Crear y analizar DOE de mezclas
0. En un experimento de mezclas es imposible cambiar un ingrediente de forma independiente de los demás, porque cada aumento de uno exige una disminución correspondiente de al menos otro para mantener el total fijo.
Última revisión:
Idea clave
Create Mixture DoE genera un diseño de experimentos para casos en que los factores son proporciones de ingredientes que deben sumar una constante fija, normalmente 100% o 1.0.
En esta página
- ¿Qué es Create Mixture DoE?
- ¿Cuándo usar Create Mixture DoE?
- Pautas para el uso correcto de Create Mixture DoE
- Alternativas: cuándo no usar Create Mixture DoE
- ¿Qué es Analyse Mixture DoE?
- ¿Cuándo usar Analyse Mixture DoE?
- Pautas para el uso correcto de Analyse Mixture DoE
- Alternativas: cuándo no usar Analyse Mixture DoE
- Ejemplo de Crear y analizar DOE de mezclas
- Cómo crear y analizar un DOE de mezclas
¿Qué es Create Mixture DoE?
Create Mixture DoE genera un diseño de experimentos para casos en que los factores estudiados son proporciones de ingredientes que deben sumar una constante fija, normalmente 100% o 1.0. En un experimento de mezclas es imposible cambiar un ingrediente de forma independiente de los demás, porque cada aumento de uno exige una disminución correspondiente de al menos otro para mantener el total fijo.
Los diseños factoriales estándar no pueden manejar esta restricción. Los diseños de mezclas usan estructuras especializadas (Simplex Lattice, Simplex Centroid o Extreme Vertices) que exploran correctamente el espacio factible de ingredientes y generan puntos de diseño que respetan la restricción de la mezcla en cada corrida.
Definición sencilla: La etapa de planificación del diseño en experimentos de recetas y formulaciones: genera un conjunto estructurado de combinaciones de ingredientes que siempre suman el total requerido, para descubrir la mezcla ideal que optimiza el desempeño del producto.
¿Cuándo usar Create Mixture DoE?
- Úselo cuando los factores representen proporciones de ingredientes que deben sumar una constante fija , como en una formulación de pintura, una receta de alimentos, un compuesto farmacéutico o una mezcla química.
- Úselo cuando desee entender cómo el cambio en las proporciones relativas de los ingredientes afecta la calidad, el desempeño o las propiedades del producto.
- Úselo cuando los ingredientes tengan restricciones de límite superior e inferior , por ejemplo, cuando un componente deba representar al menos el 15% pero no más del 50% de la mezcla.
- Úselo cuando variables de proceso como la velocidad de mezclado o la temperatura también influyan en la respuesta junto con los componentes de la mezcla.
Pautas para el uso correcto de Create Mixture DoE
- Asegúrese de que las proporciones de los ingredientes sumen exactamente el total definido en cada corrida experimental: las desviaciones de la restricción producirán datos no válidos.
- Establezca límites superior e inferior realistas para cada ingrediente antes de elegir el tipo de diseño: unas restricciones inviables o demasiado estrechas pueden producir un espacio experimental vacío o poco práctico.
- Use Extreme Vertices cuando haya restricciones en los ingredientes y Simplex Lattice o Centroid solo cuando se pueda acceder a todo el espacio sin restricciones.
- Prepare las mezclas con la mayor exactitud posible : los pequeños errores en las proporciones de los ingredientes se acumulan a lo largo de las corridas y reducen la fiabilidad del modelo.
- Aleatorice el orden de preparación y de ensayo de las mezclas para evitar sesgos sistemáticos debidos a la secuencia de medición, a la deriva del equipo o a los efectos del analista.
Alternativas: cuándo no usar Create Mixture DoE
- Si los factores son variables de proceso independientes y no proporciones que suman una constante, utilice Create Factorial DoE o Create Definitive Screening Design
- Si los factores incluyen tanto componentes de la mezcla como variables de proceso, pero desea analizarlos por separado, diseñe primero los componentes de la mezcla y de proceso de forma independiente antes de combinarlos.
