概念地圖・因子實驗設計
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：管理
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
因子實驗設計：八個頂點一次量完三個變數
氣密窗工廠的白板上記著三次試做，每次只動一個地方。改膠條，漏氣量從 2.40 降到 2.30；改鎖點，降到 2.20；改框料壁厚，降到 2.30。三次都有一點進步，三次都不夠。這種試法有個天生的盲區——兩個地方一起改會發生什麼，它從頭到尾量不到。因子實驗設計換一個走法：三個因子各取高低兩個水準，畫成一個立方體，八個頂點就是八組配方，全部做完，再沿著邊比、沿著面對角比。
八個頂點，八組配方
把上面那張圖攤平成表，八個頂點就是八張工單。漏氣量單位是 m³/(hr·m²)，愈低愈好；以下全部是為了說明結構而編的示意值。
| 組別 | A 膠條硬度 | B 鎖點數 | C 框料壁厚 | 漏氣量 |
|---|---|---|---|---|
| 1 | 60 度 | 3 點 | 1.4 mm | 2.40 |
| 2 | 75 度 | 3 點 | 1.4 mm | 2.30 |
| 3 | 60 度 | 5 點 | 1.4 mm | 2.20（一次只改一個變數會停在這） |
| 4 | 75 度 | 5 點 | 1.4 mm | 1.30 |
| 5 | 60 度 | 3 點 | 2.0 mm | 2.30 |
| 6 | 75 度 | 3 點 | 2.0 mm | 2.20 |
| 7 | 60 度 | 5 點 | 2.0 mm | 2.10 |
| 8 | 75 度 | 5 點 | 2.0 mm | 1.20 |
表上有一行違反直覺：膠條愈硬，漏氣量愈低。關鍵不在裝上去的那一天——軟膠條剛壓下去反而貼合得更服貼，但它被鎖點長期壓著會永久變形，回不了原來的厚度，縫就是這樣慢慢開的。硬度夠的膠條回彈得住。這種「要等時間才看得出來」的因子，正是憑手感試做最容易漏掉的一類。
八組數字全部到齊之後，才輪到比法。沿邊比，是把某個因子的四個高水準頂點平均，減掉四個低水準頂點平均；沿底面對角比，是把兩個因子同號的四點平均，減掉異號的四點平均。
| 怎麼比 | 算式 | 效應 |
|---|---|---|
| A 膠條硬度（沿邊） | 1.75 − 2.25 | −0.50 |
| B 鎖點數（沿邊） | 1.70 − 2.30 | −0.60 |
| C 框料壁厚（沿邊） | 1.95 − 2.05 | −0.10 |
| A×B（沿底面對角） | 1.80 − 2.20 | −0.40 |
| A×C、B×C、A×B×C | 2.00 − 2.00 | 0 |
最後那一列是這組數字乾淨的地方：三個交互作用剛好都等於零，只有膠條與鎖點之間有東西。而 A×B 那個 −0.40 是實驗設計定義下的效應值；「一起改比各自改多降多少」走的是另一條算式——換算到第 4 組那一格，多降的量是 0.80。這兩個數字混著講，是讀 DOE 報表最常見的翻車點。
開這個立方體，三件事要先確定
一、三個因子能不能各自獨立設高低。立方體之所以有八個頂點，前提是任何一種組合都做得出來。可是現場常有暗鎖：框料壁厚一加到 2.0 mm，原本的膠條槽就塞不進 75 度的硬膠條。這時候第 6、8 兩個頂點根本不存在，你手上畫出來的其實是一塊缺角的積木。碰到這種因子，先把它從實驗裡拿出來，當成限制條件寫在旁邊。自問：我把這個因子推到高水準時，另外兩個還維持得住我指定的水準嗎？
二、高低兩個水準拉得夠不夠開。水準訂太近，真效應會整個被量測誤差蓋掉——壁厚只從 1.4 拉到 1.5 mm，效應大概就是那個 −0.10 再打對折，跟同一組配方重做兩次的波動分不出來。訂水準時去找工程上還撐得住的那兩端，別拿最常出貨的兩個規格充數。拉到兩端去量，訊號才蓋得過雜訊。自問：這兩個水準做出來的差，會不會小於同一組配方重做兩次的差？
三、八組的成本與時間扛不扛得住。一樘窗的料工 2,800 元、一次氣密測試 3,500 元，一組就是 6,300 元；基準那一組也要真的做一樘、進一次測試機，所以它照樣算一次。八組 50,400 元，一次只改一個變數的四組 25,200 元。扛不住就先做部分因子設計，但要清楚自己拿什麼去換——被折掉的頂點會讓某些交互作用跟主效應糊在一起，而糊掉的是哪幾個，動手前就該寫下來。自問：如果只能做四組，我願意先放棄哪幾個交互作用？
一家氣密窗工廠的八次試做
- 基準組先做一樘：60 度膠條、3 個鎖點、1.4 mm 框料，漏氣量 2.40。很多廠會覺得「這是現況，量它做什麼」，然後跳過——立方體的原點沒有值，後面七個頂點全部沒有對照。跳過基準，等於把整組數字的零點弄丟
- 只換膠條：換 75 度，降到 2.30。降 0.10，廠長的第一個反應是「膠條差不多啦」。
- 只加鎖點：加到 5 點，降到 2.20。降 0.20，三個變數裡最有感的一個。白板寫到這裡，收工的念頭最強
- 只加壁厚：換 2.0 mm，降到 2.30。降 0.10，而它是三個裡料成本漲最兇的——單看這一格，結論會是「壁厚不值得」。
