1 基本概念
1.1 定义
混料设计是一类专门研究“各组分比例”如何影响响应结果的试验设计方法。其核心特征在于，实验因素不是彼此独立的普通变量，而是多个成分在总和固定条件下进行变化，例如总比例必须等于 100% 或 1。因而，某一组分比例的增加，通常意味着其他组分比例必须相应减少。
混料设计常用于建立配方组成与性能指标之间的数学关系，并据此寻找较优配比、评估组分之间的协同或替代作用，以及预测未测试配方的表现。
1.2 适用场景
混料设计适用于那些“配方本身就是研究对象”的问题。在这类问题中，关注点通常不是单个因素的绝对取值，而是各成分之间的比例关系及其对最终结果的共同影响。
1.2.1 配方优化
在食品、材料、化工等领域，研究者往往需要在多个原料之间寻找兼顾成本、口感、强度或稳定性的最佳组合。混料设计可用来比较不同配比下的性能差异，并在有限试验中逐步逼近理想方案。
1.2.2 工艺开发
在工艺开发阶段，某些体系的关键问题并非温度、时间等工艺参数，而是原料组成的搭配方式。混料设计能够帮助开发人员快速识别哪些组分组合更有利于工艺顺利进行或产品质量稳定。
1.2.3 产品替代与改良
当某种原料需要被替换、减少或改良时，混料设计常用于评估替代组分的可行性。通过比较不同替代比例对性能的影响，可以判断新方案是否能够维持原有功能，或在某些方面实现提升。
1.3 与常规因子设计的区别
混料设计与常规因子设计在建模方式和解释逻辑上存在明显差异。前者处理的是受总量约束的比例变量，后者则更多关注可独立设定的因素水平。
1.3.1 总量约束
在混料设计中，各组分之和必须保持恒定，因此变量之间天然存在约束关系。常规因子设计通常没有这种“此增彼减”的结构，因素可以在各自范围内单独变化。
1.3.2 变量相关性
由于总量固定，混料中的组分并不是统计意义上的独立变量。一个成分的变化会连带影响其他成分，使得数据分析和模型构建需要采用专门的混料模型，而不能简单套用一般回归思路。
1.3.3 设计解释方式
常规因子设计往往解释“某因素增加或减少多少会带来什么变化”，而混料设计更强调“某种配比结构”对应的整体响应。其结果解释通常围绕配方组合、协同作用和替代效应展开。
2 理论基础
2.1 比例约束原理
混料设计的基础是比例约束原理，即所有组分的比例之和必须等于固定值。该约束决定了可行解空间不是普通的矩形区域，而是位于超平面上的一个有限子区域。也正因为如此，混料试验点的分布方式与普通实验设计显著不同。
2.2 响应面思想
混料设计借用了响应面方法的基本思想，即通过有限数量的试验点去近似描述输入变量与响应之间的函数关系。不同之处在于，混料问题中的自变量受到总量约束，因此响应面的形态与解释方式更具特殊性。
2.2.1 组分-响应关系
在混料系统中，响应值通常由各组分的比例及其组合方式共同决定。某些组分可能直接提升性能，另一些则可能在特定组合中才产生显著作用，因此需要通过建模来揭示这些关系。
2.2.2 非线性效应
配方体系中的影响往往不是线性的。少量成分的增加可能带来较大变化，而某些组分在低比例与高比例下的作用也可能截然不同。混料设计通过引入二次项或更高阶项，刻画这种非线性特征。
2.3 模型表示
混料模型通常以各组分比例及其相互作用项为基础，建立响应的预测公式。根据系统复杂度和试验数据量不同，可采用不同阶次的模型。
2.3.1 线性混料模型
线性模型主要描述各组分对响应的直接贡献，形式相对简单，适合初步探索或关系近似线性的场景。它能够提供基本趋势判断，但对复杂体系的拟合能力有限。
2.3.2 二次混料模型
二次模型在组分主效应之外加入交互项，能够刻画组分间的协同、抑制或替代关系，是实际应用中较常见的模型类型之一。对于多数配方优化问题，这类模型往往具有较好的平衡性。
2.3.3 高阶混料模型
当体系关系更复杂时，可考虑高阶模型以提高拟合精度。不过，高阶模型对实验数量要求更高，也更容易出现过拟合，因此通常需要结合实际解释能力谨慎使用。
3 设计类型
3.1 简单格点设计
简单格点设计是在规定的比例网格上选取实验点，适合组分数量较少、约束清晰的情况。它的优点是结构规整、便于理解，但当组分增多时，实验点会迅速增加。
