2. 试验设计基础

做试验设计之前，先把六个基本概念分清楚：因子、水平、响应、主效应、交互作用、误差与重复，再加上随机化与区组化这两个安排试验的手段。它们不是术语堆砌，而是决定你“怎么设、怎么跑、怎么算、怎么判”的底层规则。下面用一个贯穿全节的示例来展开：某注塑件出现翘曲，我们希望把翘曲量降下来。

因子与水平：把“想调的东西”变成可操作变量

因子是试验中人为设定、并希望考察其对响应影响的输入变量。示例中选三个因子：熔体温度（A）、保压压力（B）、冷却时间（C）。水平是每个因子在试验中取的具体取值。若每个因子取两个水平，就得到 2³ 因子设计：

水平不是随便定的：低水平要能做出合格件，高水平不能超出设备与材料的安全范围；两水平之间要有足够跨度，否则效应会被噪声淹没。编码后低水平记为 −1、高水平记为 +1，便于统一计算效应。

响应：用可测量的输出定义“好坏”

响应是试验输出的可测量结果。本例响应 Y 为翘曲量（mm），越小越好。响应必须可重复测量、有明确测量方法和单位，并尽量在相同位置、相同量具、相同冷却状态下测量。若响应是“合格/不合格”这类计数结果，则属于属性响应，分析方式与连续响应不同。

主效应：单个因子水平变化带来的平均改变

主效应指某因子从低水平变到高水平时，响应平均值的变化量。以 A 为例，把所有 A 取 +1 的试验响应取平均，减去所有 A 取 −1 的响应平均，即得 A 的主效应。若 A 的主效应为 −0.18 mm，说明熔体温度从 220 ℃ 升到 240 ℃，翘曲平均减少 0.18 mm。主效应回答的是“这个因子单独看有没有用、往哪个方向调”。

交互作用：一个因子的效果依赖另一个因子的水平

交互作用指一个因子对响应的作用随另一个因子水平不同而改变。若在低压保压时提高熔体温度能明显降翘曲，而在高压保压时提高温度几乎无效果，则 A 与 B 存在交互作用。交互作用显著时，不能只报“A 的主效应”，必须说明“在什么条件下 A 才有效”。这也是因子设计优于“一次只变一个因子”的关键原因。

图中左侧是 2³ 设计的 8 个角点，每个角点对应一次试验条件；右侧用两条折线表示在 B 的低、高水平下，A 从 220 ℃ 变到 240 ℃ 时翘曲的变化。两条线明显不平行，说明 A 与 B 存在交互作用：低压保压时升温降翘曲效果大，高压保压时效果小。若两条线近似平行，则交互作用可忽略，只需看主效应。

误差与重复：没有重复，就没有判断显著性的尺子

误差是除因子之外所有引起响应波动的因素总和，包括材料批次差异、环境温湿度、操作者手法、测量误差等。重复是在相同因子水平组合下独立进行多次试验。重复的作用是估计误差大小，从而判断一个效应是“真实影响”还是“噪声波动”。

例如在中心点（A=230 ℃、B=50 MPa、C=20 s）重复 3 次，测得翘曲为 0.62、0.58、0.65 mm，则中心点标准差约为 0.035 mm。若某因子主效应只有 0.02 mm，与重复波动同量级，就不能判定其显著。重复次数不是越多越好，通常先做 2～3 次重复，再根据效应与噪声的比值决定是否追加。

随机化：把“未知干扰”摊平到各处理上

随机化是试验顺序随机安排，而不是按因子从低到高依次跑。若总是先跑低温、再跑高温，设备逐渐升温带来的漂移就会与因子效应混在一起，形成混杂。随机化让不可控因素以同等概率落到各处理上，使效应估计不被系统性偏差污染。实际操作中可用随机数表或软件生成运行序，例如 8 个试验点的运行顺序为 5、2、7、1、8、3、6、4。

区组化：把“已知的系统差异”隔离出去

区组化是把试验单元按已知的、但非研究目标的差异分成若干组，同一区组内条件尽量一致，区组间的差异通过统计模型扣除。示例中若一天只能完成 4 次试验，而两天之间环境湿度不同，就把每天作为一个区组，每个区组内包含 4 个试验点。这样“天与天之间的差异”不会算进因子效应，而是被单独估计。

把六个概念串成一次完整判断

回到注塑翘曲案例：先确定因子 A、B、C 及各自水平，定义响应为翘曲量；按 2³ 设计排出 8 个试验点，加入中心点重复 3 次；用随机数确定运行顺序，并把两天分别作为区组；试验后计算各因子主效应与交互作用，用重复得到的误差估计判断哪些效应显著。若 A 主效应显著、A×B 交互显著，则优化方向应表述为“在低压保压区间适当提高熔体温度”，而不是笼统地说“提高熔体温度能降翘曲”。

掌握这六个概念后，后续的正交设计、响应面设计、析因分析才有共同语言：因子和水平决定试验矩阵，响应决定测量对象，主效应和交互作用决定解释方式，误差与重复决定判断尺度，随机化与区组化决定试验安排是否可靠。