企业官网建设流程全解析

连续粉体进料与混合建模教程（13）：粉体偏析①机理判据与料斗流型——四种制药相关机理与 mass/funnel flow

版本声明块

• 工具/软件：本系列自研SegregationLayer偏析层与PowderFeeder、ContinuousBlender示例类（本系列二次开发示例类，非 PharmaPy 官方 API）；segregation_tendency判据为教学建模假设。
• 语言/环境：Python 3.9 + numpy（<2）+ scipy（<1.14）+ matplotlib；质量单位 kg 或 kg/h，时间基准为秒。
• 本文目标：把"哪里会偏析、偏成什么样、为什么料斗会放大它"变成可判读的工程认知，为第 14 篇的偏析动力学打地基。

一句话结论：偏析（segregation）是物性不同的颗粒在允许相对运动的任何环节发生的自发去混合（spontaneous demixing），制药固体处理中真正相关的是筛分渗透（sifting / percolation）、流化夹带（fluidization / entrainment）、滚动（rolling）、扬尘（dusting / elutriation）四种机理，其中 sifting 的发生条件是两组分粒度比至少 1.3 : 1（具体普适阈值尚未确定），而料斗的**漏斗流（funnel flow，FILO）相比整体流（mass flow，FIFO）**会显著放大偏析；本篇用自建的segregation_tendency(d50_ratio, span, flowability_index)把上述机理拼成可算的倾向评分与主导机理判读。

〇、本篇要解决的认知问题

1. 为什么"粉体看起来混合均匀，它仍可能在转运、卸料或振动中重新分离"？偏析在什么时刻开始？
2. 工程领域识别出多达 13 种偏析机理，为什么制药固体处理只需要盯住四种？它们的分布结果为什么互相相反？
3. 综述说 sifting 的粒度比下限是1.3 : 1，行业站又说"粒度比 < 3 : 1 可显著降低渗透偏析"，这两句是不是同一件事？
4. 粒度分布越宽，到底更易偏析还是更抗偏析？为什么文献会打架？
5. 料斗的整体流（mass flow）与漏斗流（funnel flow）分别是什么行为？漏斗流为什么成了"偏析放大器"？

一、机制解析

1.1 偏析的定义，与"看起来均匀"的陷阱

偏析是物性不同的颗粒发生自发的去混合。"自发"两字很关键——它不需要外界刻意把组分拉开，只要有颗粒之间的相对运动，不同粒径、密度、形状、表面性质的颗粒就会沿各自轨迹分道扬镳。后果是经典的三角链条：批间变异 → 剂量不一致 → 返工甚至报废。底账里最值得写在笔记本第一页的一句话是：

“即使粉体看起来混合均匀，它仍可能在转运、卸料或振动中重新分离。”

它推翻了一个默认心智模型：很多人以为"混合"是终点。对粉体而言，均匀只是一个瞬时状态，不是一种稳定性。混合器出口那一刻的均匀，可能在下一次转运、倾倒、振动给料中被部分撤销。所以建模要把"混合"与"保持混合"当两件事。

1.2 触发条件：只要允许颗粒之间发生相对运动

底账登记的工程清单是：

充填 · 卸料 · 输送 · IBC 倾倒 · 料仓装料 · 拆包 · 气力输送 · 启停式给料

此外，堆锥形成与塌落也会触发。这些场景的共同特征是：颗粒获得了一次重新选择路径的机会——自由落体、滑动、翻滚、被气流携带时，大小颗粒的惯性、迎风面积、与壁面摩擦、穿过空隙的能力都不同，于是不再"同步前进"。

特别容易忽略的是启停式给料：补料切换、批间停顿、故障恢复都会造成"走—停—走"的节奏，每一次停止再启动都给料斗内粉体一次重排窗口。这正是连续制造强调稳态运行的原因——频繁启停本身就在持续制造偏析机会。

1.3 黏聚性的两面性：既抑偏析，又养团块

第一面——黏聚确实可以抵抗重排。颗粒被范德华力、液桥、静电绑住后，相对运动被抑制，sifting 这类"小颗粒穿过大颗粒空隙"的机理自然被削弱。所以"加黏聚"是抑制偏析的常用手段。

