那天CPK報告出來，全場沉默了三秒
還記得某次製程整合會議，我們在討論一種新型光阻的良率問題。那時候良率一直卡在 92%，怎麼調都上不去。老闆臉很臭，QA 主管眉頭深鎖，氣氛凝重到針掉下來都聽得到。工程師 A 報完最新的 Cpk 值，只有 1.08，DPMO 高達 6210。整個會議室瞬間安靜了三秒。然後老闆一句「給我把光阻配方搞清楚！」直接點燃戰火。說實話，當時我們對光阻的幾種添加劑比例，都已經試到不知道怎麼試了。
問題出在哪？
這種情況你一定遇過吧？產品的效能（良率、可靠度、成本等等）是好幾種「成分」組合出來的。這些成分可能是化學溶液的濃度、合金的配比，甚至是不同供應商的材料混合。我們常犯的錯誤，就是一次只改一種成分，或是亂槍打鳥地改。但問題是，這些成分之間往往有交互作用！A 提高了，B 可能會下降，C 又會跟 A 產生加乘效果。
所以重點來了，混料實驗設計（Mixture Design）就是專門來解決這種「成分比例最佳化」的問題。它不是單純看 A、B、C 各自的影響，而是看它們「混在一起」的比例，怎麼影響最終結果。說穿了就是幫你找到一個最完美的黃金比例，讓產品表現達到你的目標。
實際上怎麼做？
我們當時就是用 Mixture Design 來找那組光阻的最佳配方。具體來說，你會這麼做：
- 定義成分和總量： 假設你的光阻有三種主要成分：A、B、C。它們加起來總是要 100%。你不能只加 A，不加 B 和 C。
- 設定實驗區間： 你要確定每種成分的「合法」比例範圍。例如 A 必須在 20%~60% 之間，B 在 10%~40%，C 在 30%~70%。記住，這些範圍加起來不見得會是 100%，重點是它們各自的上下限。
- 選擇實驗設計模型： 這部分會用到一些統計軟體（例如 JMP 或 Minitab）。它們會根據你的成分數量和目標，自動生成一組實驗點。這些點不是隨機的，它們會有效地覆蓋整個實驗區間，讓你用最少的實驗次數，得到最多的資訊。
舉例來說，如果我們有 A、B、C 三種成分，軟體可能會建議你試驗以下幾組比例：
- A=50%, B=30%, C=20%
- A=20%, B=60%, C=20%
- A=40%, B=20%, C=40%
- ...等等。
你照著這些比例去配料、實驗，然後把結果（例如新的 Cpk 值）輸入回軟體。軟體就能畫出一個響應曲面圖，告訴你哪邊的比例組合，能讓 Cpk 達到最高。我們那次就發現，當成分 B 的比例稍微提高，C 的比例微幅下降時，良率竟然能衝上 98.5%！
最常見的坑
坦白講，我第一次做 Mixture Design 也踩過坑。
- 亂設限制： 最大的錯誤就是把成分比例的限制設得太死。例如你覺得 A 最重要，就把 A 的比例上限設到 90%，結果把其他成分的探索空間都擠掉了。後來才發現，有時候最不起眼的那 5% B，才是關鍵！
- 忽略交互作用： 有些人會把 Mixture Design 當成一般 DOE 在跑，只看單一成分的影響。但這設計的精髓就是看「互動」。如果你只看 A 怎麼影響，B 怎麼影響，你就會錯過 A+B 混合後產生的意想不到的化學反應。
- 樣本數不足： DOE 最怕就是跑沒幾個點就下結論。尤其是在成分數量多的情況下，你至少要跑軟體建議的「角落點」跟「中點」，才能讓模型夠可靠。不然你只看到冰山一角，就以為看到全部了。
今天能做的一件事
想想你手上有沒有哪個產品的「黃金比例」還沒找到？今天就打開 DOE 軟體，試著用 Mixture Design 規劃一次實驗吧！