¿Qué es Analyse Mixture DoE?
Analyse Mixture DoE ajusta un modelo de regresión de mezclas especializado, llamado polinomio de Scheffé, a los datos de respuesta recogidos en un experimento de mezclas. A diferencia de la regresión estándar, los modelos de mezclas tienen en cuenta correctamente la restricción de que todas las proporciones de los ingredientes deben sumar una constante, y estiman cómo influyen en la respuesta los ingredientes individuales y sus combinaciones por pares o de orden superior.
El análisis identifica qué ingredientes e interacciones de mezcla son significativos, genera gráficas de contorno y gráficas de traza para visualizar la superficie de respuesta en el espacio de la mezcla, y produce el modelo ajustado necesario para ejecutar el Response Optimizer y encontrar la mezcla ideal.
¿Cuándo usar Analyse Mixture DoE?
- Úselo después de completar un experimento con diseño de mezclas y registrar todas las mediciones de respuesta de las mezclas preparadas.
- Úselo para identificar qué ingredientes y combinaciones de ingredientes influyen significativamente en la respuesta.
- Úselo para visualizar la superficie de respuesta en el espacio de la mezcla mediante gráficas de contorno que muestran en qué zonas del espacio de mezclas se encuentran las mejores y las peores respuestas.
- Úselo para construir el modelo predictivo que alimentará el Response Optimizer para encontrar la formulación óptima de la mezcla.
Pautas para el uso correcto de Analyse Mixture DoE
- Comience con el modelo más simple que sea científicamente razonable : primero Linear, luego Quadratic si se esperan efectos de mezcla y Special Cubic solo si se sospechan fuertes sinergias entre tres componentes.
- Revise minuciosamente las gráficas de residuos antes de interpretar cualquier resultado: un modelo con residuos no aleatorios no debe usarse para optimizar formulaciones de mezclas.
- Use R cuadrado y R cuadrado ajustado para evaluar el ajuste del modelo: un buen modelo de mezclas suele alcanzar un R cuadrado superior a 0.80 para una respuesta significativa.
- Valide la mejor mezcla identificada por el modelo con mezclas de confirmación independientes antes de pasar a producción: verifique siempre las predicciones de forma experimental.
- Cuando se incluyan variables de proceso, compruebe la significancia de los términos de la mezcla y los de las variables de proceso y no simplifique unos a costa de los otros.
Alternativas: cuándo no usar Analyse Mixture DoE
- Si los datos provienen de un experimento factorial estándar y no de un diseño de mezclas, utilice en su lugar Analyse Factorial DoE : los modelos de Scheffé no son adecuados para datos factoriales sin restricciones.
- Si la respuesta es binaria o categórica, utilice un enfoque de regresión logística en lugar de un modelo de mezclas estándar.
Ejemplo de Crear y analizar DOE de mezclas
Los pasos son los siguientes:
- Introduzca los datos necesarios en el panel del lado derecho, Design & Analysis Inputs.

2. Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
3. Para encontrar Create & Analyse Mixture DoE, elija Statistical module> DOE>Create & Analyse Mixture DoE.
4. Haga clic en Step 1. En el panel izquierdo, bajo Designed Experiments & Results, se generará la matriz del diseño de mezclas. Añada las variables de respuesta (resultado) como columnas nuevas al final de la matriz del diseño de mezclas.
5. En el panel derecho, bajo Design & Analysis Inputs, localice la opción Responses . Seleccione las columnas de las variables de resultado recién añadidas para definirlas como variables de respuesta.
6. Seleccione los interaction terms necesarios según los requisitos del experimento
7. Haga clic en Step 2 para realizar el análisis del experimento diseñado.

8. Después de usar la herramienta mencionada, se obtiene la siguiente salida:


Cómo crear y analizar un DOE de mezclas
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> DOE>Create & Analyse Mixture DoE.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- A continuación, complete las opciones necesarias.
