配方设计方法是指确定配方中各种助剂加入量的方法，涉及试验步骤安排、变量选择和变量范围的确定。一个配方中往往有很多组分，各组分之间还可能存在复杂的化学作用和物理作用，因此，各组分之间加入量如何搭配，如何减少试验次数，节省工作量，以最低的成本、最高的工作效率确定最佳配方，是一项充满激情的工作。
1.配方设计前的准备
（1）充分了解各组分的功能特性 配方设计时，配方设计人员首先应掌握并了解树脂和助剂的特性和功能，特别是树脂。树脂是决定制品性能的主导因素，决定制品的基本性能；而助剂的性能对制品性能影响很大，不同的助剂可以制造出用途完全不同的塑料制品来，如弹性材料、导电材料、透明材料、耐磨材料等。
（2）充分了解制品的性能要求
1）制品设计的各项性能指标。
2）制品的使用环境、使用方法及使用过程中可能发生的问题。
3）市场信息、消费者的兴趣、爱好及销售趋势等。
（3）充分了解所用的原材料
1）原材料在配方中的作用与性质。
2）原材料在配料混合时的相互影响，发挥材料间的协同作用，获得最佳效果。
3）原材料的质量标准与检验规范。
4）原材料的用量与制品性能、成型工艺的关系。
5）各种原料的价格，在不影响制品质量的前提下，尽量降低成本。
（4）对成型设备和成型工艺条件要有足够的认识
1）物料在成型设备中的受热过程和受热行为。
2）加工中的受力方式，受力过程和受力行为。
3）物料在成型设备中的停滞时间。
4）机头、模具的结构特点与物料流变行为的关系等。
塑料成型方法很多，即使同一制品也有几种不同的成型方法，如注射、挤出、模压、浇注、缠绕、树脂传递模塑等。由于成型方法不同，物料在成型设备中承受的压力、剪切应力、温度、时间也不同，因此，配方设计时应注意原材料的品种、用量，以满足成型工艺的要求，使成型顺利进行。
2.配方设计方法
（1）单变量配方设计方法 单变量配方是指只有一种助剂的用量对制品性能产生影响的配方。这类配方一般采用消去法来确定。消去法的原理是假定函数f（x）是塑料制品性能指标，它是助剂用量范围（a，b）内的单值函数，即f（x）在变量区间（a，b）内只有一个极值点，这个点就是所要求的性能指标最佳点，对应的助剂用量即为最佳配方用量取值。单变量配方设计方法较多，常用的有以下几种：
1）爬山法。也称逐步提高法，适用于工厂小幅度调整配方，对生产影响较小。具体做法是：先找一个起点A。这个起点一般为原来的生产配方，也可以是一个估计的配方。在A点向该原材料增加的方向B点做试验，同时向该原材料减少的方向C点做试验。如果B点好，原材料就增加；如果C点好，原材料就减少。这样一步步向好的方向逐渐增加或减小助剂用量，如爬到W点，再增加或减少效果反而不好，则W点就是要寻找的该原材料的最佳值，即为配方的最佳用量。
该法的关键是起点位置、试验范围和步长的选择。起点和试验范围选得好，可减少试验次数；步长一般开始时大，接近最佳点时改小些。
2）黄金分割法。该方法是根据数学上黄金分割定律演变来的。具体做法是：先在配方试验范围（a，b）的0.618点作第一次试验，再在其对称点（a，b）的0.382处作第二次试验，比较两点试验结果，去掉“坏点”以外的部分，对剩余部分照上述做法继续进行试验、比较和取舍，由此，可逐步缩小试验范围，用较少的试验配方，快速找出最佳用量范围。
该法的每一步试验配方都要根据上一次配方试验的结果决定，所以每次试验的原材料及工艺条件都要严格控制，不得有差异，否则无法决定取舍方向。应用该法可大大减少配方试验次数，快速找到最佳配方。
3）平分法。也叫对分法。采用平分法的前提条件是：在试验范围内，目标函数是单调的，即该塑料制品应有一定的物理性能指标，以此标准作为对比条件。同时，还应预先知道该变量对制品物理性能的影响规律，这样才能根据试验结果判断该原材料用量的多或少。
该法与黄金分割法相似，只是在试验范围内，每次试验都取在范围的中点，根据试验结果，去掉试验范围的一半，再进行下一次试验，直至逼近最佳点。此法试验速度快，而且取点也极方便。
