1. 首页 > 数智科技 >

别再盲目试配方了：材料研发如何真正用好DOE？

user3534 • • 数智科技 •
在材料研发过程中，我们经常看到两种情况：一种是“单因素试验”，今天改树脂，明天改温度，后天改助剂；另一种是“经验堆方案”，一次排十几个样品，但每个样品都改了很多变量，最后只能说“这个方案好像更好”，却

在材料研发过程中，我们经常看到两种情况：一种是“单因素试验”，今天改树脂，明天改温度，后天改助剂；另一种是“经验堆方案”，一次排十几个样品，但每个样品都改了很多变量，最后只能说“这个方案好像更好”，却说不清楚到底是谁起了作用。

这正是试验设计（Design of Experiments，DOE）要解决的问题。

很多材料研发人员都听过DOE，但真正用对的人并不多。DOE的目的不是把实验做得更复杂，而是用更少、更有结构的实验，看清楚变量之间的关系：哪些因素真正重要？哪些因素只是噪声？哪些因素单独看不明显，但和另一个因素组合后会显著影响性能？最终的工艺窗口在哪里？

美国国家标准与技术研究院（NIST）的工程统计手册中，将DOE放在过程改进体系下，强调从设定目标、选择变量和水平，到选择试验设计、分析响应，再到优化和验证的完整流程。DOE并不是一个表格工具，而是一套“用数据理解过程”的方法。

一、DOE到底是什么？不是多做实验，而是有结构地做实验

简单说，试验设计（DOE）是一种有计划地安排实验条件、系统改变关键因素，并通过统计方法分析“输入变量”和“输出响应”之间关系的方法。

这里的“输入变量”，可以是配方组成，也可以是工艺参数、设备条件、环境条件或过程状态；“输出响应”，则是研发人员真正关心的性能指标、质量指标、可靠性指标或成本指标。

对于材料研发而言，DOE真正要解决的不是“多做几个样品”，而是让实验具有结构性和可解释性。它希望回答的问题包括：哪些因素真正影响结果？哪些因素只是表面相关，实际并不显著？哪些因素之间存在交互作用？响应变化是线性的，还是存在最佳区间？最终能否形成稳定、可制造、可放大的配方或工艺窗口？

这也是DOE和普通排样最大的区别。普通排样往往关注“哪个样品结果最好”，但DOE更关注“为什么这个样品好”。如果只看单个样品结果，研发人员可能只能得到一个经验方案；如果看清楚因素、交互作用和响应趋势，就有可能形成可复用的方法和窗口。

传统单因素试验一次只改变一个变量，优点是直观，适合早期摸底；缺点是很难识别变量之间的组合效应。在材料体系中，性能往往不是由某一个因素单独决定的，而是由配方、工艺、结构和测试条件共同作用的结果。某个因素单独看可能影响不大，但与另一个因素组合后，可能会显著改变强度、流动性、稳定性、缺陷率或良率。

NIST对全因子设计的解释中指出，全因子设计会考察每个因素水平与其他因素水平的所有组合，因此能够理解多个因素同时变化时的影响。这正是DOE相比“拍脑袋排样”和单因素试验的核心价值：它不是只告诉你哪个样品最好，而是帮助你理解变量、响应和工艺窗口之间的关系。

二、材料研发为什么特别需要DOE？

材料研发有三个特点，使DOE非常重要。

第一，变量多。材料性能往往由配方、工艺、结构和测试条件共同决定。比如玻纤增强尼龙的力学性能，不仅取决于玻纤类型、树脂牌号和配方体系，也取决于挤出剪切、注塑温度、保压压力、纤维长度保留和界面结合状态。

第二，响应多。材料产品很少只追求一个指标。拉伸强度高，不代表冲击好；粘度低，不代表稳定性好；膜厚均匀，不代表缺陷少。研发人员真正要找的是多指标平衡。

第三，交互作用强。材料体系中经常存在“单独看不明显，组合后很关键”的因素。例如偶联剂与树脂极性、乳液软硬段与干燥温度、涂料分散剂与颜填料表面性质、薄膜沉积温度与退火气氛之间，都可能存在强交互作用。

所以，材料研发做DOE，不是为了让报告更像六西格玛，而是为了少走弯路。

三、别急着排正交表：DOE开始前先想清楚五件事

很多人第一次做DOE容易犯一个错误：一上来就把所有因素全部放进去，做一个很大的正交表或全因子表。结果样品很多、测试很累、结论却不清楚。

正确做法应该是分阶段。

1. 先定义问题：你到底想优化什么？

DOE之前，最重要的是把问题说清楚。

不要写“优化配方”。要写成提高PA66/GF30复合材料的缺口冲击强度，同时保持拉伸强度不低于某一水平；提高涂层附着力和耐盐雾，同时控制施工粘度；降低薄膜电阻率，同时控制膜厚均匀性和缺陷密度。