- Haga clic en Step 1. En el panel izquierdo, bajo Designed Experiments & Results, se generará la matriz del diseño de mezclas. Añada las variables de respuesta (resultado) como columnas nuevas al final de la matriz del diseño de mezclas.
- En el panel derecho, bajo Design & Analysis Inputs, localice la opción Responses . Seleccione las columnas de las variables de resultado recién añadidas para definirlas como variables de respuesta.
- Seleccione los interaction terms necesarios según los requisitos del experimento
- Haga clic en Step 2 para realizar el análisis del experimento diseñado.
En el tablero de Create & Analyse Mixture DoE, la ventana está dividida en dos partes.

En la parte izquierda se encuentra Designed Experiments & Results. En Designed Experiments & Results se genera el experimento diseñado.
En la parte derecha hay varias opciones, que son las siguientes:
- Component Variable Table: Aquí se define cada ingrediente de la mezcla. Cada fila representa un componente de la mezcla y cada columna recoge una propiedad específica de ese ingrediente.
- Name: La etiqueta que se asigna a cada ingrediente, como Water, Resin, Hardener o Pigment. Utilice un nombre claro y descriptivo para que la hoja de diseño y las gráficas de salida sean fáciles de leer e interpretar.
- Low / High: Los niveles mínimo y máximo con que se probará esta variable (por defecto, 0 y 1 para valores codificados)
- Sum of lower bounds must be less than 1.0 — Si la cantidad mínima requerida de todos los ingredientes combinados ya supera el 100%, no existe ninguna mezcla válida y no se puede generar el diseño. Por ejemplo, si hay tres ingredientes con un límite inferior de 0.40 cada uno, los mínimos suman 1.20, lo cual es imposible.
- Sum of upper bounds must be greater than 1.0 — Si la cantidad máxima permitida de todos los ingredientes combinados es inferior al 100%, tampoco se puede construir ninguna mezcla válida. Por ejemplo, si tres ingredientes tienen un límite superior de 0.30 cada uno, los máximos suman solo 0.90, lo que significa que es imposible completar el 0.10 restante.
- Process Variable Table (Optional): Si el experimento incluye condiciones de proceso independientes, como el tiempo de mezclado, la temperatura de procesamiento o la presión de curado, además de los componentes de la mezcla, defina aquí esas variables. La herramienta combinará el diseño de mezclas con una estructura factorial para las variables de proceso, creando un diseño combinado de mezcla y proceso que estima simultáneamente los efectos de la mezcla de ingredientes y los efectos del proceso. Esta sección solo debe completarse si el experimento incluye condiciones de proceso independientes junto con los ingredientes de la mezcla, como la velocidad de mezclado, la temperatura, el tiempo de curado o la presión. Cada variable de proceso requiere tres datos:
Si el experimento solo implica proporciones de ingredientes y ninguna condición de proceso, deje esta sección completamente vacía y pase directamente a la selección del tipo de diseño que figura más abajo. - Name — una etiqueta significativa para la variable (p. ej., Temperature, Speed)
- Low / High — los niveles mínimo y máximo con que se probará esta variable (por defecto, −1 y +1 para valores codificados)
- Factorial Design: Cuando se añaden variables de proceso, este menú desplegable controla la fracción de todas las combinaciones posibles de variables de proceso que se probarán realmente. Las opciones disponibles dependen por completo de cuántas variables de proceso haya introducido : la herramienta actualiza automáticamente el menú para mostrar solo las fracciones estadísticamente válidas para su número de variables.