第二面——黏聚不是永久的。团聚体在输送、混合、过孔的剪切作用下会破碎，破碎瞬间释放出的细粉会重新获得迁移能力。黏聚只是把偏析"延后并储存"，一旦团聚体在下游被打开，储存的细粉会在更晚、更难察觉的位置释放。工艺含义很实在：不能只看混合器出口的均匀度，还要看团块在哪一段被打散——打在混合器里是好事（细粉当场被重新混合），打在压片机加料框里就是坏事。

一句话记住：黏聚性既抑偏析，也养团块；它把风险从"均匀性"搬到了"团块破碎位置"。

1.4 13 种机理里，制药只需盯住四种

底账给出一条务实判断：工程领域共识别出多达 13 种偏析机理，但在制药固体处理中只有少数相关：

请特别注意四者分布结果"互相相反"，这是最容易记混、建模时最容易写反的地方：

床层顶部（表层） sifting → 大颗粒在这里 fluidization → 细粉在这里 rolling → （大颗粒沉到）底部与 dusting → 细粉被带走， 外缘 整体组成单向漂移 床层底部

sifting 与 fluidization 结论"正相反"，是因为驱动力方向不同：sifting 靠重力（细颗粒能从粗颗粒空隙漏下去，细的往下、粗的被顶在上层）；fluidization 靠反向气流（细粉比表面积大、跟随气流能力强、自由落体速度低，被气流托着上浮）。所以判断"哪种机理主导"，第一步不是看粒径，而是看这个环节里颗粒被重力支配，还是被气流支配。rolling 是第三种画面：粉堆表面的大颗粒滚得更快，滚到边缘和底部，把小颗粒留在中上部——这是堆锥表面的路径分离。dusting 最"阴险"：它不是重新排布，而是把细粉从系统里直接搬走，组成单向漂移且追不回来。

1.5 sifting 的判据：1.3 : 1 与 < 3 : 1 不是同一件事

综述给出的一手口径是：二元混合物中两组分的粒度比至少 1.3 : 1（具体普适阈值尚未确定，综述原文明确）；需要足够大的平均粒径；材料需自由流动；运动颗粒之间需存在速度梯度。四个条件必须同时满足。

注意"1.3 : 1"是**"可能发生"的下限**，不是"显著发生"的门槛。另一条口径来自设备商博客（★ 行业站）：“粒度比 < 3 : 1 可显著降低渗透偏析”。两者不是同一件事，必须分列：

两条要分列并各自标来源，不能合成"1.3–3 : 1"这种伪造区间。正确读法是：1.3 : 1 是"物理上会不会开始"，3 : 1 是"工艺上要不要担心"。真正的普适阈值，综述说得很清楚——尚未确定。

1.6 多分散度的矛盾结论

关于 PSD 宽度对偏析的影响，文献本身就打架：旧文献认为分布越宽偏析越严重（尺寸差异越大越容易被分开）；较新研究（振动系统、堆锥试验）发现分布更宽的混合物反而可能更抗偏析，解释是中间粒径级分同时与大小级分相互作用，降低了颗粒迁移率差异。综述的表述很诚实：“研究结果相互矛盾，取决于材料与偏析机理。”

对建模的启示是：不要把 span 写成方向确定的单调因子。本篇的segregation_tendency只把 span 作为"细粉与中间级分的代理量"参与流化/扬尘评分，并声明 span 对 sifting 不设方向。

1.7 料斗流型：偏析的放大器

整体流 mass flow（FIFO） 漏斗流 funnel flow（FILO） ┌───────────────────┐ ┌───────────────────┐ │ 1 2 3 4 5 6 │ │ 1 2 3 4 5 6 │ │ ▼ ▼ ▼ ▼ ▼ ▼ │ │ ╲ ▼ ▼ ╱ │ │ ▼ ▼ ▼ ▼ ▼ ▼ │ │ ╲ ▼ ▼ ╱ │ │ ▼ ▼ ▼ ▼ ▼ ▼ │ │ ╲ │ ▼ │ ╱ │ │ ▼ ▼ ▼ ▼ ▼ ▼ │ │ ▓▓▓▓│ ▼ │▓▓▓▓ │ ← 壁面停滞 └──┬──┬──┬──┬──┬──┬─┘ └─────┬───┬───────┘ （死区） 1 2 3 4 5 6 只有中心通道出料 全体同时卸出、先进先出 经中心漏斗通道流出、先进后出

funnel flow 的成因是可查的：料斗壁太浅或太粗糙，颗粒不易沿壁面滑动，卸料时只有中心那一竖条在动，靠壁粉体像被"冻结"。这种停滞本身就是偏析温床——中心通道持续流动反复分选，壁面区被反复压实、细粉被挤走，死区一旦形成，那一块物料的组成就长期偏离配方。

