Page 40 - 《橡塑智造与节能环保》2026年1期

综述与专论

实验设计因子进行详细的统计评估。

图6 丁腈橡胶胶料动态硬化（VHF）：3份炭黑N550用量
图4 模量为100的CB N550与二氧化硅复合材料 及白炭黑用量逐步减少

图表清晰地突显了填料对粘弹硬化因子（VHF）
通过拟合回归曲线进行了修正，但仅限于计算
的主导性影响，而几乎所有其他成分的影响都微乎其
所用数据集。拟合数据替换原始值后重新计算曲线。
微，甚至可以忽略不计。
值得注意的是，这些修正主要影响炭黑含量的中低水
5.4 乙丙橡胶胶料中促进剂组合的模拟研究
平，而高水平未受影响——因为缺乏高M100值和Cstat
本研究探讨了在不同硫浓度下共促进剂的影响。
值胶料的数据（图5）。
虽然模拟结果与实验数据吻合良好，但必须仔细考虑
原始数据集中潜在的误差来源。
本分析所用数据源自包含七个因子的中心复合实
验设计。此类大规模实验设计面临的主要挑战在于混

炼制备所有胶料所需的巨大时间成本和人力投入。考
虑到复杂性，人们会预期偏差更大或误差增加。然而
令人惊讶的是，在预测值与实际值的对比图中并未观
察到这种趋势。
在模拟中，考虑了两种硫含量水平，同时将加
图5 拟合差异（DFFITS）与用于模拟的实验运行次数；
箭头指示偏差 速器ZdiBC以0.5 份的增量逐步增加（图7）。结果显
示，数据点围绕一条总体趋势线分布，而不是形成平
如上所述，动态硬化系数（Cdyn/Csta）采用相 滑的曲线。在此情况下，可考虑两种可能方案：
同方法计算。首次运行使用未经处理的数据，第二次 （1）使用实验设计软件优化数据集，使所有数
运行则采用修正后的数据。低炭黑含量与高炭黑含量 据点拟合到回归函数上。
的结果曲线几乎完全一致。然而在中等炭黑用量水平 （2）重复模拟流程以验证结果 从统计学角度
（CB550，27 份）下，当二氧化硅浓度较低时（图 看，第一种方法会引入不确定性，因为它可能扭曲数
6），可观察到明显的斜率变化（箭头标注处）。这 据的自然变异性。因此建议采用每区块减少因素数量

表明可能需要进一步分析，甚至完全重复实验设计 的实验设计方案，并运用折叠技术提升结果可靠性。
（DoE）以验证该发现。 一般而言，较大的实验设计研究需要更深入的统
模拟揭示了人工智能软件对数据质量的强烈依赖 计分析，以避免误解并确保结论准确。
性，可通过统计误差分析进一步优化。本研究表明，
即使预测数据与实际数据初始表现良好，仍需对每个

6 橡塑智造与节能环保