Mischungsversuchspläne (Mixture DoE) erstellen & analysieren

0. Bei einem Mischungsversuch lässt sich ein Bestandteil nicht unabhängig von den anderen verändern, denn jede Erhöhung eines Bestandteils erfordert eine entsprechende Verringerung mindestens eines anderen, damit die feste Gesamtsumme erhalten bleibt.

Zuletzt geprüft

Kernaussage

Create Mixture DoE erzeugt einen Versuchsplan für Situationen, in denen die untersuchten Faktoren Anteile von Bestandteilen sind, die sich zu einer festen Konstante summieren müssen, typischerweise 100 % oder 1,0.

Auf dieser Seite
  1. Was ist Create Mixture DoE?
  2. Wann wird Create Mixture DoE eingesetzt?
  3. Hinweise zur richtigen Anwendung von Create Mixture DoE
  4. Alternativen: Wann Sie Create Mixture DoE nicht verwenden sollten
  5. Was ist Analyse Mixture DoE?
  6. Wann wird Analyse Mixture DoE eingesetzt?
  7. Hinweise zur richtigen Anwendung von Analyse Mixture DoE
  8. Alternativen: Wann Sie Analyse Mixture DoE nicht verwenden sollten
  9. Beispiel für Create & Analyse Mixture DoE
  10. Anleitung: Create & Analyse Mixture DoE durchführen

Was ist Create Mixture DoE?

Create Mixture DoE erzeugt einen Versuchsplan für Situationen, in denen die untersuchten Faktoren Anteile von Bestandteilen sind, die sich zu einer festen Konstante summieren müssen, typischerweise 100% oder 1.0. Bei einem Mischungsversuch lässt sich ein Bestandteil nicht unabhängig von den anderen verändern, denn jede Erhöhung eines Bestandteils erfordert eine entsprechende Verringerung mindestens eines anderen, damit die feste Gesamtsumme erhalten bleibt.

Klassische faktorielle Versuchspläne können diese Nebenbedingung nicht abbilden. Mischungsversuchspläne verwenden spezielle Planstrukturen – Simplex Lattice, Simplex Centroid oder Extreme Vertices –, die den zulässigen Bereich der Bestandteile korrekt abdecken und Versuchspunkte erzeugen, die in jedem Versuchslauf die Mischungsbedingung einhalten.

Einfache Definition: Der Planungsschritt für Rezeptur- und Formulierungsversuche: Es wird eine strukturierte Menge von Kombinationen der Bestandteile erzeugt, die sich stets zur geforderten Gesamtsumme addieren, sodass Sie die ideale Mischung finden, die die Produkteigenschaften optimiert.

Wann wird Create Mixture DoE eingesetzt?

  • Verwenden Sie es, wenn die Faktoren Anteile von Bestandteilen sind, die sich zu einer festen Konstante summieren müssen , etwa bei einer Lackformulierung, einem Lebensmittelrezept, einem pharmazeutischen Wirkstoff oder einer Chemikalienmischung.
  • Verwenden Sie es, wenn Sie verstehen möchten, wie sich veränderte relative Anteile der Bestandteile auf Produktqualität, Leistung oder Eigenschaften auswirken.
  • Verwenden Sie es, wenn für die Bestandteile obere und untere Grenzen als Nebenbedingungen gelten – zum Beispiel muss eine Komponente mindestens 15%, aber höchstens 50% der Mischung ausmachen.
  • Verwenden Sie es, wenn neben den Mischungskomponenten auch Prozessvariablen wie Mischgeschwindigkeit oder Temperatur die Zielgröße beeinflussen.

Hinweise zur richtigen Anwendung von Create Mixture DoE

  • Stellen Sie sicher, dass sich alle Anteile der Bestandteile in jedem Versuchslauf exakt zur festgelegten Gesamtsumme addieren ; Abweichungen von dieser Bedingung führen zu ungültigen Daten.
  • Legen Sie realistische obere und untere Grenzen für jeden Bestandteil fest, bevor Sie den Versuchsplantyp wählen; unerfüllbare oder zu enge Nebenbedingungen können zu einem leeren oder unpraktikablen Versuchsraum führen.
  • Verwenden Sie Extreme Vertices, wenn Nebenbedingungen für die Bestandteile bestehen, und Simplex Lattice oder Centroid nur dann, wenn der gesamte uneingeschränkte Raum zugänglich ist.
  • Stellen Sie die Mischungen so genau wie möglich her; kleine Fehler in den Anteilen summieren sich über die Versuchsläufe und verringern die Zuverlässigkeit des Modells.
  • Randomisieren Sie die Reihenfolge von Herstellung und Prüfung der Mischungen, um systematische Verzerrungen durch Messreihenfolge, Drift der Messeinrichtung oder Einflüsse des Analytikers zu vermeiden.

