3. 因素筛选的工程判断

在配方设计中，因素水平表一旦铺开，很容易陷入“什么都想调”的困境。一个含6个组分、每个组分取3个水平的体系，全因子试验需要729次，这在工程上几乎不可行。因素筛选的本质，是在试验资源受限的前提下，用尽可能低的成本把“大概率无关”的变量先剔除，把试验预算集中到真正影响响应指标的少数关键变量上。本节讨论的不是统计筛选算法本身，而是工程判断的三条证据来源——机理分析、历史数据、专家经验——如何协同工作，形成一份可执行的因素取舍决策。

三条证据链各自能回答什么问题

机理分析回答“这个因素在物理化学上有没有可能影响响应”。它不依赖数据，靠的是对体系的理解。例如在环氧胶粘剂配方中，固化剂用量直接影响交联密度，进而影响剪切强度，这是明确的机理通路；而颜料粒径对固化放热峰温度的影响，在无催化活性的前提下机理通路很弱，可以优先降级。机理分析的价值在于它能排除“数据上碰巧显著但缺乏因果解释”的伪因素，也能提示“数据上不显著但机理上必须保留”的潜在交互项。

历史数据回答“过去类似体系里这个因素实际表现出多大影响”。历史数据的用法不是直接套用显著性结论，而是提取效应量级和方向。例如从过去5个同类配方项目中统计各因素对黏度的影响幅度，若某因素在多个项目中效应量都小于响应波动的1/3，则在本轮筛选中可列为次要因素。需要注意历史数据的适用边界：体系组成、工艺窗口、原料批次是否可比，决定了数据能借用到什么程度。

专家经验回答“在机理和数据都没覆盖到的地方，哪些因素值得警惕”。经验的价值往往体现在交互作用和边界条件上，比如“这个填料和偶联剂一起用时才有明显效果”“超过某温度后这个因素才起作用”。经验判断主观性强，应当作为补充证据而非唯一依据，且需要明确记录判断理由，便于后续复盘。

把三条证据合成一张筛选决策表

实际操作中，建议把候选因素逐条列出，分别标注三条证据的判断结果，再给出取舍结论。下面是一份针对某溶剂型丙烯酸压敏胶配方筛选的示例决策表（示例参数为教学假设，非实测数据）：

这张表的关键不是格式，而是每条结论都必须有证据支撑，并且对“排除”和“降级”要区分清楚：排除是彻底不进入试验设计；降级是固定在某一名义值上，不再作为变量，但仍需在后续验证中确认固定值合理。降级往往比排除更稳妥，因为它保留了回退空间。

筛选过程中的两个常见误判

第一类误判是把“没数据”当成“没影响”。历史数据缺失只说明证据不足，不说明因素无关。对这类因素，正确做法是标记为“待定”，在小规模预试验中用最少的试验点快速探查，而不是直接排除。第二类误判是忽视因素间的交互。两个单独看效应都很小的因素，组合起来可能产生显著交互，尤其在有协同机理的体系中（如偶联剂与填料表面处理）。因此筛选阶段对机理上存在耦合关系的因素对，应成组保留或成组排除，不要拆散。

从筛选到试验设计的衔接

筛选完成后，保留的关键因素进入下一阶段的试验设计。此时需要确认两件事：一是保留因素的水平范围是否覆盖了工程上有意义的区间，二是固定下来的因素取值是否处于合理工艺窗口内。若保留因素仍有4个以上，可考虑先用部分因子设计或Plackett-Burman设计做一轮主效应筛查，再对确认显著的因素做响应面优化。筛选阶段排除的因素并非永久排除，当响应出现异常或体系变更时，应重新评估其是否被误判。

把上述流程落到项目节奏上，通常在一次配方开发启动会上完成初筛，形成决策表；随后用2～3个预试验点验证“待定”因素；确认后锁定因素清单，再进入正式试验设计。整个筛选环节的产出不是一张表，而是一份带有证据和假设记录的取舍说明，它决定了后续所有试验投入的方向是否正确。