一种面向概念验证（PoC）研究的精益实验方法

《Proceedings of the Design Society》：A lean experimental approach for proof-of-concept investigation

　　

本研究提出了一种用于早期产品开发的精益实验方法，以支持概念验证（PoC）研究。研究人员通过将实验设计（DoE）与互补框架相结合并加以扩展，使该方法能够高效识别出最小功能参数集。方法基于立方体导向模型（cube-oriented model）和迭代式单因子逐一变化测试（one-factor-at-a-time, OFAT），从而系统性地精化设计空间。针对一种智能轴毂连接（smart shaft–hub connection）开展的实验验证表明，该方法在保证可行性的同时可有效减少所需样本数量。

研究背景与问题：当前产品开发面临日益增长的复杂性、多变的客户需求以及动态的环境条件，呈现出显著的 VUCA（易变性、不确定性、复杂性、模糊性）特征。尽管开发周期不断缩短，研究人员对真实需求和使用情境的认知却仍高度不确定。为降低风险，企业普遍采用早期版本（early versions），包括概念验证（PoC）、原型（prototype）与最小可行产品（MVP）。其中，PoC 位于开发最前端，用于在确定具体解决方案概念之前验证关键技术的可实现性，通常仅在内部完成，不面向终端用户。该阶段参数空间广阔，涉及几何、材料、表面等众多变量，而研究人员对系统行为及参数间交互的了解却十分有限，同时又受到成本和精力约束，必须使用尽可能少的样本。实验设计（DoE）作为通用的实验规划方法，其优势在于统计外推和显著性筛选，但 PoC 的目标仅是证明初步技术可行性并筛选关键影响因素，重复验证与统计泛化并非首要诉求。因此，有必要对经典 DoE 进行针对性调整，以满足 PoC 研究的特殊需求。该论文发表于《Proceedings of the Design Society》。

研究目标与方法：研究人员围绕“如何调整实验设计（DoE），从而高效、系统地获得 PoC 所需的最小充分参数组合”这一研究问题展开工作，并遵循 Blessing 和 Chakrabarti（2009）提出的设计研究方法论（DRM）。研究首先定义了新的方法需求，并使用 0（未满足）至 3（完全满足）的李克特量表（Likert scale）评估 DoE 对各需求的满足程度，识别出 6 项 DoE 未满足或仅部分满足的弱项；继而通过系统文献综述发现，设计空间探索（DSE）可用于约束实验域，Nguyen-Duc 等提出的 6W3H 框架有助于识别概念性参数，其余不足则需通过自行定制的微模型补足。

研究方法概述：该方法以 DoE 为宏观框架，分为任务分析、系统分析、规划、实施与评估五个步骤。任务分析阶段采用 6W3H 框架从业务、运营与设计层面捕捉概念参数，并以检查清单判断应用场景是否适合该方法。系统分析阶段构建过程模型与输入–输出矩阵，识别输入变量、目标变量、测量变量与噪声因子，从而界定设计空间。规划阶段通过设计空间探索（DSE）完成因子推导、等价因子消除与等价水平和删减三个步骤，建议每轮实验因子数不超过 3 个、水平数不超过 3 个；随后以立方体模型表示设计空间，各因子构成坐标轴、各水平构成离散节点，并将假设性最不利因子置于 z 轴最高节点。实施阶段采用迭代自适应的单因子逐一变化测试（OFAT），从参数集 (0, 0, max) 开始，根据终止准则动态排除不可行组合。评估阶段检查目标变量是否满足终止准则，并记录基于类比推理得出的主观假设，以保证结果的可追溯性与可复现性。

研究结果：在“引言与问题陈述”部分，研究界定了 PoC、原型与 MVP 的实施顺序与目标差异，指出 PoC 的核心任务是在最早阶段内部完成关键技术的可行性验证。在“研究目标与方法”部分，研究人员将总问题分解为两个子问题：DoE 在 PoC 研究中的局限何在？哪些现有方法可补充 DoE，而哪些领域必须开发新方法？研究以减少样本量、简化样品为目标，提出了一套精益实验方法。在“实验设计现状”部分，研究回顾了全因子设计、部分因子设计和 OFAT 等设计形式，说明 PoC 阶段通常无需统计外推和重复验证。在“需求定义”部分，研究利用李克特量表评估表明，DoE 不能直接识别最小参数集，也不充分考虑非统计验证情境，这是其在 PoC 应用中的主要弱点。在“文献综述”部分，研究确认 DSE 和 6W3H 框架分别能解决实验域约束与概念参数识别问题，但其余需求必须依靠对 DoE 的定制修改。在“方法阐述”部分，研究详细说明了基于立方体模型、假设性最不利配置以及自适应 OFAT 的迭代流程，强调每一样本的实验结果决定下一步行动，从而在最小样本条件下锁定保证最低功能的关键几何属性。在“案例验证”部分，研究人员将该方法应用于带有多传感薄膜系统的智能轴毂连接（SHC），以圆柱过盈配合中原位应力测量为目标，并以薄膜系统在连接后仍保持微观完整为终止准则。研究人员将材料层 III、R_z,hub（轮毂表面粗糙度）和连接工艺视为三因子，并按预期涂层损伤风险排序。以压配、车削内孔和 SICON? 顶层组成的最不利组合进行首次实验，显微镜观察显示薄膜严重损坏，用一个样本即显著缩小了设计空间。随后经过 6 个样本的迭代测试，研究最终确定 Al₂O₃–抛光–热装配合的参数组合能够实现无损伤连接，成功验证了该方法的有效性。

讨论与结论：研究开发的精益实验方法能够在 PoC 阶段以最少样本识别满足最低功能需求的参数组合。其核心是在 DoE 基础上，通过 DSE 与 6W3H 等现成框架弥补传统 DoE 的局限，并引入立方体模型与自适应 OFAT 形成定制流程。智能轴毂连接案例表明，仅使用 6 个样本即可从高度不确定的设计空间中找到可行方案，同时大幅减少样品数量且保持可行性。该方法主要适用于具备参考应用和先验知识的场景，但其对迭代过程依赖较强，后续参数选择取决于前期实验结果，因此实验实施周期可能较长。未来研究可着力于迭代过程的自动化，并在保持精益的前提下适度引入统计支持，以进一步提高对最小参数集识别的信心。