建立與分析混料試驗(Mixture DOE)

0. 在混料試驗中,無法獨立改變某一種配料而不影響其他配料,因為任何一種配料增加,都必須使至少另一種配料相應減少,才能保持總量固定。

最後審閱

核心要點

建立混料試驗設計用於產生這樣一類試驗方案:所研究的因子是配料比例,且比例之和必須等於某一固定常數,通常為 100% 或 1.0。

本頁內容
  1. 什麼是建立混料試驗設計?
  2. 何時使用建立混料試驗設計?
  3. 正確使用建立混料試驗設計的指南
  4. 替代方法:何時不宜使用建立混料試驗設計
  5. 什麼是分析混料試驗設計?
  6. 何時使用分析混料試驗設計?
  7. 正確使用分析混料試驗設計的指南
  8. 替代方法:何時不宜使用分析混料試驗設計
  9. 建立與分析混料試驗設計範例
  10. 如何建立與分析混料試驗設計

什麼是建立混料試驗設計?

建立混料試驗設計用於產生這樣一類試驗方案:所研究的因子是配料比例,且比例之和必須等於某一固定常數,通常為 100% 或 1.0。在混料試驗中,無法獨立改變某一種配料而不影響其他配料,因為任何一種配料增加,都必須使至少另一種配料相應減少,才能保持總量固定。

標準析因設計無法處理這一約束。混料設計採用專門的設計結構,即 Simplex Lattice、Simplex Centroid 或 Extreme Vertices,能夠正確探索可行的配料空間,並使每一次試驗執行的設計點都滿足混料約束。

簡單定義:配方與配比試驗的設計規劃步驟——產生一組結構化的配料組合,其總和始終等於所需總量,從而找出使產品效能最佳的理想配比。

何時使用建立混料試驗設計?

  • 當因子表示 總和必須等於固定常數的配料比例 時使用,例如塗料配方、食品配方、藥物化合物或化學混合物。
  • 當需要了解 改變配料的相對比例 如何影響產品品質、效能或特性時使用。
  • 當配料具有 上下限約束 時使用,例如某一組分在混合物中至少佔 15%,但不超過 50%。
  • 當 製程變數(如攪拌速度或溫度)與混料組分一同影響反應時使用。

正確使用建立混料試驗設計的指南

  • 確保每次試驗執行中所有配料比例 之和恰好等於規定總量,偏離該約束將產生無效資料。
  • 在選擇設計類型之前,為每種配料設定 切合實際的上下限,不可行或過緊的約束可能導致試驗空間為空或不切實際。
  • 存在配料約束時使用 Extreme Vertices,僅當可使用完整的無約束空間時才使用 Simplex Lattice 或 Centroid。
  • 配製混合物時應儘可能 準確,配料比例的微小誤差會在各次試驗中累積,降低模型的可靠度。
  • 隨機化混合物的配製和測試順序,以防止量測順序、設備漂移或分析人員效應帶來的系統性偏誤。

替代方法:何時不宜使用建立混料試驗設計

  • 如果因子是 獨立的製程變數,而不是總和為常數的比例,請使用 Create Factorial DoE 或 Create Definitive Screening Design
  • 如果因子既包含混料組分又包含製程變數,但希望分別分析,則應先 分別獨立設計混料組分和製程組分,然後再合併。

什麼是分析混料試驗設計?

分析混料試驗設計對混料試驗收集的反應資料配適一種專門的混料迴歸模型,即 Scheffé 多項式。與標準迴歸不同,混料模型正確考慮了所有配料比例之和必須為常數這一約束,並估計各單項配料及其兩兩或更進階的混合組合如何影響反應。

該分析可識別哪些配料和混合互動作用顯著,產生等高線圖和跡線圖,以直觀展示整個混料空間的反應曲面,並產生執行 Response Optimizer 以尋找理想配比所需的配適模型。

何時使用分析混料試驗設計?

  • 在完成 混料設計試驗 並記錄了所配製混合物的全部反應量測值之後使用。
  • 用於識別哪些 配料及配料組合 對反應有顯著影響。
  • 用於藉助等高線圖直觀展示 整個混料空間的反應曲面,顯示在配比空間的哪些位置反應最佳和最差。
  • 用於建立 預測模型,供 Response Optimizer 尋找最佳配比配方時使用。

正確使用分析混料試驗設計的指南

  • 從 科學上合理的最簡模型 開始:先用 Linear,若預期存在混合效應則用 Quadratic,僅當懷疑存在強烈的三組分協同作用時才用 Special Cubic。
  • 在解讀任何結果之前,先 全面檢查殘差圖,殘差非隨機的模型不應用於最佳化配比配方。
  • 使用 R 方和調整 R 方 評估模型配適程度,對有意義的反應,良好的混料模型通常 R 方高於 0.80。
  • 在投入生產之前,用 獨立的驗證配比 對模型識別出的最佳配比進行驗證——務必透過試驗驗證預測結果。
  • 包含製程變數時,應檢查 混料項和製程變數項兩者 的顯著性,不要為簡化其中一類而犧牲另一類。