Alternativen: Wann Sie Create Mixture DoE nicht verwenden sollten

  • Wenn die Faktoren unabhängige Prozessvariablen statt Anteile mit konstanter Summe sind, verwenden Sie Create Factorial DoE oder Create Definitive Screening Design
  • Wenn die Faktoren sowohl Mischungskomponenten als auch Prozessvariablen umfassen, Sie diese aber getrennt analysieren möchten, planen Sie Mischungs- und Prozesskomponenten zunächst unabhängig voneinander , bevor Sie sie kombinieren.

Was ist Analyse Mixture DoE?

Analyse Mixture DoE passt ein spezielles Mischungs-Regressionsmodell, ein sogenanntes Scheffé-Polynom, an die Zielgrößendaten eines Mischungsversuchs an. Anders als die klassische Regression berücksichtigen Mischungsmodelle korrekt die Nebenbedingung, dass sich alle Anteile zu einer Konstanten summieren, und schätzen, wie einzelne Bestandteile sowie ihre paarweisen oder höheren Mischungskombinationen die Zielgröße beeinflussen.

Die Analyse ermittelt, welche Bestandteile und Mischungswechselwirkungen signifikant sind, erstellt Konturdiagramme und Trace-Plots zur Darstellung der Wirkungsfläche über den Mischungsraum und liefert das angepasste Modell, das für den Response Optimizer zur Suche nach der idealen Mischung benötigt wird.

Wann wird Analyse Mixture DoE eingesetzt?

  • Verwenden Sie es nach Abschluss eines Mischungsversuchs und nach Erfassung aller Messwerte der Zielgröße für die hergestellten Mischungen.
  • Verwenden Sie es, um zu ermitteln, welche Bestandteile und Kombinationen von Bestandteilen die Zielgröße signifikant beeinflussen.
  • Verwenden Sie es, um die Wirkungsfläche über den Mischungsraum mit Konturdiagrammen darzustellen, die zeigen, wo im Mischungsraum die besten und schlechtesten Werte der Zielgröße liegen.
  • Verwenden Sie es, um das Vorhersagemodell zu erstellen, das in den Response Optimizer einfließt, um die optimale Mischungsformulierung zu finden.

Hinweise zur richtigen Anwendung von Analyse Mixture DoE

  • Beginnen Sie mit dem einfachsten fachlich sinnvollen Modell : zuerst linear, dann quadratisch, wenn Mischungseffekte zu erwarten sind, und speziell kubisch nur bei Verdacht auf starke Synergien zwischen drei Komponenten.
  • Prüfen Sie die Residuendiagramme gründlich , bevor Sie Ergebnisse interpretieren; ein Modell mit nicht zufällig verteilten Residuen sollte nicht zur Optimierung von Mischungsformulierungen verwendet werden.
  • Beurteilen Sie die Modellgüte anhand von R-squared und adjusted R-squared ; ein gutes Mischungsmodell erreicht für eine aussagekräftige Zielgröße typischerweise ein R-squared über 0.80.
  • Bestätigen Sie die vom Modell ermittelte beste Mischung mit unabhängigen Bestätigungsmischungen , bevor Sie in die Produktion gehen – überprüfen Sie Vorhersagen immer experimentell.
  • Wenn Prozessvariablen einbezogen sind, prüfen Sie sowohl die Mischungsterme als auch die Terme der Prozessvariablen auf Signifikanz und vereinfachen Sie nicht das eine auf Kosten des anderen.