3.2 顶点设计
顶点设计主要选择可行区域的顶点作为实验点，即各组分取极端比例的位置。它有助于快速捕捉配方边界上的响应变化，常用于初步筛查和范围较窄的优化研究。
3.3 极端顶点设计
极端顶点设计在顶点设计的基础上进一步考虑各组分上下限约束，从而生成可行区域的极端点集合。该方法特别适用于实际配方受严格限制的场景，例如某些原料不能低于最低添加量，也不能超过上限。
3.4 D最优混料设计
D最优混料设计是一种基于信息准则的定制化设计方法，目标是在给定约束下最大化模型参数估计的精度。它适合实验成本较高、可行区域不规则或无法采用标准设计模板的情况。
3.5 其他常见设计
除上述方法外，混料设计还包括若干用于不同结构和目标的变体，它们通常在可行域形状、模型要求或实验效率方面各有侧重。
3.5.1 重心设计
重心设计强调在配方中心附近布点，适用于希望重点考察中间配比区域的情形。它有助于观察体系的平均行为和内部变化趋势。
3.5.2 组团设计
组团设计将某些组分按功能或来源分组，再在组内、组间分别研究比例变化。此类方法适合成分较多、结构层次明显的复杂配方。
3.5.3 定制设计
定制设计是根据具体研究目标、约束条件和预算限制专门生成的实验方案。它的灵活性较高，常用于实际工程中不规则、非标准的混料问题。
4 设计实施
4.1 变量与约束设定
混料设计实施的第一步，是明确各组分的定义、作用范围及总量约束。若设定不清，后续模型和结论都可能缺乏可解释性。
4.1.1 组分上下限
实际配方中，每个组分往往存在可接受范围。下限通常与功能需求或工艺可行性相关，上限则受稳定性、成本或法规条件限制。合理设定上下限是保证设计有效的前提。
4.1.2 固定组分与可变组分
有些混料体系中，部分成分保持固定，仅对其余成分比例进行优化。此时需要区分固定组分与可变组分，以避免设计空间设定错误，并提高模型分析的针对性。
4.2 实验点选择
实验点的选择决定了设计能否有效覆盖可行区域，并充分反映组分变化对响应的影响。良好的点位布局通常兼顾边界、内部和重复测量。
4.2.1 边界点
边界点位于可行区域的边缘，能够揭示极端配比下的性能变化。它们对判断配方上限、下限及临界行为很有帮助。
4.2.2 内部点
内部点位于可行区域内部，主要用于补充模型信息、提高拟合稳定性，并改善对中间配比区域的预测能力。
4.2.3 重复点
重复点用于估计实验误差和检验结果稳定性。它们尤其适合在响应波动较大或测量误差不易忽略的实验中使用。
4.3 实验随机化与区组化
在实际实施中，实验顺序通常需要随机化，以减少时间顺序、设备状态或操作偏差带来的系统误差。若实验量较大或条件存在明显分批特征，则可采用区组化处理，以控制批次差异对结果的干扰。
5 数据分析
5.1 模型拟合
混料数据分析通常从模型拟合开始，即用试验数据估计响应与组分比例之间的关系。拟合过程中需要根据实验设计和数据特征选择合适的模型阶次，并兼顾拟合优度与可解释性。
5.2 方差分析
方差分析可用于评估模型整体是否显著，以及各项解释变量是否对响应有贡献。通过比较模型解释的变异与误差变异，可以判断所建模型是否具有统计意义。
5.3 显著性检验
显著性检验常用于识别哪些组分或交互项真正影响响应。对于高维配方问题，这一步有助于筛选关键因子，避免模型过于冗杂。
5.4 残差诊断
残差诊断用于检查模型是否存在系统性偏差，例如非线性未被充分刻画、异方差或异常点影响等。若残差呈现明显结构，往往说明当前模型或设计仍需调整。
5.5 响应优化
在完成建模后，通常需要基于模型寻找满足目标的最优配比。优化过程可以围绕单一指标展开，也可以兼顾多个指标和约束条件。
5.5.1 单目标优化
单目标优化聚焦于一个核心响应，例如强度最大、成本最低或口感最好。该方式逻辑清晰，适合目标明确的配方研究。
5.5.2 多目标优化
多目标优化用于同时平衡多个响应，如性能、稳定性、口感和成本。由于多个目标可能相互冲突，通常需要采用综合评价或权重方法进行折中。
5.5.3 约束条件下优化
实际应用中，最优配比往往不能脱离工艺和法规约束。约束条件下优化就是在满足配方边界、原料可得性和质量要求的前提下，寻找最优或近优解。