替代方法:何時不宜使用分析混料試驗設計

  • 如果資料來自 標準析因試驗而非混料設計,請改用 Analyse Factorial DoE,Scheffé 模型不適用於無約束的析因資料。
  • 如果反應是 二元或分類的,請使用 邏輯迴歸方法,而不是標準混料模型。

建立與分析混料試驗設計範例

步驟如下:

  1. 在右側面板 Design & Analysis Inputs 中輸入必要的資料。
Create & Analyse Mixture DoE — figure 1

2. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。

3. 要找到建立與分析混料試驗設計,請選擇 Statistical module> DOE>Create & Analyse Mixture DoE。

4. 點選 Step 1。在左側面板的 Designed Experiments & Results下將產生混料設計矩陣。將反應(結果)變數作為新欄新增到混料設計矩陣的末尾。

5. 在右側面板的 Design & Analysis Inputs下,找到 Responses 選項。選擇新新增的結果變數欄,將其定義為反應變數。

6. 根據試驗要求選擇所需的 interaction terms。

7. 點選 Step 2,對所設計的試驗進行分析。

Create & Analyse Mixture DoE — figure 2

8. 使用上述工具後,得到如下輸出:

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

如何建立與分析混料試驗設計

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> DOE>Create & Analyse Mixture DoE。
  3. 接下來,手動更新資料,或從 Excel 表格中複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 接下來,需要填寫必要的選項。
  5. 點選 Step 1。在左側面板的 Designed Experiments & Results下將產生混料設計矩陣。將反應(結果)變數作為新欄新增到混料設計矩陣的末尾。
  6. 在右側面板的 Design & Analysis Inputs下,找到 Responses 選項。選擇新新增的結果變數欄,將其定義為反應變數。
  7. 根據試驗要求選擇所需的 interaction terms。
  8. 點選 Step 2,對所設計的試驗進行分析。

建立與分析混料試驗設計的工具介面分為兩部分。

Create & Analyse Mixture DoE — figure 5

左側為 Designed Experiments & Results。在 Designed Experiments & Results 中會產生設計的試驗。

右側提供以下選項:

  • Component Variable Table: 在此定義混合物中的每種配料。每一列代表配比中的一個組分,每一欄記錄該配料的一項特性。
    • Name: 為每種配料指定的標籤,如 Water、Resin、Hardener 或 Pigment。請使用清晰、有描述性的名稱,以便設計工作表和輸出圖表易於閱讀和理解。
    • Low / High: 該變數將被測試的最低和最高水準(編碼值預設為 0 和 1)
      • Sum of lower bounds must be less than 1.0 —— 如果所有配料的最低要求量之和已超過 100%,則不存在有效的配比,設計無法產生。例如,若三種配料的下限均為 0.40,則僅下限之和就達 1.20,這是不可能的。
      • Sum of upper bounds must be greater than 1.0 —— 如果所有配料的最大允許量之和小於 100%,同樣無法構成有效的配比。例如,若三種配料的上限均為 0.30,則上限之和僅為 0.90,意味著無法填滿剩餘的 0.10。
  • Process Variable Table (Optional): 如果試驗除混料組分外還包含獨立的製程條件,如混合時間、加工溫度或固化壓力,請在此定義這些變數。工具會將混料設計與製程變數的析因結構相結合,產生混料-製程組合設計,同時估計配料混合效應和製程效應。僅當試驗在混料配料之外還包含獨立的製程條件(如攪拌速度、溫度、固化時間或壓力)時,才需要填寫此部分。每個製程變數需要三項輸入:
    如果試驗僅涉及配料比例而不涉及製程條件,請將此部分完全留空,直接進入下面的設計類型選擇。
    • Name —— 變數的有意義標籤(如 Temperature、Speed)
    • Low / High —— 該變數將被測試的最低和最高水準(編碼值預設為 −1 和 +1)
  • Factorial Design: 新增製程變數後,此下拉式選單控制實際測試的製程變數組合佔全部可能組合的比例。可用選項完全取決於 所輸入的製程變數個數,工具會自動更新下拉式選單,僅顯示對您的變數個數在統計上有效的比例。
    以下為按所輸入製程變數個數顯示的選項:
    已輸入的製程變數可用的 Factorial Design 選項
    1 個變數
    僅 Full factorial
    2 個變數
    僅 Full factorial
    3 個變數
    Full factorial、Half factorial
    4 個變數
    Full factorial、Half factorial
    5 個變數
    Full factorial、Half factorial、Quarter factorial
    6 個變數
    Full factorial、Half factorial、Quarter factorial、Eighth factorial
    7 個變數
    Full factorial、Half factorial、Quarter factorial、Eighth factorial、Sixteenth factorial
    為什麼會這樣?
    只有在變數足夠多、值得拆分時,部分析因設計才有統計意義。只有 1 個或 2 個製程變數時,全析因只有 2 次或 4 次執行,沒有可有意義地進行部分實施的空間。隨著變數個數增加,可用的比例也增多,因為因子群組合足夠多,可以拆分而不丟失重要資訊。
    各 Factorial Design 選項的含義
    • Full Factorial: 測試製程變數各水準的所有可能組合。如果有 3 個製程變數,每個為 2 個水準,則為 8 次執行。可提供所有主效應和互動作用的完整資訊。無論有多少個變數,始終可用。
    • Half Factorial: 測試所有可能組合的一半(比例 = 1/2)。與全析因相比,執行次數減少 50%。部分雙因子互動作用會與主效應混雜。從 3 個變數起可用。
    • Quarter Factorial: 測試所有可能組合的四分之一(比例 = 1/4)。執行次數減少 75%。混雜程度更高,但主效應仍可估計。從 5 個變數起可用。
    • Eighth Factorial: 測試所有可能組合的八分之一(比例 = 1/8)。非常緊湊,主要用於存在大量製程變數且必須儘量減少執行次數的初步篩選。從 6 個變數起可用。
    • Sixteenth Factorial: 測試所有可能組合的十六分之一(比例 = 1/16)。這是可用的最大幅度縮減。通常只能清晰估計主效應,互動作用被嚴重混雜。僅當輸入了 7 個或更多製程變數時可用。
  • Type Of Designs:
    • Simplex Lattice: 在混料單純形上按規則間隔的比例放置設計點,根據所選的階數,包括純組分、二元混合物、三元混合物等。階數越高,包含的設計點越多,可配適的混合模型也越複雜。最適合在無配料約束的情況下研究完整的混料空間。
      • Lattice Degree: 控制每種配料可取多少個比例值(從 0 到 1),決定設計的複雜程度和可配適的模型。
        • Degree 2 —— 取值:0、½、1。配適 二次 模型。最適合以兩兩混合效應為主要關注點的初步研究。
        • Degree 3 —— 取值:0、⅓、⅔、1。配適 特殊三次 模型。懷疑存在三組分互動作用時使用。
        • Degree 4 —— 取值:0、¼、½、¾、1。配適 四次 模型。僅用於已確認高度非線性的混合,很少需要。
      • Axial Points: 位於每個組分的純頂點與重心連線的中點,其中一種配料較高,其餘配料均分。
        • Include when: 使用 Degree 2 且有 3–5 個組分、無法實現純頂點,或需要更好的重心區域預測時。
        • Exclude when: 需要儘量減少執行次數、已使用 Degree 3/4、使用 6 個及以上組分,或約束過緊使軸點不可行時(請改用 Extreme Vertices)。
    • Simplex Centroid: 包含位於純組分頂點、各二元混合物中點、各三元混合物重心以及整個混合物重心處的設計點。該設計對整個混料空間覆蓋良好,並支援配適能夠反映成對及成組配料如何互動作用的模型。最適合在無配料約束時使用。
      • Axial Points: 位於每個組分的純頂點與重心連線的中點,其中一種配料較高,其餘配料均分。
        • Include when: 使用 Degree 2 且有 3–5 個組分、無法實現純頂點,或需要更好的重心區域預測時。
        • Exclude when: 需要儘量減少執行次數、已使用 Degree 3/4、使用 6 個及以上組分,或約束過緊使軸點不可行時(請改用 Extreme Vertices)。
    • Extreme Vertices: 當一種或多種配料存在上限或下限約束,使可行的混料區域限制在完整單純形的一個子空間內時使用。設計點放置在這一受約束可行區域的角點(頂點)、邊中點和重心處,確保試驗只探索實際可達的配比。存在配料約束時,這是正確的選擇。
    • Responses: 輸入需要從所配製混合物中量測的每個輸出變數的名稱和單位,如黏度、硬度、產率或保質期。可從同一組試驗混合物中記錄多個反應,從而透過一次試驗同時最佳化多項產品特性。
    • Select Terms: 選擇最終分析中要包含的混料模型項。常見選擇包括 Linear(一階混合)、Quadratic(兩兩混合互動作用)。從科學上合理的最簡模型開始,僅在資料支援時才擴展。

常見問題

什麼是混料設計?

混料設計是這樣一類試驗:所研究的因子是配料比例,其總和必須為固定總量,通常為 100% 或 1.0,例如塗料配方、食品配方、藥物化合物或化學混合物。由於增加一種配料就意味著減少另一種,標準析因設計無法處理這一約束。

應選擇哪種混料設計?

Simplex lattice 按規則間隔的比例放置設計點,格點階數(2、3 或 4)決定可配適的模型。Simplex centroid 使用純組分、二元中點、三元重心以及整體重心。兩者都適用於完整的無約束混料空間。當配料有上限或下限而限制了可行區域時,請使用 extreme vertices。

分析混料試驗使用什麼模型?

分析時配適 Scheffé 多項式,它考慮了比例之和為常數這一約束,並估計各單項配料及其混合組合如何影響反應。從合理的最簡模型開始:先用線性模型,若預期存在混合效應則用二次模型,僅當懷疑存在強烈的三組分協同作用時才用特殊三次模型。

組分的上下限必須滿足哪些約束?

下限之和必須小於 1.0,上限之和必須大於 1.0,否則不存在有效的配比。例如,三種配料的下限均為 0.40,則其和為 1.20,這是不可能的。可以加入溫度等製程變數,並以析因結構與混料設計相結合。