Alternativen: Wann Sie Analyse Mixture DoE nicht verwenden sollten

  • Wenn die Daten aus einem klassischen faktoriellen Versuch statt aus einem Mischungsversuchsplanstammen, verwenden Sie stattdessen Analyse Factorial DoE ; Scheffé-Modelle sind für uneingeschränkte faktorielle Daten nicht geeignet.
  • Wenn die Zielgröße binär oder kategorialist, verwenden Sie einen Ansatz der logistischen Regression statt eines klassischen Mischungsmodells.

Beispiel für Create & Analyse Mixture DoE

Gehen Sie wie folgt vor:

  1. Geben Sie die erforderlichen Daten im rechten Bereich Design & Analysis Inputs ein.
Create & Analyse Mixture DoE — figure 1

2. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.

3. Um Create & Analyse Mixture DoE zu finden, wählen Sie Statistical module> DOE>Create & Analyse Mixture DoE.

4. Klicken Sie auf Step 1. Im linken Bereich unter Designed Experiments & Resultswird die Mischungs-Versuchsplanmatrix erzeugt. Fügen Sie die Zielgrößen (Ergebnisvariablen) als neue Spalten am Ende der Versuchsplanmatrix hinzu.

5. Suchen Sie im rechten Bereich unter Design & Analysis Inputsdie Option Responses . Wählen Sie die neu hinzugefügten Spalten der Ergebnisvariablen aus, um sie als Zielgrößen festzulegen.

6. Wählen Sie die erforderlichen Wechselwirkungsterme entsprechend den Anforderungen des Versuchs aus.

7. Klicken Sie auf Step 2 , um die Analyse des Versuchsplans durchzuführen.

Create & Analyse Mixture DoE — figure 2

8. Mit dem oben genannten Tool erhalten Sie folgende Ausgabe:

Create & Analyse Mixture DoE — figure 3Create & Analyse Mixture DoE — figure 4

Anleitung: Create & Analyse Mixture DoE durchführen

Gehen Sie wie folgt vor:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> DOE>Create & Analyse Mixture DoE.
  3. Geben Sie anschließend die Daten manuell ein oder kopieren Sie sie vollständig (Ctrl+C) aus einer Excel-Tabelle und fügen Sie sie ein (Ctrl+V).
  4. Füllen Sie anschließend die erforderlichen Optionen aus.
  5. Klicken Sie auf Step 1. Im linken Bereich unter Designed Experiments & Resultswird die Mischungs-Versuchsplanmatrix erzeugt. Fügen Sie die Zielgrößen (Ergebnisvariablen) als neue Spalten am Ende der Versuchsplanmatrix hinzu.
  6. Suchen Sie im rechten Bereich unter Design & Analysis Inputsdie Option Responses . Wählen Sie die neu hinzugefügten Spalten der Ergebnisvariablen aus, um sie als Zielgrößen festzulegen.
  7. Wählen Sie die erforderlichen Wechselwirkungsterme entsprechend den Anforderungen des Versuchs aus.
  8. Klicken Sie auf Step 2 , um die Analyse des Versuchsplans durchzuführen.

Das Dashboard von Create & Analyse Mixture DoE ist in zwei Bereiche geteilt.

Create & Analyse Mixture DoE — figure 5

Links befindet sich der Bereich Designed Experiments & Results. Dort wird der Versuchsplan erzeugt.

Rechts stehen folgende Optionen zur Verfügung:

