2. 配方波动源识别与量化

配方稳健设计的第一步不是“调配方”，而是把波动看清楚。同一份配方单，在实验室小试中稳定，到了车间却时好时坏，原因往往不在配方本身，而在于配方所依赖的输入条件在变化。波动源识别要回答两个问题：哪些因素在变？它们各自变了多少、往哪个方向变？量化则进一步回答：这些变化如何沿工艺链传递，最终在哪个质量指标上被放大或衰减。

一、波动源的分类框架

工程上通常按“来源属性”把波动源分为四类，这一分类直接决定了后续的采集方式和控制手段。

• 原料批次差异：同一供应商不同批次的有效含量、粒径分布、含水率、杂质谱、黏度等指标漂移。例如某乳液型增稠剂标示固含 30%，实际批次在 28.5%～31.2% 之间波动，直接改变体系的有效添加量。
• 计量误差：称量设备精度、量程选择不当、物料挂壁、液体密度随温度变化、人工读数偏差。小料尤其敏感——1 kg 总量中称 2 g 助剂，0.1 g 的误差就是 5%。
• 混合不均：加料顺序、搅拌转速与时间、桨型与釜体匹配、高黏体系局部死区、粉体团聚未打开。宏观均匀不等于微观均匀。
• 环境温湿度：车间温度影响黏度与反应速率，湿度影响吸湿性粉体的实际含水与称量准确性，季节变化常表现为“夏天一批、冬天一批”的系统性偏移。

除上述四类，还应关注设备状态漂移（如计量泵磨损、搅拌桨结垢）和操作者差异（不同班组对“搅到均匀”的判断不同）。这两类常被归入“人机料法环”中的机与法，但在量化时同样要作为独立因子处理。

二、从识别到量化：三个层次的工具

第一层是描述性量化。对每个候选波动源，用历史批次数据计算均值、标准差和变异系数 CV，判断其相对离散程度。CV 的好处是消除了量纲和量级差异，便于横向比较：原料含水率 CV 为 3%，而计量误差 CV 为 1.5%，说明前者更值得优先控制。对只有少量批次的情况，可用极差 R 与均值之比做粗估。

第二层是贡献度量化。当多个波动源同时存在时，需要判断谁对最终指标贡献最大。常用手段包括：对历史数据做相关分析或回归，看哪个输入变量与输出指标的相关系数最高；或设计简单的析因试验，把原料含量、计量偏差、搅拌时间各取高低两水平，用 2³ 设计估计主效应。示例：某涂料黏度波动的析因试验（数据为教学假设）显示，原料固含主效应为 8.2 KU，搅拌时间主效应为 2.1 KU，计量偏差主效应为 1.4 KU，则控制优先级应为原料固含 > 搅拌时间 > 计量偏差。

第三层是传递链量化。波动不会孤立存在，而是沿“原料 → 计量 → 混合 → 成型/固化 → 检测”逐级传递，有的环节放大，有的环节衰减。传递链分析的核心是写出每一环节的灵敏度系数，即输入相对变化引起输出相对变化的倍数。若某环节灵敏度系数大于 1，说明该环节是放大器，应重点设防；小于 1 则是缓冲环节。

三、波动传递链的图示与判读

下图把四类波动源、三个工艺环节和最终质量指标串成一条传递链，并在关键节点标注了示例灵敏度系数与放大/衰减属性，便于判断设防重点。

读图要点有三：其一，原料批次差异同时进入计量与混合两个环节，是“多点注入”的源，控制收益最高；其二，固化/成型环节灵敏度系数最大，说明即便前面控制得不错，此处温度或时间漂移仍会显著放大波动；其三，总灵敏度为各环节系数之积，本例约 1.34，意味着原料端 3% 的 CV 传到成品端可能被放大到约 4%，与实测的黏度波动幅度可以相互印证。

四、把量化结果转成控制动作

量化不是目的，设防才是。根据传递链结果，可形成一张“波动源—量化值—设防措施”的对应关系：对 CV 高且灵敏度系数大于 1 的源，采取来料检验加严、供应商指标收紧或配方中引入补偿项；对计量环节，改用合适量程的秤、对小料实行预稀释或称量复核；对混合环节，用搅拌功率或时间作为放行判据而非凭经验；对环境环节，则通过车间温湿度记录与批次质量做趋势对照，识别季节性偏移。

需要强调的是，量化工具的选择应与数据量匹配。批次数据充足时用 CV 与回归；数据稀少时用析因试验主动制造差异；连试验条件都不具备时，至少完成传递链的定性梳理，标出放大环节，作为后续验证的假设。识别—量化—设防三步走完，配方稳健设计才有了可操作的起点。