6 应用领域
6.1 食品科学
食品领域是混料设计应用非常广泛的场景之一。原料之间的比例变化会直接影响风味、结构、颜色和保质性，因此该方法常用于食品研发与改良。
6.1.1 口感优化
通过调整甜味剂、油脂、增稠剂、乳化剂等成分比例，可以改善食品的口感、黏度或组织状态。混料设计可帮助研究者找到更均衡的风味结构。
6.1.2 配方稳定性
食品体系对储藏条件和加工过程较为敏感。混料设计可用于分析不同配比对分层、沉淀、氧化或质构变化的影响，从而提高产品稳定性。
6.2 材料科学
在材料开发中，原料配比往往决定最终材料的强度、柔韧性、耐热性或导电性。混料设计因此常被用于复合材料与功能材料研究。
6.2.1 复合材料配比
通过研究树脂、填料、增强相等组分的比例关系，可以优化复合材料的综合性能。该方法有助于在轻量化、强度和加工性之间找到平衡。
6.2.2 胶黏剂与涂层
胶黏剂和涂层体系通常由多种成分组成，如主体树脂、增塑剂、固化剂和助剂。混料设计可用于提升附着力、耐久性和表面质量。
6.3 化学与制药
化学合成和制药领域中，配方组成对反应效率、纯度以及最终产品质量具有重要影响。混料设计可辅助确定更合适的物料搭配方式。
6.3.1 反应体系配方
在某些化学体系中，溶剂、催化剂、助剂或反应物比例会显著影响反应结果。借助混料设计，可以更系统地考察各成分组合对转化率和选择性的作用。
6.3.2 辅料比例优化
药物制剂中，辅料的比例关系会影响片剂硬度、崩解性、释放行为和储存稳定性。混料设计常用于优化处方，以提高制剂性能和一致性。
6.4 日化与消费品
洗护用品、清洁剂、香氛产品和个人护理用品都属于典型的多组分配方体系。混料设计可用于改善泡沫、清洁力、肤感、香气持久度等体验指标。
7 优势与局限
7.1 优势
混料设计的主要价值在于，它能以较少实验揭示复杂配方系统的规律，并为配方优化提供可量化依据。
7.1.1 节省实验次数
相比逐一穷举各种配比，混料设计通常能在较少试验下获得足够信息，从而降低时间和成本消耗。
7.1.2 适合配方问题
由于其天然面向比例变量，混料设计特别适合处理食品、材料、制剂等配方型问题，应用场景十分明确。
7.1.3 有助于全局优化
混料设计不只关注局部变化，还能够在整个可行区域内比较不同配比的表现，因此更有利于寻找整体上较优的方案。
7.2 局限
尽管实用性很强，混料设计也存在一定限制，尤其是在模型假设、设计空间和变量规模方面。
7.2.1 对模型依赖较强
结果解释高度依赖所选模型是否恰当。若模型阶次过低，可能遗漏关键关系；若过高，则可能引入不稳定或过拟合问题。
7.2.2 设计空间受限
由于总量约束和上下限约束并存，可行区域往往不如普通因子设计直观，且实验点布局受限较多，设计灵活度相对较低。
7.2.3 高维问题复杂度高
当组分数量增多时，实验点数、模型项数和分析难度都会显著上升。此时不仅设计成本增加，结果解释也会更复杂。
8 常用软件与工具
8.1 统计软件支持
许多统计软件都提供混料设计相关功能，可用于生成实验方案、拟合模型和进行优化分析。常见工具通常支持标准设计、约束设定和结果检验。
8.2 设计与可视化工具
除数据分析外，混料设计还常借助可视化工具展示配比空间、响应曲面和等高线图。这类图形有助于直观理解组分变化与性能之间的关系。
8.3 结果解释与报告输出
在实际项目中，软件不仅用于计算，还用于生成可读性较强的分析报告。报告通常包括设计说明、模型结果、显著项解释以及推荐配方方案，便于研究人员和工程人员沟通。
9 相关概念
9.1 因子设计
因子设计是一类研究多个可独立变化因素对响应影响的试验方法，与混料设计相比，更适合没有总量约束的实验情境。
9.2 响应面法
响应面法通过建立输入与输出之间的近似模型，研究变量对响应的影响并寻找最优条件，是混料设计的重要理论来源之一。
9.3 配方优化
配方优化指在多个组分之间调整比例，以获得更优性能、成本或稳定性的过程，是混料设计最典型的应用方向。
9.4 多目标决策
多目标决策用于在多个相互制约的目标之间进行权衡，常见于需要同时考虑性能、经济性和工艺约束的配方研究中。