔。吵了一周，谁也没有数据。

质量工程师牵头，把嫌疑因子收敛成 7 个：峰值温度、保温时间、链速、锡膏印刷厚度、刮刀压力、刮刀速度、钢网清洗频次，每个因子取两个水平，范围按历史参数上下浮动。7 个因子全因子要 128 次，产线只肯给两天窗口。工程师选了 2 的（7－3）次方、即 16 次试验的部分因子设计，分辨率 IV——主效应不与任何其他主效应混杂，只可能与三阶及以上交互混杂，二阶交互之间互相混杂。对筛选阶段来说，这个分辨率够用且风险可控。

执行环节最见功夫。16 次试验按随机顺序排，避免温湿度漂移、操作员疲劳等"时间噪声"污染结果；每两次试验之间插入 3 个中心点试验（所有因子取中间水平），检验工艺是否线性、有没有弯曲；每次试验固定取 5 块板、每块板测 6 个焊点，用缺陷数做响应变量，保证数据有统计底气。两天试验做下来，一共记录 480 个焊点的判定结果。

数据分析用效应 Pareto 图说话：峰值温度、锡膏印刷厚度、刮刀压力三个主效应显著冒头，峰值温度与锡膏厚度的交互效应也过了显著性线，其余因子效应淹没在噪声里。结论和三派猜测都对不上号：链速、保温时间都不显著，真正的组合拳是"峰值温度×锡膏厚度"。工程师按显著因子的最优水平组合试产：峰值温度上调 8℃，锡膏厚度从 0.12mm 加到 0.14mm，刮刀压力微调，链速等不显著因子维持低成本水平不动。验证试验连做 5 批，焊点不良率从 1.1% 降到 0.12%，虚焊投诉当月清零，返修工位从 3 人减到 1 人。整个改善只花了 16 次试验，两天产线时间，成本不到全因子方案的八分之一。

三、部分因子的关键：分辨率的取舍

这个案例里最容易被忽略、也最值得展开的，是"分辨率 IV"这四个字。部分因子省试验的本质，是只做全因子组合的一个子集，子集选得不同，混杂结构就不同。统计学用分辨率给设计分级：分辨率 III 的设计，主效应与二阶交互混杂，筛因子时可能把交互效应误算到主效应头上，结论容易带偏；分辨率 IV 的设计，主效应只与三阶及以上交互混杂（三阶交互在工程上极少显著），二阶交互之间互相混杂，筛主效应足够干净；分辨率 V 的设计，主效应和二阶交互都清清楚楚，代价是试验次数要多一些。

给一线工程师的实用建议就三条。第一，筛选阶段起步至少选分辨率 IV，别贪省试验降到 III——省下 8 次试验，换来一张可能指错方向的效应图，得不偿失。第二，如果怀疑某两个因子存在强交互，在设计时就要看混杂关系表，确认这两个因子的交互没有跟别的效应"绑在一起"，必要时把设计升到分辨率 V。第三，部分因子筛出来的"关键因子清单"只是假设，不是结论，必须用全因子或验证试验单独确认，这是下一节要说的红线。

四、四个常见坑，踩一个就白做

复盘大量企业的 DOE 项目，失败很少死在统计计算上，几乎都死在下面四个坑里。

第一个坑：分辨率选太低。为了把试验次数压到 8 次，选分辨率 III 的设计，结果真正起作用的交互效应被算进了主效应，优化方向整个拧反，事后怎么调都调不回来。记住，筛选设计的目的是"别漏掉真凶"，不是"把试验次数压到极限"。

第二个坑：忽略混杂，把筛选结果当精确结论。部分因子给出的效应是"打了折"的，某因子显著，可能是它自己的效应，也可能是它和某个被混杂效应的合计。不查混杂结构、不做验证试验，直接按筛选结果锁定参数上量产，等于把打折信息当全额信息用。

第三个坑：不做验证试验。这是最普遍的死法。16 次试验筛出 3 个因子，直接宣布改善完成，结果批量生产时不良率反弹——因为筛选试验的样本量小、且部分因子本身有混杂，结论天然带不确定性。正确做法是：按最优组合至少连做 3～5 批独立验证，用实际不良数据确认效果，再谈固化。

第四个坑：把筛选设计当优化设计用。部分因子的使命是"筛出关键因子"，不是"找到最优参数"。筛出关键因子后想精细寻优，应该接全因子或响应曲面设计继续做，而不是在 16 次试验的结果上反复微调。筛选、全因子、响应面是接力关系，一步到位的心态才是 DOE 最大的敌人。

五、什么时候该上部分因子

最后把适用边界划清楚。同时满足三条，就该考虑部分因子设计：一是候选因子多，通常 5 个以上，全因子试验次数排不起；二是处于问题诊断的筛选阶段，目标是"找出谁关键"，而不是"找到最优值"；三是存在交互作用嫌疑，单因子轮换法满足不了需求。

反过来，因子只有 2～4 个、试验成本可承受时，直接上全因子，信息最全、结论最干净；因子筛完要精细优化时，再上响应曲面设计找最优窗口。部分因子不是万能药，它是"因子多、预算少、要快速锁定方向"这个特定场景的最优解。

回到那个电子企业的案例：16 次试验、两天产线时间，换来不良率下降近 90%，靠的不是运气，而是把"该省的地方省掉、该守的底线守住"——用分辨率 IV 控制混杂风险，用随机化和中心点保证数据质量，用验证试验给结论上保险。DOE 的价值从来不是"多做几次试验"，而是"用对的试验次数，拿到能拍板的信息"。下一次你的产线也有七八个因子在打架时，不妨先算一算：16 次试验，够不够？

因子多、预算少时用部分因子设计筛方向，分辨率守住 IV、验证试验兜底，筛选结果永远只是假设而非结论。

知识编号：6.4.1

版本：v20260822

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。