3. 约束条件识别与分类

在化工配方成本优化中，目标函数（通常是单位产品原料成本或综合成本）只是问题的一半，另一半是约束。约束条件决定了“哪些配方在物理上做得出来、在质量上卖得出去、在安全上开得起来、在采购上买得到”。如果约束漏项，优化器会给出一个数学上最优、工程上不可行的配方——例如把昂贵的主料压到极低、把廉价填充料推到极高，成本确实降了，但黏度、固含量或反应转化率早已越界。因此，约束识别与分类是建模前最关键的一步工作。

四类约束的物理含义与典型来源

工艺约束来自配方体系本身的加工可行性，它描述“混合、分散、反应、固化”这些过程对组分比例和操作窗口的限制。典型形式包括：组分质量分数上下限（如树脂体系里固化剂占比必须落在化学计量比附近的一个窄区间）、总和约束（各组分质量分数之和等于 1）、以及由黏度、pH、粒径等中间指标间接给出的边界。工艺约束往往是非线性的，例如黏度随填料体积分数呈指数上升，超过某一临界值后体系失去流动性。

质量约束来自产品标准和客户要求，通常以性能指标的形式出现：固含量 ≥ 55%、附着力达到 1 级、耐盐雾 ≥ 500 h、VOC ≤ 100 g/L。质量约束的难点在于它很少能写成组分的显式函数，多数要通过经验模型、回归式或试验数据拟合得到“性能—配比”关系，再转化为对决策变量的不等式约束。

安全约束来自法规与工艺安全，包括闪点、爆炸极限、毒性组分限量、放热反应温升上限等。它常常表现为对某些组分的硬性上限（如某溶剂占比不超过 15%），或对组合的禁止（强氧化剂与还原性组分不得同罐共存）。安全约束是不可协商的硬约束，不能像成本那样做权衡。

供应约束来自采购与库存现实：某原料本月可用量、最小起订量、供应商单一来源风险、批次间指标波动范围。它把“配方问题”与“供应链问题”耦合起来，典型表达为 Σ(用量) ≤ 可用库存，或某组分占比 ≥ 最小起订量折算的下限。

从“识别”到“表达”：把工程语言翻译成数学形式

识别出约束只是第一步，真正决定模型质量的是表达方式。建议按“变量定义—约束形式—参数来源”三步走。先明确决策变量：设配方含 n 个组分，x_i 为第 i 个组分的质量分数（i = 1…n），则总和约束为 Σx_i = 1，x_i ≥ 0。再逐条把四类约束写成不等式或等式，并标注每条约束的参数来源（标准文件、试验拟合、库存台账、法规限值）。参数来源必须可追溯，否则优化结果无法被工艺和质量部门接受。

以一个水性丙烯酸涂料配方为例（以下数值为教学示例假设，非实测）：设乳液 A、钛白粉 B、碳酸钙 C、成膜助剂 D、水 E 五个组分。工艺约束给出 A 在 35%–50%、B 在 12%–22%、C 在 5%–18%、D 在 2%–6%；质量约束要求固含量 ≥ 55%，而固含量近似为 A+B+C+D 之和（水为挥发分），于是得到 Σ(A,B,C,D) ≥ 0.55；安全约束要求成膜助剂 D ≤ 6%（与工艺上限重合，取更严者）；供应约束给出本月 B 的可用量折算后占比不超过 20%。把这些写在一起，就形成了一个带线性约束的小型线性规划，可直接用求解器处理。

变量: xA, xB, xC, xD, xE  (质量分数)
总和: xA+xB+xC+xD+xE = 1
工艺: 0.35≤xA≤0.50; 0.12≤xB≤0.22; 0.05≤xC≤0.18; 0.02≤xD≤0.06
质量: xA+xB+xC+xD ≥ 0.55
安全: xD ≤ 0.06
供应: xB ≤ 0.20
目标: min cA·xA + cB·xB + cC·xC + cD·xD + cE·xE

约束冲突的排查与优先级处理

实际建模中最常见的问题不是“没有约束”，而是“约束互相打架”。例如固含量要求 ≥ 55%，但乳液上限 50%、填料上限合计 40%，若成膜助剂又被安全约束压到 6%，则 50+22+18+6 = 96%，看似可行，但一旦供应约束把 B 压到 20%，上限变为 94%，仍可行；真正冲突往往出现在下限侧：若固含量下限提高而各组分上限不变，可行域会收缩甚至为空。排查方法是先做约束可行性预检——把所有上限相加、下限相加，分别与总和约束和目标指标比较，快速判断是否存在明显矛盾；再用求解器的不可行性诊断定位是哪几条约束共同导致空集。

处理冲突时应坚持优先级：安全约束与法规约束为硬约束，绝不放宽；质量约束中涉及产品标准强制条款的同样视为硬约束；工艺约束可在小范围内通过调整工艺参数（如提高分散时间、更换分散设备）适度放宽；供应约束属于可协商项，可通过替代供应商、调整采购批量来缓解。把这一优先级写进模型，可以用罚函数或分层求解实现：先满足硬约束求可行解，再在可行域内优化成本。

表达中的两个易错点

其一是量纲与基准不统一。配方常同时出现质量分数、体积分数、每百份树脂份数（phr）等基准，若混用会导致总和约束失效。建模前必须统一到同一基准，并在文档中注明。其二是把非线性约束强行线性化而丢失关键边界。例如黏度对填料含量高度非线性，若简单用线性上限替代，优化器可能给出接近临界点的配方，实际生产时因批次波动而超限。稳妥做法是在线性模型给出的最优点附近，用经验模型复核非线性指标，必要时收紧边界留出安全余量。

约束梳理的最终产出，是一组可计算、可追溯、带优先级的约束集合。它让成本优化从“试配方”变成“在明确边界内寻优”，也让每一次配方调整都有据可查、有界可守。