4. 配方实验设计（DOE）入门

配方研发的难点不在于“找到一个能用的点”，而在于“找到在波动下仍然能用的区域”。多组分配方中，树脂、填料、增塑剂、稳定剂、溶剂等组分同时变化，任何一个组分的微小偏移都可能通过交互作用放大或抵消。DOE（试验设计）正是用最少的试验次数，把主效应、交互作用和波动敏感性分离出来的工具。本节从筛选实验讲到析因设计，并用一个三组分示例完成波动敏感性分析。

一、先筛选，再析因：两种设计的分工

多组分配方往往候选因子多（5～10个），但真正影响性能的只有少数几个。此时应先用筛选设计（如部分析因、Plackett-Burman设计）以8～12次试验粗筛因子，把效应量明显偏小的因子剔除或固定；再用全析因或部分析因设计对保留的2～4个关键因子做精细研究，识别交互作用并建立响应模型。筛选阶段允许主效应与二阶交互混杂，目的是“排序”而非“精确建模”；析因阶段则要求效应可估计、可检验。

因子水平的选择要贴近实际波动范围：低水平取工艺下限，高水平取上限，中心点取标称值。若水平范围过窄，效应会被噪声淹没；过宽则可能引入非线性甚至失效，导致模型失真。一般建议水平跨度覆盖±3σ的工艺波动，并设置2～3个中心点重复以估计纯误差。

二、主效应与交互作用的识别

主效应指某因子水平从低到高变化时响应的平均改变量；交互作用指一个因子的效应随另一因子水平而改变。以三组分示例说明：设A为增塑剂份数（2→6份）、B为填料份数（10→30份）、C为稳定剂份数（0.5→1.5份），响应为拉伸强度（MPa）。采用2³全析因加2个中心点，共10次试验（示例数据为教学假设，非实测）。

按效应公式 E = (高水平和 − 低水平和)/4 计算：A的主效应约为 −2.4 MPa（增塑剂增加使强度下降），B的主效应约为 +3.9 MPa（填料补强），C的主效应约为 +0.4 MPa（稳定剂影响很小）。交互作用AB约为 +0.4 MPa，AC约为 −0.1 MPa，BC约为 +0.2 MPa。可见B是主导因子，A次之，C可固定为1.0份以简化后续研究；AB虽不大但为正，说明高填料时增塑剂的削弱作用被部分抵消，这正是单因子试验无法看出的信息。

三、波动敏感性分析：从模型到稳健区

得到模型后，把因子波动代入即可评估敏感性。以编码变量拟合的一阶模型（含AB交互）为例：

y = 19.4 − 1.2·A + 1.95·B + 0.2·C + 0.2·A·B
（A、B、C为编码值，±1对应水平上下限）

若工艺波动为A±0.25编码单位（约±0.5份）、B±0.2编码单位（约±2份），则响应标准差近似为：

σ_y ≈ sqrt[(∂y/∂A·σ_A)² + (∂y/∂B·σ_B)²]
∂y/∂A = −1.2 + 0.2B，∂y/∂B = 1.95 + 0.2A
在中心点(A=0,B=0)：σ_y ≈ sqrt[(1.2×0.25)² + (1.95×0.2)²] ≈ 0.49 MPa

若规格下限为18.0 MPa，中心点均值19.4 MPa，则能力指数 Cpk ≈ (19.4−18.0)/(3×0.49) ≈ 0.95，处于临界水平。此时可通过把B标称值上调至+0.3编码单位（约26份），使均值升至约20.0 MPa，同时∂y/∂A略增，需权衡。更稳妥的做法是收窄A的波动（如将增塑剂计量精度从±0.5份提高到±0.2份），使σ_y降至约0.35 MPa，Cpk提升至约1.3。这正是DOE从“找最优点”走向“找稳健区”的价值：不是追求单点最优，而是让配方在波动带内仍落在规格内。