  • Component Variable Table: Hier definieren Sie jeden Bestandteil Ihrer Mischung. Jede Zeile steht für eine Komponente der Mischung, und jede Spalte erfasst eine bestimmte Eigenschaft dieses Bestandteils.
    • Name: Die Bezeichnung, die Sie jedem Bestandteil geben, etwa Wasser, Harz, Härter oder Pigment. Verwenden Sie einen klaren, aussagekräftigen Namen, damit Versuchsplan und Ausgabediagramme leicht zu lesen und zu interpretieren sind.
    • Low / High: Die minimale und maximale Stufe, auf der diese Variable geprüft wird (Standard sind 0 und 1 für codierte Werte)
      • Die Summe der unteren Grenzen muss kleiner als 1.0 sein – Übersteigt die Mindestmenge aller Bestandteile zusammen bereits 100%, gibt es keine gültige Mischung, und der Versuchsplan kann nicht erzeugt werden. Haben Sie zum Beispiel drei Bestandteile mit einer unteren Grenze von jeweils 0.40, ergeben allein die Mindestwerte 1.20, was unmöglich ist.
      • Die Summe der oberen Grenzen muss größer als 1.0 sein – Ist die zulässige Höchstmenge aller Bestandteile zusammen kleiner als 100%, lässt sich ebenfalls keine gültige Mischung bilden. Haben zum Beispiel drei Bestandteile eine obere Grenze von jeweils 0.30, ergeben die Höchstwerte nur 0.90, sodass die verbleibenden 0.10 nicht aufgefüllt werden können.
  • Process Variable Table (Optional): Wenn der Versuch neben den Mischungskomponenten unabhängige Prozessbedingungen wie Mischzeit, Verarbeitungstemperatur oder Aushärtedruck umfasst, definieren Sie diese Variablen hier. Das Tool kombiniert den Mischungsversuchsplan mit einer faktoriellen Struktur für die Prozessvariablen und erzeugt so einen kombinierten Mischungs-Prozess-Versuchsplan, der Mischungseffekte der Bestandteile und Prozesseffekte gleichzeitig schätzt. Dieser Abschnitt muss nur ausgefüllt werden, wenn Ihr Versuch neben den Bestandteilen der Mischung unabhängige Prozessbedingungen wie Mischgeschwindigkeit, Temperatur, Aushärtezeit oder Druck umfasst. Jede Prozessvariable erfordert drei Eingaben:
    Wenn Ihr Versuch nur Anteile von Bestandteilen und keine Prozessbedingungen umfasst, lassen Sie diesen Abschnitt vollständig leer und fahren Sie direkt mit der Auswahl des Versuchsplantyps unten fort.
    • Name – eine aussagekräftige Bezeichnung für die Variable (z. B. Temperature, Speed)
    • Low / High – die minimale und maximale Stufe, auf der diese Variable geprüft wird (Standard sind −1 und +1 für codierte Werte)
  • Factorial Design: Wenn Prozessvariablen hinzugefügt werden, steuert diese Auswahlliste, welcher Bruchteil aller möglichen Kombinationen der Prozessvariablen tatsächlich geprüft wird. Die verfügbaren Optionen hängen vollständig davon ab, wie viele Prozessvariablen Sie eingegeben haben ; das Tool aktualisiert die Auswahlliste automatisch, sodass nur die für Ihre Variablenanzahl statistisch gültigen Bruchteile angezeigt werden.
    So erscheinen die Optionen abhängig von der Anzahl der eingegebenen Prozessvariablen:
    Eingegebene ProzessvariablenVerfügbare Optionen für Factorial Design
    1 Variable
    Nur Full factorial
    2 Variablen
    Nur Full factorial
    3 Variablen
    Full factorial, Half factorial
    4 Variablen
    Full factorial, Half factorial
    5 Variablen
    Full factorial, Half factorial, Quarter factorial
    6 Variablen
    Full factorial, Half factorial, Quarter factorial, Eighth factorial
    7 Variablen
    Full factorial, Half factorial, Quarter factorial, Eighth factorial, Sixteenth factorial
    Warum ist das so?
    Teilfaktorielle Versuchspläne sind statistisch nur sinnvoll, wenn genügend Variablen vorhanden sind, um eine Aufteilung zu rechtfertigen. Bei 1 oder 2 Prozessvariablen umfasst ein vollfaktorieller Plan nur 2 bzw. 4 Versuchsläufe; hier gibt es nichts sinnvoll zu reduzieren. Mit wachsender Variablenanzahl werden mehr Bruchteile verfügbar, weil genügend Faktorkombinationen vorhanden sind, um ohne Verlust wichtiger Informationen aufzuteilen.
    Bedeutung der einzelnen Optionen für Factorial Design
    • Full Factorial: Prüft jede mögliche Kombination der Stufen der Prozessvariablen. Bei 3 Prozessvariablen mit je 2 Stufen sind das 8 Versuchsläufe. Liefert vollständige Informationen über alle Haupteffekte und Wechselwirkungen. Unabhängig von der Anzahl der Variablen immer verfügbar.
    • Half Factorial: Prüft die Hälfte aller möglichen Kombinationen (Bruchteil = 1/2). Verringert die Anzahl der Versuchsläufe gegenüber dem vollfaktoriellen Plan um 50%. Einige Zweifachwechselwirkungen werden mit Haupteffekten vermengt. Ab 3 Variablen verfügbar.
    • Quarter Factorial: Prüft ein Viertel aller möglichen Kombinationen (Bruchteil = 1/4). Verringert die Anzahl der Versuchsläufe um 75%. Es tritt mehr Vermengung auf, die Haupteffekte bleiben aber schätzbar. Ab 5 Variablen verfügbar.