目标越具体，DOE越有效。

2. 再列变量：控制因素、噪声因素、限制条件分开

材料DOE里，变量不能简单堆在一起。至少要分三类：

控制因素，是研发人员可以主动调节的变量，如配方比例、温度、时间、pH、转速、压力等。

噪声因素，是实际生产或应用中不可避免的波动，如原料批次、环境湿度、干燥程度、设备差异、测试人员差异等。

限制条件，是不能突破的边界，如总配比必须为100%，固含不能超过设备允许范围，粘度不能超过涂覆窗口，温度不能导致树脂降解等。

这一步很关键。因为配方DOE和普通工艺DOE不一样。配方中各组分比例相互制约，A多了，B或C就必须少，这类问题更适合混料设计，而不是普通全因子设计。Minitab在混料设计说明中也强调，混料实验用于研究多个组分比例如何影响响应，并可通过等高线图、响应曲面图等方式观察设计空间。

3. 选择合适的DOE类型

不同研发阶段，适合不同DOE。

早期筛选阶段，变量很多但不知道谁重要，可以用部分因子设计、Plackett-Burman设计或筛选设计，先找关键因素。NIST指出，合理选择的二水平部分因子设计具有平衡和正交等优点，适合在实验资源有限时筛选因素。

中期优化阶段，关键因素已经缩小到2—4个，可以用响应面法（Response Surface Methodology，RSM），观察曲率和最优窗口。NIST说明，响应面设计可用于寻找改进或最优工艺设置，也可用于诊断工艺弱点。

配方比例阶段，尤其是树脂、助剂、填料、溶剂、单体比例之和固定的体系，应优先考虑混料设计。

量产稳健性阶段，如果关心产品对批次、温湿度、设备波动是否敏感，可以考虑田口方法或稳健参数设计。田口方法的核心思想之一，是通过参数设计降低系统对不可控噪声因素的敏感性。

4. 先确认测试系统：数据不稳，DOE也会失真

DOE最怕的是：设计得很好，测试很差。如果拉伸强度本身波动很大，乳液粘度测试重复性差，涂层厚度控制不住，薄膜电阻测试位置差异明显，那么DOE分析出来的“显著因素”可能只是测试误差。

所以正式DOE之前，应先做三件事：第一，确认样品制备流程稳定。第二，确认测试方法重复性可接受。第三，确认关键响应的波动范围。对于材料研发，这一步甚至比选正交表更重要。

5. 别只看极差：模型、残差和交互作用更重要

很多研发人员做DOE时，只看极差分析或主效应图，最后得出“A因素最大，B因素次之”。这只能算初步判断。

更好的分析方式是：看主效应，判断单个因素对响应的影响方向；看交互作用，判断两个因素是否存在组合效应；看方差分析，判断因素是否显著；看残差，判断模型是否可靠；看预测值与实测值差异，判断模型能否用于优化。

如果响应存在明显弯曲趋势，二水平设计只能提示“可能有曲率”，但无法准确拟合曲线。NIST也指出，二水平实验加中心点可以检测曲率，但若要量化曲率，因素至少需要三个水平。

这对材料研发非常重要。很多性能不是线性变化，而是存在最佳区间。比如相容剂不是越多越好，固化温度不是越高越好，退火时间也不是越长越好。

四、材料研发案例：DOE如何从“试样”走向“找窗口”

案例1：玻纤增强尼龙，如何用DOE找界面与加工窗口？

以玻纤增强PA66为例，很多改性塑料厂在开发产品时，目标并不是单纯把拉伸强度做到最高，而是要在拉伸强度、冲击强度、流动性、浮纤、翘曲、表观质量和加工稳定性之间取得平衡。

这类体系中，影响性能的因素很多。对于改性塑料厂商来说，更常见的DOE因素包括以下几类。第一类是玻纤选择因素，例如普通短切玻纤、高模量玻纤、扁平玻纤、不同长度或不同表面处理的玻纤牌号。第二类是树脂与配方因素，例如PA6、PA66、共聚尼龙、不同粘度或不同端基含量的尼龙树脂，以及玻纤含量、相容剂、增韧剂、润滑剂、抗氧剂、成核剂、色母或其他功能助剂。第三类是挤出工艺因素，例如螺杆组合、挤出温度、主机转速、喂料方式、真空排气和切粒方式。第四类是注塑工艺因素，例如料筒温度、模温、注射速度、保压压力和保压时间。