- 膠條與鎖點一起上：第 4 組，1.30。單改的加總只預測到 2.10，實際多降了 0.80。硬膠條配上 5 個鎖點，壓力分散得開、又壓不垮，這一塊在任何一次單改裡都不會現身。交互作用第一次露臉，而它比兩個主效應加起來還大
- 三個都推到高水準：第 8 組，1.20，全場最低。比一次只改一個變數停下來的 2.20 再低 1.00——多花的 25,200 元，換到的就是這一格，外加三個主效應各由四對四的平均估出來（等於每個效應都做了四次重複）。多的不只是一個更好的配方，是七個效應的完整帳
這家工廠真正買到的東西，不是那個 1.20。是它終於知道「膠條沒用」這句話錯在哪裡——膠條單獨上場只值 0.10，但它一站到 5 個鎖點旁邊就值 0.80。一次只改一個變數的規矩，把每個變數都送去單打；而現場真正在打的是團體賽。這也是為什麼那三次白板試做全都誠實、全都做對、結論卻全都偏了：問題出在取樣的路徑，不在做事的人。八組做完，下一輪要改的不再是「再試試看膠條」，而是「壁厚這 0.10 值不值那個料錢」——決策的顆粒度整個換了一級。以上為說明結構用的示意情境，僅供理解框架之用。
這個立方體什麼時候會騙你
- 它只量你放進去的那三個因子。沒被寫進立方體的東西不會消失，它們會變成雜訊躲在數字裡：膠條批次、鎖螺絲的扭力、測試那天的溫濕度、師傅是誰。這些一旦跟你的因子同步變動——例如高水準的那幾組剛好都排在下午做——效應就被污染了，而報表上完全看不出來。所以做八組的順序要隨機，不要照表格從第 1 組排到第 8 組。
- 兩個水準之間，它畫的是直線。立方體只有頂點有值，中間全部靠推。壁厚從 1.4 到 2.0 降了 0.10，不代表加到 2.4 還會再降——太厚的框料可能反而讓組裝應力集中，把數字推回去。要抓這種彎，得再加中心點或改用反應曲面法。拿兩點的斜率去外推第三點，是這張圖最容易被誤讀的一個地方。
- 效應大，不等於效應真。只跑一輪、沒有任何重複，那個 −0.10 有可能只是量測機台的抖動。真要判斷哪個效應站得住，得加重複、跑變異數分析，讓數字自己去跟誤差比大小——這一篇不往那裡走，但你至少要知道，八個數字算出來的效應是估計值，不是判決。
痛點視角：那個數字降下來以後，誰會發現
交互作用是一種兩個人一起才會發生的效果。
而多數工廠的試做規矩，剛好不准兩個人同時上場——「一次只改一個，才知道是誰的功勞」。這條規矩在追責任時很好用，在找效果時是瞎的。可是把它換成立方體之後，還有一層它照不到：漏氣量從 2.40 掉到 1.20，屋主感覺得到嗎？窗是關起來的，風聲是有無之別而不是刻度之別，2.20 和 1.30 之間那道坎在哪裡，測試機不知道，只有站在客廳裡的人知道。這個立方體畫得出八組配方彼此差多少，畫不出哪一格開始有人願意多付錢。真正該加進去的第四個因子，往往不在料件表上——它是「客戶抱怨的觸發點落在哪個數值」。今晚可以做一件事：挑兩個你一直分開試的變數，把它們同時往高水準推一次，只做一組。那一組如果比兩次單改的加總還好，交互作用就在那裡等著你，而你只花了一樘窗的錢。
因子實驗設計，實務上最常卡住的幾個問題
因子實驗設計跟一次只改一個變數，差別到底在哪？
差在覆蓋範圍與效率兩件事。一次只改一個變數從基準出發，每次動一格，走的是立方體的三條邊，四個頂點；因子實驗設計把八個頂點全做完。多做四組，一來抓得到交互作用——上面的例子裡膠條配鎖點就多降了 0.80，二來每個主效應都是四對四取平均算出來的，等於每個效應都內建了四次重複。同樣的錢買到的不只是更多資料點，是結構完全不同的資料。
因子多一個就要十六組，成本怎麼撐？
這就是部分因子設計存在的理由。四個因子的全因子是 2⁴＝16 組，折一半做 8 組（記作 2⁴⁻¹）仍然估得出四個主效應，代價是某些交互作用會跟其他效應混在一起，分不開誰是誰。實務上的做法是分兩階段：先用部分因子從十幾個候選因子裡篩出真正有力氣的三、四個，再對這幾個做全因子把交互作用挖乾淨。先廣後深，比一開始就硬做全因子省得多。
高低兩個水準要怎麼訂才不會白做？
訂在工程上還撐得住的兩端，而不是訂在最常用的兩個規格。水準拉得太近，真效應會小到被量測誤差蓋掉，八組做完只換到一堆分不出高下的數字。判斷方法很土但很有效：先把同一組配方重複做兩到三次，看它自己的波動有多大，再確認你打算量的效應會不會明顯超過那個波動。超不過就把水準拉開，或者換一個更靈敏的量測方法。
算出來 −0.60、−0.50、−0.40，怎麼知道哪個是真的？
單靠八個數字，沒辦法。這些是效應的估計值，要判斷它們站不站得住，得再做重複，讓每組配方有自己的變動範圍，接著跑變異數分析把效應跟誤差擺在一起比。實務上還有一個更便宜的中間步驟：先照最好的那組配方連做三樘，看漏氣量會不會穩定落在同一區間。穩得住，再去談統計上的顯著；穩不住，先回頭修量測與製程，統計救不了不穩定的手。
那面白板上的三次試做，其實只走了立方體的三條邊。剩下四個頂點沒人去過，而最低的那個數字正躺在其中一個上面。要在幾個已知方案裡排順序，普氏矩陣與加權決策矩陣比它稱職得多；因子實驗設計處理的是更早的那一步——你連哪個變數有效都還不知道的時候。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。