筛选实验（Screening Design）在喷雾干燥配方开发初期有什么价值?
配方开发初期往往面对10+个潜在变量（不同壁材、不同助干剂、不同配比），全因子试验工作量过于巨大。筛选实验（如Plackett-Burman设计或fractional factorial design）用最少实验次数（通常是变量数+1的倍数，如12因子仅需12~20次实验）从众多候选因子中筛选出真正显著影响CQA的"关键少数几个"。案例:中药提取物喷干配方涉及8个因子——麦芽糊精DE值、麦芽糊精比例、阿拉伯胶比例、β-环糊精比例、进风温度、固含量、进料pH、乳化剂种类。PB设计仅16次实验即可确定麦芽糊精DE值和进风温度是统计显著因子，其他6个因子在测试范围内影响不显著。后续仅需对2个关键因子做深度RSM优化，从原来"8因子全优化"（估计需上百次实验）缩减到30次以内。那艾仪器推荐客户在配方开发初期用筛选实验高效收敛变量空间。上海那艾仪器的NAI-MSD1500在该领域积累了丰富的应用经验。
混料设计（Mixture Design）在喷雾干燥壁材配方优化中的优势?
混料设计与常规因子设计有本质区别。常规因子设计假设各因子独立，但壁材配方的关键约束是各组分比例之和恒等于100%（如壁材组合:麦芽糊精+阿拉伯胶+β-环糊精=100%）。在三角混料设计中用Simplex质心或Simplex格子设计安排实验点——三角形的三个顶点为三个纯组分、三条边中点为两组分各50%、三角形重心为三组分各1/3。混料模型能准确描述组分间"协同效应"（如麦芽糊精+阿拉伯胶组合的包埋率高于两单独组分按比例加权的预测值）和"拮抗效应"。那艾仪器在为客户优化微胶囊包埋壁材配比时通常采用混料设计。
DoE分析中常犯的错误有哪些?如何避免"假显著"因子?
常见的分析错误:过拟合——在模型中包含过多高阶交互项（三因子交互甚至四因子交互），表面上看R²很高实则模型在拟合实验误差。正确做法:从全模型开始，用向后消元法剔除p>0.05（统计学不显著）的项，最终模型应包含所有显著项和用于层级结构完整性的必要项。缺乏拟合检验——即使模型R²>0.9，如果Lack of Fit显著（p<0.05），说明模型无法充分解释数据中的系统性变异，模型不可信任。残差诊断被忽略——分析残差（实测值-预测值）的分布形态:残差应随机散布在零线两侧（无明显模式），若呈现喇叭形（异方差性）或U形弯曲，说明模型形式不正确或响应变量需做变换（如对数变换、Box-Cox变换）。那艾仪器建议定期组织DoE培训提升研发团队的数据分析能力。
