创建与分析混料试验(Mixture DOE)

0. 在混料试验中,无法独立改变某一种配料而不影响其他配料,因为任何一种配料增加,都必须使至少另一种配料相应减少,才能保持总量固定。

最后审阅

核心要点

创建混料试验设计用于生成这样一类试验方案:所研究的因子是配料比例,且比例之和必须等于某一固定常数,通常为 100% 或 1.0。

本页内容
  1. 什么是创建混料试验设计?
  2. 何时使用创建混料试验设计?
  3. 正确使用创建混料试验设计的指南
  4. 替代方法:何时不宜使用创建混料试验设计
  5. 什么是分析混料试验设计?
  6. 何时使用分析混料试验设计?
  7. 正确使用分析混料试验设计的指南
  8. 替代方法:何时不宜使用分析混料试验设计
  9. 创建与分析混料试验设计示例
  10. 如何创建与分析混料试验设计

什么是创建混料试验设计?

创建混料试验设计用于生成这样一类试验方案:所研究的因子是配料比例,且比例之和必须等于某一固定常数,通常为 100% 或 1.0。在混料试验中,无法独立改变某一种配料而不影响其他配料,因为任何一种配料增加,都必须使至少另一种配料相应减少,才能保持总量固定。

标准析因设计无法处理这一约束。混料设计采用专门的设计结构,即 Simplex Lattice、Simplex Centroid 或 Extreme Vertices,能够正确探索可行的配料空间,并使每一次试验运行的设计点都满足混料约束。

简单定义:配方与配比试验的设计规划步骤——生成一组结构化的配料组合,其总和始终等于所需总量,从而找出使产品性能最优的理想配比。

何时使用创建混料试验设计?

  • 当因子表示 总和必须等于固定常数的配料比例 时使用,例如涂料配方、食品配方、药物化合物或化学混合物。
  • 当需要了解 改变配料的相对比例 如何影响产品质量、性能或特性时使用。
  • 当配料具有 上下限约束 时使用,例如某一组分在混合物中至少占 15%,但不超过 50%。
  • 当 过程变量(如搅拌速度或温度)与混料组分一同影响响应时使用。

正确使用创建混料试验设计的指南

  • 确保每次试验运行中所有配料比例 之和恰好等于规定总量,偏离该约束将产生无效数据。
  • 在选择设计类型之前,为每种配料设定 切合实际的上下限,不可行或过紧的约束可能导致试验空间为空或不切实际。
  • 存在配料约束时使用 Extreme Vertices,仅当可使用完整的无约束空间时才使用 Simplex Lattice 或 Centroid。
  • 配制混合物时应尽可能 准确,配料比例的微小误差会在各次试验中累积,降低模型的可靠性。
  • 随机化混合物的配制和测试顺序,以防止测量顺序、设备漂移或分析人员效应带来的系统性偏倚。

替代方法:何时不宜使用创建混料试验设计

  • 如果因子是 独立的过程变量,而不是总和为常数的比例,请使用 Create Factorial DoE 或 Create Definitive Screening Design
  • 如果因子既包含混料组分又包含过程变量,但希望分别分析,则应先 分别独立设计混料组分和过程组分,然后再合并。

什么是分析混料试验设计?

分析混料试验设计对混料试验收集的响应数据拟合一种专门的混料回归模型,即 Scheffé 多项式。与标准回归不同,混料模型正确考虑了所有配料比例之和必须为常数这一约束,并估计各单项配料及其两两或更高阶的混合组合如何影响响应。

该分析可识别哪些配料和混合交互作用显著,生成等高线图和迹线图,以直观展示整个混料空间的响应曲面,并生成运行 Response Optimizer 以寻找理想配比所需的拟合模型。

何时使用分析混料试验设计?

  • 在完成 混料设计试验 并记录了所配制混合物的全部响应测量值之后使用。
  • 用于识别哪些 配料及配料组合 对响应有显著影响。
  • 用于借助等高线图直观展示 整个混料空间的响应曲面,显示在配比空间的哪些位置响应最佳和最差。
  • 用于建立 预测模型,供 Response Optimizer 寻找最优配比配方时使用。

正确使用分析混料试验设计的指南

  • 从 科学上合理的最简模型 开始:先用 Linear,若预期存在混合效应则用 Quadratic,仅当怀疑存在强烈的三组分协同作用时才用 Special Cubic。
  • 在解读任何结果之前,先 全面检查残差图,残差非随机的模型不应用于优化配比配方。
  • 使用 R 方和调整 R 方 评估模型拟合程度,对有意义的响应,良好的混料模型通常 R 方高于 0.80。
  • 在投入生产之前,用 独立的验证配比 对模型识别出的最佳配比进行验证——务必通过试验验证预测结果。
  • 包含过程变量时,应检查 混料项和过程变量项两者 的显著性,不要为简化其中一类而牺牲另一类。