1.8 对策清单

改几何：锥形（conical）料斗替代棱锥形（pyramidal） 加插入件（inserts） 加装填管 / 导流板（fill pipe / deflector）减少滚动分层与锥堆 改操作：限制堆高；避免反复塌落；降低振动与落差；减少转运步骤 改配方：窄化粒度分布；减少游离细粉；制粒把组分锁在一起

"制粒把组分锁在一起"是根治性的——从物理上取消"小颗粒穿过大颗粒空隙"的自由度。"锥形优于棱锥形"的逻辑是：锥形截面收缩更均匀，更容易形成沿壁的整体流；棱锥形四角有天然滞留区，更容易退化成漏斗流。

1.9 必须写进报告的警告：偏析度量口径不统一

综述原文明确警告：各研究采用的偏析度量口径极不统一——有人用 API 含量的RSD（相对标准偏差，relative standard deviation），有人用药典的AV（接受值，acceptance value），有人用自定义的偏析指数（segregation index）。因此：

不同研究之间的绝对结果不能直接比较。

建模后果很实际：第 14 篇自建偏析指数时必须显式声明所用指数的定义（如"顶层与底层的 API 质量分数差"或"组分浓度沿床高的标准差"），并说明该数值不可跨研究直接比较。

二、完整代码与逐行剖析

# -*- coding: utf-8 -*-""" 连续粉体进料与混合建模教程（13）：偏析倾向判据（自建教学判据） 声明：本函数中的阈值、权重、评分区间均由本系列人为设定。 文献中不存在普适的偏析倾向评分公式（底账不可断言项 #5/#6）。 仅用于趋势比较与教学演示，禁止用于工程定量预测或放行判定。 """importnumpyasnp TEACHING_NOTE=("【本系列教学建模假设】segregation_tendency 的权重、阈值与评分区间均为人为设定；""文献中不存在普适的偏析倾向定量公式。仅作趋势比较与教学演示，禁止用于工程定量预测。")def_ramp(x,x0,x1):"""线性斜坡：x<=x0 返回 0；x>=x1 返回 1；中间线性插值。"""x=float(x)ifx1<=x0:return1.0ifx>=x1else0.0returnfloat(np.clip((x-x0)/(x1-x0),0.0,1.0))defsegregation_tendency(d50_ratio,span,flowability_index,ratio_onset=1.3,ratio_full=3.0):"""自建教学判据：给出四种机理的倾向评分与主导机理。 d50_ratio : 两组分 d50 的比值（>=1），如 2.0 表示粗细粒度比 2:1 span : 粒度分布宽度 (d90-d10)/d50，越大越宽 flowability_index : 流动性指标，1 = 自由流动，0 = 极黏聚 ratio_onset : sifting 可能发生的粒度比下限（综述口径 1.3 : 1） ratio_full : 判据内 sifting 达到满分的粒度比（教学取值，非文献值） """flow=float(np.clip(flowability_index,0.0,1.0))coh=1.0-flow# 黏聚代理量# ① sifting：需要粒度比过 1.3:1 且材料自由流动sift=_ramp(d50_ratio,ratio_onset,ratio_full)*flow# ② fluidization：细粉多（span 代理）+ 黏聚导致滞留空气fines_proxy=_ramp(span,1.0,2.5)fluid=0.6*coh+0.4*fines_proxy# ③ rolling：需要尺寸差异 + 堆锥表面 + 相对自由流动roll=_ramp(d50_ratio,1.0,2.5)*(0.5+0.5*flow)# ④ dusting：游离超细粉量（span 代理）为主要驱动dust=fines_proxy scores={"sifting":sift,"fluidization":fluid,"rolling":roll,"dusting":dust}dominant=max(scores,key=scores.get)return{"scores":{k:round(v,3)fork,vinscores.items()},"dominant":dominant,"overall":round(float(max(scores.values())),3),"note":TEACHING_NOTE}defcoarse_fraction_profile(z,mechanism,amp=0.35):"""按主导机理给出粗颗粒分数沿床高的剖面（教学示意，非实测）。 z：归一化床高，0 = 床底，1 = 床顶。"""z=np.asarray(z,dtype=float)base=0.5ifmechanism=="sifting":# 大颗粒浮到顶层returnbase+amp*(2.0*z-1.0)ifmechanism=="fluidization":# 细粉沉积到表层（与 sifting 相反）returnbase-amp*(2.0*z-1.0)ifmechanism=="rolling":# 大颗粒沉到床底与外缘returnbase+amp*(1.0-z)**2-0.5*amp*z**2ifmechanism=="dusting":# 细粉被带走，整体粗分数单向上移returnnp.full_like(z,base+amp*0.5)raiseValueError("mechanism 必须是 sifting/fluidization/rolling/dusting 之一")if__name__=="__main__":cases=[("细粗比 1.1、窄分布、自由流动",1.1,1.0,0.95),("细粗比 2.0、窄分布、自由流动",2.0,1.0,0.95),("细粗比 4.0、窄分布、自由流动",4.0,1.0,0.95),("细粗比 2.0、宽分布、自由流动",2.0,2.2,0.95),("细粗比 2.0、宽分布、强黏聚",2.0,2.2,0.25),]forname,r,sp,flincases:res=segregation_tendency(r,sp,fl)print(f"[场景]{name}\n 评分{res['scores']}\n 主导机理 ={res['dominant']}")print("\n"+TEACHING_NOTE)

