实验设计三大铁律：随机化、区组化、重复性

做DOE这么多年，我见过太多人一上来就急着排实验、跑数据。结果呢？数据一堆，结论全错。为什么？因为忽略了三条最基本的规则——随机化、区组化、重复性。

这三条不是理论家拍脑袋想出来的。它们是无数实验翻车之后，用真金白银换来的教训。我个人习惯，拿到任何一个实验项目，先花10分钟把这三条捋清楚。捋不清楚，绝不动手。

1. 随机化——别让“顺序”毁了你的实验

什么叫随机化？说白了，就是实验的先后顺序不能由你“觉得方便”来决定。得用抽签、随机数表或者软件来排。

为什么要这么麻烦？因为时间会带来变化。

举个例子。你测试4种工艺参数对焊接强度的影响。如果按参数A、B、C、D的顺序做，刚好做到C的时候，车间湿度突然升高了。结果C的数据全偏了。你以为是参数的问题，其实是湿度的锅。

随机化就是把这种“时间效应”打散，让它均匀分布到各个处理组合里。这样，就算有干扰，也不会集中攻击某一个条件。

随机化还有一个隐藏好处——它能让你的统计推断更可靠。大多数统计检验都假设数据是独立随机的。你不随机，这个假设就破了，p值算出来也是假的。

避坑指南：我曾经遇到一个项目，工程师觉得“随机化太麻烦，反正我盯着做不会有问题”。结果因为刀具磨损，后面做的几组数据全部偏大。最后花了三周重新补实验。嗯，从那以后，我再也不跟随机化讨价还价了。

2. 区组化——把“已知的麻烦”隔离出去

随机化对付的是你不知道的干扰。但有些干扰，你是知道的。比如：

• 上午和下午的原材料批次不同
• 两台设备之间有差异
• 两个操作员的手法不一样

这些干扰你没法消除，但你可以控制。怎么控制？用区组化。

区组化的思路很简单：把实验分成几个“块”，每个块内部尽量均匀，块之间的差异就是你已知的那个干扰因素。然后，在每个块内部做完整的实验组合。

场景	区组变量	为什么这么分
原材料分两批到货	批次（批1、批2）	不同批次的原料可能有细微差异
实验跨三天完成	天数（Day1、Day2、Day3）	环境条件每天可能不同
两台注塑机同时生产	机器（机A、机B）	机器之间的机械偏差无法忽略

区组化之后，你在分析数据时可以把“区组”作为一个因子放进模型。这样，区组之间的差异就被“吸收”掉了，你真正关心的那些因子效应会更干净。

我个人习惯，在实验计划表里专门留一列叫“区组编号”。每次排实验，先把已知的干扰因素列出来，然后决定要不要分区组。分区组不是万能的，但能分区组的时候，我从不偷懒。

3. 重复性——没有重复，就没有真相

重复性，就是同一个实验条件，你做了不止一次。注意，我说的是“真正的重复”——重新装夹、重新设置、重新运行，而不是同一个样品测两次。

为什么要重复？因为任何测量都有误差。你只做一次，你根本不知道这个结果到底是真值还是运气。

举个例子。你测某个工艺条件下的强度，得到85 MPa。你觉得不错。但如果你重复做3次，得到85、92、78，平均值85，标准差7。你还会觉得“不错”吗？这个波动范围，可能直接把你的结论推翻。

重复性给你两样东西：

• 误差估计：你能算出每个条件下的标准差，知道数据有多“散”
• 统计检验力：重复次数越多，你越容易发现真实的因子效应

避坑指南：我曾经见过一个团队，为了省钱，每个条件只做1次。结果分析出来一个因子“显著”，花了几十万去改工艺。改完之后发现根本没效果。回头一查，那个“显著”其实是偶然误差。嗯，重复性省下来的钱，最后都加倍赔回去了。

三条铁律的关系——一张图说清楚

这三条不是孤立的。它们共同构成了实验设计的“防错体系”。我画了一张图，帮你理解它们怎么配合：

三条铁律的优先级——先做哪个？

你可能会问：如果资源有限，先保哪条？

我的排序是这样的：

1. 先保重复性。没有误差估计，你连数据靠不靠谱都不知道。至少每个条件做2次。
2. 再保随机化。顺序效应是DOE的头号杀手。哪怕只做一次重复，也必须随机。
3. 最后考虑区组化。区组化会消耗自由度，如果你的实验次数本来就少，分区组可能得不偿失。这时候，优先用随机化去“稀释”干扰。

一个真实案例——三条铁律全用上

我之前帮一家电子厂优化回流焊温度曲线。实验涉及3个因子：预热温度、峰值温度、传送速度。每个因子2个水平，全因子设计就是8个组合。

当时的情况是：

• 实验要分两天做完（区组化：按天分区组）
• 每块PCB板来自不同批次（随机化：打乱板子顺序）
• 每个条件测3块板（重复性：n=3）

最后分析结果，区组效应显著——第二天的数据整体偏高。但因为我们做了区组化，这个差异被成功隔离，真正影响焊接质量的因子（峰值温度）被准确识别出来。如果没有区组化，我可能会误以为峰值温度不显著，那就全完了。

嗯，这就是三条铁律的价值。它们不显眼，但少了任何一条，你的实验都可能变成一场赌博。