4）分批试验法。可分为均分分批试验法和比例分割分批试验法两种。前者是把每批试验配方均匀地同时安排在试验范围内，将试验结果进行比较，留下好的结果范围，再做下一批试验，找到最佳的配方范围。在窄小范围内，等分的结果较好，且又相当接近，即可终止试验。这种方法的优点是试验总时间短、快，但总的试验次数较多。后者的区别在于试验点不是均匀划分，而是按一定比例划分。该法由于试验效果及试验误差等原因，鉴别较困难，当原材料添加量变化较小，而制品物理性能变化显著时，用该法较好。
5）分数法。即裴波那契搜索法。该法是先给出试验点数，或知道试验区间或精确度，再用试验缩短给定的试验区间，其区间长度缩短率为变值，其值大小由裴波那契数列决定。裴波那契数为1，1，2，3，5，8，13，21，34，55，89，…（即后一个数是前两个数之和）。当以前一数为分子，后一数为分母，则得一批渐进分数：1/2，2/3，3/5，5/8，8/13，13/21，21/34，34/55，…。如在试验范围内，由一些不连续的，间隔不等的点组成，试验点只能取某些特定点时，可用分数法进行试验，将性能优选变为排列序号的优选，得到理想结果。一旦确定第一个试验点后，可用类似黄金分割法安排试验。
6）抛物线法。是在用其他方法已将试验区间缩小后，希望更精确时采用。它是利用做过三点试验后的三个数据，作此三点的抛物线，以抛物线顶点横坐标作下次试验依据，如此连续试验而达目标。
（2）多变量配方设计方法 在实际配方设计中，影响材料和制品的因素较多，常需要同时考虑几个因素，这就需要进行多变量配方设计。多变量试验设计方法较多，目前常用于塑料配方设计的是正交设计法和中心复合试验法。
1）正交设计法。此法是一种应用数理统计原理进行科学地安排与分析多因素变量的一种试验方法。其优点是可大幅度减少试验次数。因素越多，减少程度越明显。它可以在众多试验次数中，优选出具有代表性的试验，通过尽可能少的试验，找出最佳配方和工艺条件。有时最佳配方可能并不在优选的试验中，但可以通过试验结果处理，推算出最佳配方。下面简单介绍正交设计的一般实施方法。
① 根据制品用途制定配方性能指标体系。性能指标体系是指配方所得到的材料和制品最终的性能指标，是检验配方是否满足设计要求的依据，也是多变量配方设计最终选择最佳配方的依据。指标体系应由配方设计人员根据制品用途和有关标准认真制定。
② 选择合适的正变表。正交设计的核心是正交设计表，简称正交表。一个典型的正交表可由下式表达：
LM（bK）
式中 L——正交表的符号，表示正交；(www.xing528.com)
K——影响试验性能指标的因素，称为因子，即变量的数目；
b——每个因子所取的试验数目，一般称为水平；
M——试验次数，一般由因子和水平数确定，例如，二水平试验，通常M=K+1，三水平试验M=b（K-1）。
上述规律并不全部适用，有时也有例外，具体可参照标准正交表。常用的典型正交表有：
二水平：L4（23）、L8（27）、L12（211）等；
三水平：L6（33）、L9（34）、L18（37）等；
四水平：L16（45）等。
具体正交表排布参见表3-19～表3-23。
正交表的选用没有严格规定，表选得太小，要考察的因子和水平放不下；选得过大，试验次数又太多。一般情况下，应尽量选用较小的正交表，以减少试验次数。对于影响因素较多的配方，设计者可根据专业知识和经验进行取舍。
表3-19 二水平L4（23）正交表
表3-20 二水平L8（27）正交表
表3-21 二水平L12（211）正交表
表3-22 三水平L9（34）正交表
表3-22 三水平L9（34）正交表
表3-23 四水平L16（45）正交表
表3-23 四水平L16（45）正交表
③ 试验。根据正交表安排进行试验，取得性能指标数据。
④ 正交设计配方结果分析。一个最佳的配方可能在所做的试验中，也可能在其之外，但可通过试验结果的分析找出最佳配方。配方结果分析主要解决三个问题：一是确定各个因子对指标影响的主次；二是确定各个因子的最佳水平；三是各因子水平如何组合得到最佳配方。常用的分析法有直观分析法和方差分析法。
直观分析法直观、简便，只需对试验结果作少量计算，再通过综合比较，即可得出最优化配方，但不能区分因子与水平作用的差异。其方法为首先按所用正交表计算出各个因子不同水平时试验所取得指标的平均值，比较不同因子水平数据大小，找出对指标最有影响的因子，同时找出每个因子的最佳水平，几个因子的最佳水平组合起来进行综合考虑，即可得到最佳配方，获得最佳配方后，再经试验进行检验。