如果仍然采用传统单因素方法，研发人员可能会先换一种玻纤，再调一点增韧剂，再改变挤出温度，最后得到一个“看起来还可以”的方案。但这种方法很难回答几个关键问题：到底是玻纤类型起了主要作用，还是增韧体系起了主要作用？增韧剂提高冲击强度的同时，会不会明显牺牲拉伸强度、刚性和热变形温度？挤出温度升高后，树脂熔融和玻纤分散改善了，但玻纤长度是否被过度剪切？模温提高后，表观和结晶是否改善，但翘曲和尺寸稳定性是否受到影响？

这时，DOE可以分阶段使用。

第一阶段，可以做筛选DOE，先找出关键因素。比如选择玻纤类型、玻纤含量、增韧剂用量、相容剂用量、挤出温度、螺杆转速、模温等作为候选因素。响应指标可以包括拉伸强度、弯曲模量、缺口冲击强度、熔体流动速率、浮纤等级、翘曲变形、玻纤长度保留率和外观评分。这一阶段的目标不是一步找到最优配方，而是筛掉影响较小的变量，识别真正值得深入优化的关键因素。

第二阶段，可以对关键因素做响应面优化。假设筛选结果显示，玻纤类型、增韧剂用量、挤出温度和模温对综合性能影响最大，就可以围绕这些因素进一步设计实验，观察它们对多项性能的影响趋势和交互作用。

例如，某一类玻纤可能提高拉伸强度和模量，但如果与当前树脂和增韧体系匹配不好，冲击强度和表观会受到影响；增韧剂可以提高冲击强度，但过量后可能降低刚性、耐热和流动性；挤出温度过低，玻纤分散和树脂熔融塑化不足，挤出温度过高，又可能导致尼龙降解和玻纤过度剪切；模温过低可能导致表观差、结晶不足，模温过高则可能带来周期延长和尺寸波动。

最终，DOE要帮助研发人员找到的不是某一个单项性能最高的样品，而是一个可制造、可放大、对波动不敏感的综合性能窗口。

案例2：聚氨酯乳液，如何用DOE平衡粘度、黄变和集束性？

聚氨酯乳液开发中，经常遇到几个矛盾：粘度低希望施工和涂覆好，但分子量太低可能集束性差；硬段比例提高，耐热和粘结可能增强，但乳液容易发黄、成膜偏硬；亲水单体增加，乳液稳定性提高，但耐水性可能下降。

假设目标是开发一款用于短切玻纤的聚氨酯乳液，现有问题是乳液粘度偏高、高温容易黄变，使用后玻纤可燃物含量偏高、体积密度偏低、集束性下降。

这类问题不适合只做“换一个单体”的单因素试验，更合理的DOE可以按照下面步骤进行。

第一阶段，先做机理假设。可能影响粘度和黄变的因素包括：软硬段比例、异氰酸酯类型、亲水单体含量、中和度、扩链剂类型、乳化温度、剪切速率、固含量。可能影响玻纤集束性的因素包括：乳液粒径、成膜温度、软硬段结构、玻纤表面铺展性、与偶联剂相容性。

第二阶段，做筛选DOE。先选6个左右最可能影响问题的因素，响应设置为乳液粘度、粒径、储存稳定性、热黄变指数、玻纤可燃物含量、体积密度、集束性、短切分散性。如果结果显示“硬段比例、亲水单体含量、中和度”最关键，再进入第二轮响应面设计。

第三阶段，做多响应优化。这里不能只追求最低粘度。因为粘度降低后，涂覆量可能下降，集束性可能变差。也不能只追求最高集束性，因为乳液可能太硬，玻纤在后续加工中分散性下降。

更合理的目标是：粘度进入涂覆窗口，黄变明显降低，玻纤可燃物含量可控，体积密度和集束性达到客户加工要求。

如果这是配方比例问题，例如软段、硬段、亲水单体、扩链剂比例之和受限，就应考虑混料设计；如果同时涉及乳化温度、剪切速率、保温时间，则可以使用“混料—工艺”联合设计。

这类DOE的核心不是替代研发经验，而是把经验变成可验证的假设。

案例3：半导体薄膜材料，如何用DOE寻找稳定工艺窗口？

半导体材料研发同样适合DOE，尤其是沉积、退火、刻蚀、清洗、CMP等工艺窗口开发。

假设目标是开发一种导电薄膜或阻挡层材料，希望降低电阻率，同时控制膜厚均匀性、应力和缺陷密度。可能因素包括：沉积温度、腔体压力、前驱体流量、反应气比例、等离子体功率、退火温度、退火时间。响应包括电阻率、膜厚均匀性、应力、粗糙度、缺陷密度和附着力。