Así aparecen exactamente las opciones según el número de variables de proceso introducidas:
Variables de proceso introducidas / Opciones de Factorial Design disponibles
1 variable
Full factorial only
2 variables
Full factorial only
3 variables
Full factorial, Half factorial
4 variables
Full factorial, Half factorial
5 variables
Full factorial, Half factorial, Quarter factorial
6 variables
Full factorial, Half factorial, Quarter factorial, Eighth factorial
7 variables
Full factorial, Half factorial, Quarter factorial, Eighth factorial, Sixteenth factorial
¿Por qué ocurre esto?
Los diseños factoriales fraccionados solo tienen sentido estadístico cuando hay suficientes variables que justifiquen la división. Con 1 o 2 variables de proceso, un factorial completo son solo 2 o 4 corridas, y no hay nada que fraccionar de forma significativa. A medida que aumenta el número de variables, hay más fracciones disponibles porque existen suficientes combinaciones de factores para dividir sin perder información importante.
Qué significa cada opción de Factorial Design - Full Factorial: Prueba todas las combinaciones posibles de niveles de las variables de proceso. Si hay 3 variables de proceso con 2 niveles cada una, son 8 corridas. Proporciona información completa sobre todos los efectos principales y las interacciones. Está siempre disponible, sea cual sea el número de variables.
- Half Factorial: Prueba la mitad de todas las combinaciones posibles (fracción = 1/2). Reduce las corridas un 50% respecto al factorial completo. Algunas interacciones de dos factores quedan confundidas con efectos principales. Disponible a partir de 3 variables.
- Quarter Factorial: Prueba una cuarta parte de todas las combinaciones posibles (fracción = 1/4). Reduce las corridas un 75%. Hay más confusión de efectos, pero los efectos principales siguen siendo estimables. Disponible a partir de 5 variables.
- Eighth Factorial: Prueba una octava parte de todas las combinaciones posibles (fracción = 1/8). Muy compacto: resulta útil sobre todo para el cribado inicial cuando hay muchas variables de proceso y el número de corridas debe ser mínimo. Disponible a partir de 6 variables.
- Sixteenth Factorial: Prueba una dieciseisava parte de todas las combinaciones posibles (fracción = 1/16). Es la reducción más extrema disponible. Normalmente solo se pueden estimar con claridad los efectos principales: las interacciones quedan muy confundidas. Solo está disponible cuando se introducen 7 o más variables de proceso.
- Type Of Designs:
- Simplex Lattice: Coloca los puntos de diseño en proporciones regularmente espaciadas a lo largo del símplex de la mezcla, incluidos los componentes puros, las mezclas binarias, las mezclas ternarias, etc., según el grado elegido. Cuanto mayor es el grado, más puntos de diseño se incluyen y más complejo es el modelo de mezcla que se puede ajustar. Es el más adecuado para estudiar todo el espacio de la mezcla sin restricciones en los ingredientes.
- Lattice Degree: Controla cuántos valores de proporción (de 0 a 1) puede tomar cada ingrediente, lo que determina la complejidad del diseño y el modelo que se puede ajustar.
- Degree 2 — Valores: 0, ½, 1. Ajusta un modelo cuadrático . Es lo mejor para estudios iniciales en los que el interés principal son los efectos de mezcla por pares.
- Degree 3 — Valores: 0, ⅓, ⅔, 1. Ajusta un modelo cúbico especial . Úselo cuando se sospechen interacciones de tres componentes.
- Degree 4 — Valores: 0, ¼, ½, ¾, 1. Ajusta un modelo cuártico . Solo para mezclas confirmadas como muy no lineales; rara vez es necesario.
- Axial Points: Se sitúan a medio camino entre el vértice puro de cada componente y el centroide, con un ingrediente alto y el resto repartido a partes iguales.
- Include when: se usa Degree 2 con 3–5 componentes, no se pueden alcanzar los vértices puros o se necesitan mejores predicciones en la región del centroide.
- Exclude when: se quiere minimizar las corridas, ya se está en Degree 3/4, se usan 6 o más componentes o las restricciones estrechas hacen inviables los puntos axiales (use Extreme Vertices en su lugar).