方差分析法计算结果精确，但很繁琐。其方法为通过偏差的平方和及自由度等一系列计算，将因子和水平的变化引起试验结果间的差异与误差的波动区分开来。这样来分析正交试验的结果，对下一步试验或投入生产的可靠性很大。
2）中心复合试验法。此法因在中心点做许多重复试验而得名。它是自变量（配方组分）与因变量（制品物理性能）之间关系的一种数学方程（回归方程式），因而又称为回归分析法。一般来说，可用一个完全的二次多元式表示制品性能与添加剂用量的关系，然后再求出数个回归系数，进行线性变换，按设计表安排试验，在中心点作重复试验，再进行显著性统计检验。若有问题，可改变数学模型进一步研究。中心复合试验法可以解决如下几方面问题：
① 可以确定几个特定的配方因子变量之间是否存在相关性。如没有相关性，就只好单独处理每个因子问题；如存在相关性，则可找出合适的数学表达式。
② 根据用户提出的几种塑料制品性能指标值，预测出配方因子变量的值，或根据配方因子变量的值，预测出制品性能指标的范围。
③ 另外还可找出这些因子之间的相互关系，找出主要因子、次要因子或可忽略的因子，通过方程式求出所需性能的配方因子最佳组合，画出某种性能的等高线等。分析各配方因子变量对性能的影响，从而预测物理性能。
总之，塑料配方设计是一件复杂而繁琐的工作，需要缜密的思考，深入细致的调查研究，详细地分析对比，在条件许可的情况下应建立一套完整的配方性能评价体系。同时，试验所获得的配方还需经小试、中试及生产的检验，在此过程中经反复修正才能最终正式投入生产。
③ 试验。根据正交表安排进行试验，取得性能指标数据。
④ 正交设计配方结果分析。一个最佳的配方可能在所做的试验中，也可能在其之外，但可通过试验结果的分析找出最佳配方。配方结果分析主要解决三个问题：一是确定各个因子对指标影响的主次；二是确定各个因子的最佳水平；三是各因子水平如何组合得到最佳配方。常用的分析法有直观分析法和方差分析法。
直观分析法直观、简便，只需对试验结果作少量计算，再通过综合比较，即可得出最优化配方，但不能区分因子与水平作用的差异。其方法为首先按所用正交表计算出各个因子不同水平时试验所取得指标的平均值，比较不同因子水平数据大小，找出对指标最有影响的因子，同时找出每个因子的最佳水平，几个因子的最佳水平组合起来进行综合考虑，即可得到最佳配方，获得最佳配方后，再经试验进行检验。
方差分析法计算结果精确，但很繁琐。其方法为通过偏差的平方和及自由度等一系列计算，将因子和水平的变化引起试验结果间的差异与误差的波动区分开来。这样来分析正交试验的结果，对下一步试验或投入生产的可靠性很大。
2）中心复合试验法。此法因在中心点做许多重复试验而得名。它是自变量（配方组分）与因变量（制品物理性能）之间关系的一种数学方程（回归方程式），因而又称为回归分析法。一般来说，可用一个完全的二次多元式表示制品性能与添加剂用量的关系，然后再求出数个回归系数，进行线性变换，按设计表安排试验，在中心点作重复试验，再进行显著性统计检验。若有问题，可改变数学模型进一步研究。中心复合试验法可以解决如下几方面问题：
① 可以确定几个特定的配方因子变量之间是否存在相关性。如没有相关性，就只好单独处理每个因子问题；如存在相关性，则可找出合适的数学表达式。
② 根据用户提出的几种塑料制品性能指标值，预测出配方因子变量的值，或根据配方因子变量的值，预测出制品性能指标的范围。
③ 另外还可找出这些因子之间的相互关系，找出主要因子、次要因子或可忽略的因子，通过方程式求出所需性能的配方因子最佳组合，画出某种性能的等高线等。分析各配方因子变量对性能的影响，从而预测物理性能。
总之，塑料配方设计是一件复杂而繁琐的工作，需要缜密的思考，深入细致的调查研究，详细地分析对比，在条件许可的情况下应建立一套完整的配方性能评价体系。同时，试验所获得的配方还需经小试、中试及生产的检验，在此过程中经反复修正才能最终正式投入生产。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