这种场景下，实验成本高，不可能随意做大矩阵。可以采用分阶段DOE：先用筛选设计找出对电阻率和均匀性最敏感的3—4个因素；再用响应面设计寻找最佳窗口；最后用确认实验验证模型预测；如果设备批次或晶圆位置带来明显波动，还要加入区组设计或随机化安排，避免把设备漂移误判成因素效应。

JMP对DOE能力的说明中提到，DOE包括全因子、部分因子、响应面、区组、混料、筛选设计、定制设计和约束设计等类型。这对半导体材料尤其重要，因为真实研发中常常存在安全边界、设备边界、成本边界和配方边界，不能简单套用标准正交表。

半导体DOE最重要的不是“跑出一个最低电阻率”，而是找到一个对设备波动不敏感、能量产复制的工艺窗口。

五、材料研发做DOE的几个常见误区

第一个误区：把DOE等同于正交表。

正交表只是DOE的一类工具，不是DOE的全部。筛选设计、全因子设计、部分因子设计、响应面设计、混料设计、稳健设计、定制设计，都是DOE工具箱的一部分。不同问题要选不同工具。

第二个误区：因素越多越专业。

因素太多而样本太少，模型会很虚。材料研发早期可以多因素筛选，但进入优化阶段必须收敛变量。否则DOE会变成“看似系统，实际失控”。

第三个误区：只看最优样品，不看趋势。

DOE的价值不在于选出某个编号的样品，而在于解释响应趋势。如果只看哪个样品性能最高，DOE就退化成普通排样。

第四个误区：不做确认实验。

DOE模型给出的最优点只是预测，必须做确认实验。尤其是材料体系，批次差异、设备差异、环境差异都会影响结果。没有确认实验，DOE结论不能直接转生产。

第五个误区：忽略不可控噪声。

研发实验室里能做出来，不代表客户现场能稳定使用。稳健DOE要考虑原料批次、温湿度、设备差异、操作差异等噪声因素。田口方法强调的核心之一，就是通过参数设计让产品或过程对不可控因素不敏感。

六、给材料研发人员的一套实用DOE流程

如果把DOE落到日常研发，可以按下面七步走。

第一步，明确研发目标。不要写“优化性能”，要写清楚优化哪个指标、约束哪个指标、最终服务哪个应用场景。

第二步，建立机理假设。先用材料机理判断哪些因素可能重要，而不是把所有变量都扔进表格。

第三步，区分因素类型。配方比例、工艺参数、分类变量、噪声变量、限制条件要分清楚。

第四步，选择DOE类型。早期用筛选设计，中期用响应面设计，配方比例用混料设计，量产稳定性用稳健设计，有复杂约束时用定制设计。

第五步，控制实验质量。随机化、重复、中心点、区组、测试重复性都要考虑。NIST的全因子案例中也特别提到重复、随机化和中心点的作用。

第六步，分析模型而不是只看排名。要看主效应、交互作用、显著性、残差、预测能力和多响应平衡。

第七步，做确认实验和工艺放大。实验室最优点不等于生产最优点。DOE结果必须经过确认、放大和客户应用验证。

结语：DOE不是统计游戏，而是研发思维升级

材料研发最大的难点，不是没有实验，而是实验太多却没有沉淀。DOE的意义，就是让每一次实验都回答一个明确问题：哪个因素重要？因素之间有没有交互？最优窗口在哪里？性能波动来自哪里？客户现场为什么不稳定？

对材料研发人员来说，DOE不是替代经验，而是放大经验。经验告诉我们从哪里开始，DOE帮助我们用更少的实验验证判断、识别规律、减少试错。

真正会用DOE的人，不是会套一个正交表，而是能把材料机理、配方逻辑、工艺窗口、测试波动和统计模型放在一起思考。材料研发不是“试出来”的，而是“有结构地设计出来”的。

#试验设计 #材料研发 #工艺优化 #全因子设计 #响应面法 #混料设计 #筛选设计 #方差分析 #交互作用 #工艺窗口 #多响应优化 #残差分析 #确认实验 #DOE #研发管理

如果你关注材料行业趋势、技术演进与产业机会，欢迎关注「材料风向标」。

声明： 本文仅用于行业交流与趋势探讨，所涉及观点不代表任何机构立场，亦不构成证券、投资或商业决策建议，请读者理性参考。文中内容基于公开信息及作者理解整理，受认知水平、信息来源与观察视角所限，部分观点可能存在偏差或不足，欢迎业内专家读者交流指正。

注：本文为原创文章，如需转载请标注文章来源。

       原文标题 : 别再盲目试配方了：材料研发如何真正用好DOE？

（来源：维科网）
工艺 材料 设计 研发 DOE 实验
免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。
user3534user3534

相关推荐