    • Eighth Factorial: Prüft ein Achtel aller möglichen Kombinationen (Bruchteil = 1/8). Sehr kompakt; vor allem für ein erstes Screening nützlich, wenn viele Prozessvariablen vorliegen und die Anzahl der Versuchsläufe minimal bleiben muss. Ab 6 Variablen verfügbar.
    • Sixteenth Factorial: Prüft ein Sechzehntel aller möglichen Kombinationen (Bruchteil = 1/16). Die stärkste verfügbare Reduktion. In der Regel lassen sich nur die Haupteffekte sauber schätzen; Wechselwirkungen sind stark vermengt. Nur verfügbar, wenn 7 oder mehr Prozessvariablen eingegeben sind.
  • Type Of Designs:
    • Simplex Lattice: Setzt Versuchspunkte in regelmäßig abgestuften Anteilen über den Mischungssimplex, einschließlich reiner Komponenten, binärer Mischungen, ternärer Mischungen usw., je nach gewähltem Grad. Je höher der Grad, desto mehr Versuchspunkte werden einbezogen und desto komplexer ist das anpassbare Mischungsmodell. Am besten geeignet, um den gesamten Mischungsraum ohne Nebenbedingungen für die Bestandteile zu untersuchen.
      • Lattice Degree: Legt fest, wie viele Anteilswerte (von 0 bis 1) jeder Bestandteil annehmen kann, und bestimmt damit die Komplexität des Versuchsplans und das anpassbare Modell.
        • Degree 2 – Werte: 0, ½, 1. Passt ein quadratisches Modell an. Am besten für erste Untersuchungen, bei denen paarweise Mischungseffekte im Vordergrund stehen.
        • Degree 3 – Werte: 0, ⅓, ⅔, 1. Passt ein speziell kubisches Modell an. Verwenden, wenn Wechselwirkungen zwischen drei Komponenten vermutet werden.
        • Degree 4 – Werte: 0, ¼, ½, ¾, 1. Passt ein quartisches Modell an. Nur bei nachgewiesen stark nichtlinearem Mischungsverhalten; selten erforderlich.
      • Axial Points: Liegen jeweils in der Mitte zwischen dem reinen Eckpunkt einer Komponente und dem Schwerpunkt, wobei ein Bestandteil hoch ist und die übrigen zu gleichen Teilen vorliegen.
        • Einbeziehen, wenn: Sie Degree 2 mit 3–5 Komponenten verwenden, reine Eckpunkte nicht realisierbar sind oder Sie bessere Vorhersagen im Bereich des Schwerpunkts benötigen.
        • Weglassen, wenn: Sie die Anzahl der Versuchsläufe minimieren, bereits Degree 3/4 verwenden, 6 oder mehr Komponenten haben oder enge Nebenbedingungen axiale Punkte unmöglich machen (verwenden Sie dann Extreme Vertices).
    • Simplex Centroid: Enthält Versuchspunkte an den Eckpunkten der reinen Komponenten, in den Mittelpunkten jeder binären Mischung, im Schwerpunkt jeder ternären Mischung und im Gesamtschwerpunkt der Mischung. Dieser Versuchsplan deckt den gesamten Mischungsraum gut ab und unterstützt die Anpassung von Modellen, die die Wechselwirkungen von Paaren und Gruppen von Bestandteilen erfassen. Am besten geeignet, wenn keine Nebenbedingungen für die Bestandteile bestehen.
      • Axial Points: Liegen jeweils in der Mitte zwischen dem reinen Eckpunkt einer Komponente und dem Schwerpunkt, wobei ein Bestandteil hoch ist und die übrigen zu gleichen Teilen vorliegen.
        • Einbeziehen, wenn: Sie Degree 2 mit 3–5 Komponenten verwenden, reine Eckpunkte nicht realisierbar sind oder Sie bessere Vorhersagen im Bereich des Schwerpunkts benötigen.
        • Weglassen, wenn: Sie die Anzahl der Versuchsläufe minimieren, bereits Degree 3/4 verwenden, 6 oder mehr Komponenten haben oder enge Nebenbedingungen axiale Punkte unmöglich machen (verwenden Sie dann Extreme Vertices).
    • Extreme Vertices: Wird verwendet, wenn für einen oder mehrere Bestandteile obere oder untere Grenzen gelten, die den zulässigen Mischungsbereich auf einen Teilraum des vollständigen Simplex beschränken. Die Versuchspunkte werden an den Ecken (Vertices), den Kantenmittelpunkten und im Schwerpunkt dieses eingeschränkten zulässigen Bereichs gesetzt, sodass der Versuch nur praktisch realisierbare Mischungen untersucht. Dies ist die richtige Wahl, wenn Nebenbedingungen für die Bestandteile bestehen.
    • Responses: Geben Sie Name und Einheit jeder Ergebnisvariablen ein, die an den hergestellten Mischungen gemessen wird, etwa Viskosität, Härte, Ausbeute oder Haltbarkeit. Für dieselben Versuchsmischungen können mehrere Zielgrößen erfasst werden, sodass sich mehrere Produkteigenschaften aus einem einzigen Versuch gleichzeitig optimieren lassen.
    • Select Terms: Wählen Sie, welche Terme des Mischungsmodells in die spätere Analyse einbezogen werden. Übliche Optionen sind Linear (Mischung erster Ordnung) und Quadratic (paarweise Mischungswechselwirkungen). Beginnen Sie mit dem einfachsten fachlich sinnvollen Modell und erweitern Sie es nur, wenn die Daten dies stützen.