- Simplex Centroid: Incluye puntos de diseño en los vértices de los componentes puros, en los puntos medios de cada mezcla binaria, en el centroide de cada mezcla ternaria y en el centroide global de la mezcla. Este diseño ofrece una buena cobertura de todo el espacio de la mezcla y permite ajustar modelos que capturan cómo interactúan pares y grupos de ingredientes. Se usa mejor cuando no hay restricciones en los ingredientes.
- Axial Points: Se sitúan a medio camino entre el vértice puro de cada componente y el centroide, con un ingrediente alto y el resto repartido a partes iguales.
- Include when: Se usa Degree 2 con 3–5 componentes, no se pueden alcanzar los vértices puros o se necesitan mejores predicciones en la región del centroide.
- Exclude when: Se quiere minimizar las corridas, ya se está en Degree 3/4, se usan 6 o más componentes o las restricciones estrechas hacen inviables los puntos axiales (use Extreme Vertices en su lugar).
- Extreme Vertices: Se usa cuando uno o más ingredientes tienen restricciones de límite superior o inferior que reducen la región factible de la mezcla a un subespacio del símplex completo. Los puntos de diseño se sitúan en las esquinas (vértices), en los puntos medios de las aristas y en el centroide de esta región factible restringida, de modo que el experimento explore solo mezclas realmente alcanzables. Es la elección correcta cuando hay restricciones en los ingredientes.
- Responses: Introduzca el nombre y la unidad de cada variable de salida que se medirá en las mezclas preparadas, como viscosidad, dureza, rendimiento o vida útil. Se pueden registrar varias respuestas del mismo conjunto de mezclas experimentales, lo que permite optimizar simultáneamente varias propiedades del producto con un solo experimento.
- Select Terms: Elija qué términos del modelo de mezclas incluir en el análisis final. Las opciones habituales son Linear (mezcla de primer orden) y Quadratic (interacciones de mezcla por pares). Comience con el modelo más simple que sea científicamente razonable y amplíelo solo si los datos lo respaldan.
Preguntas frecuentes
¿Qué es un diseño de mezclas?
Un diseño de mezclas es un experimento en el que los factores son proporciones de ingredientes que deben sumar un total fijo, normalmente 100% o 1.0, como en una formulación de pintura, una receta de alimentos, un compuesto farmacéutico o una mezcla química. Como aumentar un ingrediente implica disminuir otro, los diseños factoriales estándar no pueden manejar esta restricción.
¿Qué diseño de mezclas se debe elegir?
El simplex lattice coloca los puntos en proporciones regularmente espaciadas, y el grado de la retícula (2, 3 o 4) determina el modelo que se puede ajustar. El simplex centroid usa componentes puros, puntos medios binarios, centroides ternarios y el centroide global. Ambos son adecuados para todo el espacio de la mezcla sin restricciones. Utilice extreme vertices cuando los ingredientes tengan límites superiores o inferiores que restrinjan la región factible.
¿Qué modelo se usa para analizar un experimento de mezclas?
El análisis ajusta un polinomio de Scheffé, que tiene en cuenta la restricción de que las proporciones suman una constante y estima cómo afectan a la respuesta los ingredientes individuales y sus combinaciones de mezcla. Comience con el modelo razonable más simple: lineal, luego cuadrático si se esperan efectos de mezcla y cúbico especial solo si se sospechan fuertes sinergias entre tres componentes.
¿Qué restricciones deben cumplir los límites de los componentes?
La suma de los límites inferiores debe ser menor que 1.0 y la suma de los límites superiores debe ser mayor que 1.0; de lo contrario, no existe ninguna mezcla válida. Por ejemplo, tres ingredientes con un límite inferior de 0.40 cada uno suman 1.20, lo cual es imposible. Se pueden añadir variables de proceso, como la temperatura, que se combinan con el diseño de mezclas en una estructura factorial.