替代方法:何时不宜使用分析混料试验设计

  • 如果数据来自 标准析因试验而非混料设计,请改用 Analyse Factorial DoE,Scheffé 模型不适用于无约束的析因数据。
  • 如果响应是 二元或分类的,请使用 逻辑回归方法,而不是标准混料模型。

创建与分析混料试验设计示例

步骤如下:

  1. 在右侧面板 Design & Analysis Inputs 中输入必要的数据。
Create & Analyse Mixture DoE — figure 1

2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。

3. 要找到创建与分析混料试验设计,请选择 Statistical module> DOE>Create & Analyse Mixture DoE。

4. 点击 Step 1。在左侧面板的 Designed Experiments & Results下将生成混料设计矩阵。将响应(结果)变量作为新列添加到混料设计矩阵的末尾。

5. 在右侧面板的 Design & Analysis Inputs下,找到 Responses 选项。选择新添加的结果变量列,将其定义为响应变量。

6. 根据试验要求选择所需的 interaction terms。

7. 点击 Step 2,对所设计的试验进行分析。

Create & Analyse Mixture DoE — figure 2

8. 使用上述工具后,得到如下输出:

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

如何创建与分析混料试验设计

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> DOE>Create & Analyse Mixture DoE。
  3. 接下来,手动更新数据,或从 Excel 表格中复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  4. 接下来,需要填写必要的选项。
  5. 点击 Step 1。在左侧面板的 Designed Experiments & Results下将生成混料设计矩阵。将响应(结果)变量作为新列添加到混料设计矩阵的末尾。
  6. 在右侧面板的 Design & Analysis Inputs下,找到 Responses 选项。选择新添加的结果变量列,将其定义为响应变量。
  7. 根据试验要求选择所需的 interaction terms。
  8. 点击 Step 2,对所设计的试验进行分析。

创建与分析混料试验设计的工具界面分为两部分。

Create & Analyse Mixture DoE — figure 5

左侧为 Designed Experiments & Results。在 Designed Experiments & Results 中会生成设计的试验。

右侧提供以下选项:

  • Component Variable Table: 在此定义混合物中的每种配料。每一行代表配比中的一个组分,每一列记录该配料的一项特性。
    • Name: 为每种配料指定的标签,如 Water、Resin、Hardener 或 Pigment。请使用清晰、有描述性的名称,以便设计工作表和输出图表易于阅读和理解。
    • Low / High: 该变量将被测试的最低和最高水平(编码值默认为 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过 100%,则不存在有效的配比,设计无法生成。例如,若三种配料的下限均为 0.40,则仅下限之和就达 1.20,这是不可能的。
      • Sum of upper bounds must be greater than 1.0 —— 如果所有配料的最大允许量之和小于 100%,同样无法构成有效的配比。例如,若三种配料的上限均为 0.30,则上限之和仅为 0.90,意味着无法填满剩余的 0.10。
  • Process Variable Table (Optional): 如果试验除混料组分外还包含独立的过程条件,如混合时间、加工温度或固化压力,请在此定义这些变量。工具会将混料设计与过程变量的析因结构相结合,生成混料-过程组合设计,同时估计配料混合效应和过程效应。仅当试验在混料配料之外还包含独立的过程条件(如搅拌速度、温度、固化时间或压力)时,才需要填写此部分。每个过程变量需要三项输入:
    如果试验仅涉及配料比例而不涉及过程条件,请将此部分完全留空,直接进入下面的设计类型选择。
    • Name —— 变量的有意义标签(如 Temperature、Speed)
    • Low / High —— 该变量将被测试的最低和最高水平(编码值默认为 −1 和 +1)
  • Factorial Design: 添加过程变量后,此下拉菜单控制实际测试的过程变量组合占全部可能组合的比例。可用选项完全取决于 所输入的过程变量个数,工具会自动更新下拉菜单,仅显示对您的变量个数在统计上有效的比例。
    以下为按所输入过程变量个数显示的选项:
    已输入的过程变量可用的 Factorial Design 选项
    1 个变量
    仅 Full factorial
    2 个变量
    仅 Full factorial
    3 个变量
    Full factorial、Half factorial
    4 个变量
    Full factorial、Half factorial
    5 个变量
    Full factorial、Half factorial、Quarter factorial
    6 个变量
    Full factorial、Half factorial、Quarter factorial、Eighth factorial
    7 个变量
    Full factorial、Half factorial、Quarter factorial、Eighth factorial、Sixteenth factorial
    为什么会这样?
    只有在变量足够多、值得拆分时,部分析因设计才有统计意义。只有 1 个或 2 个过程变量时,全析因只有 2 次或 4 次运行,没有可有意义地进行部分实施的空间。随着变量个数增加,可用的比例也增多,因为因子组合足够多,可以拆分而不丢失重要信息。
    各 Factorial Design 选项的含义
    • Full Factorial: 测试过程变量各水平的所有可能组合。如果有 3 个过程变量,每个为 2 个水平,则为 8 次运行。可提供所有主效应和交互作用的完整信息。无论有多少个变量,始终可用。
    • Half Factorial: 测试所有可能组合的一半(比例 = 1/2)。与全析因相比,运行次数减少 50%。部分双因子交互作用会与主效应混杂。从 3 个变量起可用。
    • Quarter Factorial: 测试所有可能组合的四分之一(比例 = 1/4)。运行次数减少 75%。混杂程度更高,但主效应仍可估计。从 5 个变量起可用。
    • Eighth Factorial: 测试所有可能组合的八分之一(比例 = 1/8)。非常紧凑,主要用于存在大量过程变量且必须尽量减少运行次数的初步筛选。从 6 个变量起可用。
    • Sixteenth Factorial: 测试所有可能组合的十六分之一(比例 = 1/16)。这是可用的最大幅度缩减。通常只能清晰估计主效应,交互作用被严重混杂。仅当输入了 7 个或更多过程变量时可用。
  • Type Of Designs:
    • Simplex Lattice: 在混料单纯形上按规则间隔的比例放置设计点,根据所选的阶数,包括纯组分、二元混合物、三元混合物等。阶数越高,包含的设计点越多,可拟合的混合模型也越复杂。最适合在无配料约束的情况下研究完整的混料空间。
      • Lattice Degree: 控制每种配料可取多少个比例值(从 0 到 1),决定设计的复杂程度和可拟合的模型。
        • Degree 2 —— 取值:0、½、1。拟合 二次 模型。最适合以两两混合效应为主要关注点的初步研究。
        • Degree 3 —— 取值:0、⅓、⅔、1。拟合 特殊三次 模型。怀疑存在三组分交互作用时使用。
        • Degree 4 —— 取值:0、¼、½、¾、1。拟合 四次 模型。仅用于已确认高度非线性的混合,很少需要。
      • Axial Points: 位于每个组分的纯顶点与重心连线的中点,其中一种配料较高,其余配料均分。
        • Include when: 使用 Degree 2 且有 3–5 个组分、无法实现纯顶点,或需要更好的重心区域预测时。
        • Exclude when: 需要尽量减少运行次数、已使用 Degree 3/4、使用 6 个及以上组分,或约束过紧使轴点不可行时(请改用 Extreme Vertices)。
    • Simplex Centroid: 包含位于纯组分顶点、各二元混合物中点、各三元混合物重心以及整个混合物重心处的设计点。该设计对整个混料空间覆盖良好,并支持拟合能够反映成对及成组配料如何交互作用的模型。最适合在无配料约束时使用。
      • Axial Points: 位于每个组分的纯顶点与重心连线的中点,其中一种配料较高,其余配料均分。
        • Include when: 使用 Degree 2 且有 3–5 个组分、无法实现纯顶点,或需要更好的重心区域预测时。
        • Exclude when: 需要尽量减少运行次数、已使用 Degree 3/4、使用 6 个及以上组分,或约束过紧使轴点不可行时(请改用 Extreme Vertices)。
    • Extreme Vertices: 当一种或多种配料存在上限或下限约束,使可行的混料区域限制在完整单纯形的一个子空间内时使用。设计点放置在这一受约束可行区域的角点(顶点)、边中点和重心处,确保试验只探索实际可达的配比。存在配料约束时,这是正确的选择。
    • Responses: 输入需要从所配制混合物中测量的每个输出变量的名称和单位,如黏度、硬度、产率或保质期。可从同一组试验混合物中记录多个响应,从而通过一次试验同时优化多项产品特性。
    • Select Terms: 选择最终分析中要包含的混料模型项。常见选择包括 Linear(一阶混合)、Quadratic(两两混合交互作用)。从科学上合理的最简模型开始,仅在数据支持时才扩展。

常见问题

什么是混料设计?

混料设计是这样一类试验:所研究的因子是配料比例,其总和必须为固定总量,通常为 100% 或 1.0,例如涂料配方、食品配方、药物化合物或化学混合物。由于增加一种配料就意味着减少另一种,标准析因设计无法处理这一约束。

应选择哪种混料设计?

Simplex lattice 按规则间隔的比例放置设计点,格点阶数(2、3 或 4)决定可拟合的模型。Simplex centroid 使用纯组分、二元中点、三元重心以及整体重心。两者都适用于完整的无约束混料空间。当配料有上限或下限而限制了可行区域时,请使用 extreme vertices。

分析混料试验使用什么模型?

分析时拟合 Scheffé 多项式,它考虑了比例之和为常数这一约束,并估计各单项配料及其混合组合如何影响响应。从合理的最简模型开始:先用线性模型,若预期存在混合效应则用二次模型,仅当怀疑存在强烈的三组分协同作用时才用特殊三次模型。

组分的上下限必须满足哪些约束?

下限之和必须小于 1.0,上限之和必须大于 1.0,否则不存在有效的配比。例如,三种配料的下限均为 0.40,则其和为 1.20,这是不可能的。可以加入温度等过程变量,并以析因结构与混料设计相结合。