Häufig gestellte Fragen

Was ist ein Mischungsversuchsplan?

Ein Mischungsversuchsplan ist ein Versuch, bei dem die Faktoren Anteile von Bestandteilen sind, die sich zu einer festen Gesamtsumme addieren müssen, typischerweise 100% oder 1.0, etwa bei einer Lackformulierung, einem Lebensmittelrezept, einem pharmazeutischen Wirkstoff oder einer Chemikalienmischung. Da die Erhöhung eines Bestandteils die Verringerung eines anderen bedeutet, können klassische faktorielle Versuchspläne diese Nebenbedingung nicht abbilden.

Welchen Mischungsversuchsplan sollten Sie wählen?

Simplex Lattice setzt Punkte in regelmäßig abgestuften Anteilen; der Lattice-Grad (2, 3 oder 4) bestimmt das anpassbare Modell. Simplex Centroid verwendet reine Komponenten, Mittelpunkte binärer Mischungen, Schwerpunkte ternärer Mischungen und den Gesamtschwerpunkt. Beide eignen sich für den vollständigen, uneingeschränkten Mischungsraum. Verwenden Sie Extreme Vertices, wenn für Bestandteile obere oder untere Grenzen gelten, die den zulässigen Bereich einschränken.

Welches Modell wird zur Analyse eines Mischungsversuchs verwendet?

Die Analyse passt ein Scheffé-Polynom an, das die Nebenbedingung einer konstanten Summe der Anteile berücksichtigt und schätzt, wie einzelne Bestandteile und ihre Mischungskombinationen die Zielgröße beeinflussen. Beginnen Sie mit dem einfachsten sinnvollen Modell: linear, dann quadratisch, wenn Mischungseffekte zu erwarten sind, und speziell kubisch nur bei Verdacht auf starke Synergien zwischen drei Komponenten.

Welche Bedingungen müssen die Grenzen der Komponenten erfüllen?

Die Summe der unteren Grenzen muss kleiner als 1.0 und die Summe der oberen Grenzen größer als 1.0 sein, sonst gibt es keine gültige Mischung. Beispielsweise ergeben drei Bestandteile mit einer unteren Grenze von jeweils 0.40 zusammen 1.20, was unmöglich ist. Prozessvariablen wie die Temperatur können hinzugefügt werden und werden in einer faktoriellen Struktur mit dem Mischungsversuchsplan kombiniert.