逐段剖析：

• TEACHING_NOTE与 docstring 双保险：自建判据必须在代码里就地声明"非文献公式"，这样读者复制代码时声明会跟着走。
• _ramp：把"阈值型判据"（1.3 : 1 是"可能发生的下限"）翻译成连续评分，避免"过了 1.3 就满分"的突变。ratio_onset=1.3来自综述口径，ratio_full=3.0是教学取值（借用行业站 3 : 1 的语义作为"满分参考点"），故也标教学假设。
• sift = ramp × flow：对应综述四个条件中的两个（粒度比过阈值、自由流动）；另两个（足够大平均粒径、速度梯度）在本判据里不作显式变量，这是本判据的简化。
• fluid = 0.6·coh + 0.4·fines_proxy：黏聚导致滞留空气 + 细粉多，共同驱动夹带；权重 0.6/0.4 人为设定。
• roll：需要尺寸差异与堆锥表面，且相对自由流动的粉体更容易滚。
• coarse_fraction_profile：把四种机理的分布结果翻译成剖面。注意sifting与fluidization的斜率符号正好相反，rolling在底部凸起，dusting无梯度但整体上移。
• 五个场景覆盖"粒度比过阈值前后"“分布宽窄”"黏聚强弱"三条主轴，能直观看到主导机理的翻转。

第二段代码把四种机理的剖面与料斗示踪轨迹画出来。

# -*- coding: utf-8 -*-"""连续粉体进料与混合建模教程（13）：四机理床层剖面 + 料斗示踪轨迹（教学示意）"""importnumpyasnpimportmatplotlib.pyplotasplt plt.rcParams["font.sans-serif"]=["SimHei","Microsoft YaHei","DejaVu Sans"]plt.rcParams["axes.unicode_minus"]=Falsedefcoarse_profile(z,mechanism,amp=0.35):"""粗颗粒质量分数沿归一化床高 z 的剖面（0=床底, 1=床顶）。"""z=np.asarray(z,dtype=float)ifmechanism=="sifting":return0.5+amp*(2.0*z-1.0)ifmechanism=="fluidization":return0.5-amp*(2.0*z-1.0)ifmechanism=="rolling":return0.5+amp*(1.0-z)**2-0.5*amp*z**2ifmechanism=="dusting":returnnp.full_like(z,0.5+amp*0.5)raiseValueError("未知机理")deftracer_paths(flow_type,n=60,t_max=1.0):"""料斗示踪颗粒轨迹：整体流竖直同步；漏斗流中心快、壁面停滞。"""t=np.linspace(0.0,t_max,n)z0=np.linspace(0.95,0.05,5)# 5 个初始高度r0=np.array([-0.8,-0.4,0.0,0.4,0.8])# 归一化径向位置paths=[]forzi,riinzip(z0,r0):ifflow_type=="mass":z=zi-t# 同速下降（FIFO）elifflow_type=="funnel":speed=np.exp(-(ri**2)/(2*0.35**2))# 中心快、壁面慢（FILO）z=zi-speed*telse:raiseValueError("flow_type 必须是 mass 或 funnel")paths.append((ri*np.ones_like(t),np.clip(z,0.0,1.0),ri))returnpaths fig,axes=plt.subplots(1,4,figsize=(16,4.6),sharey=True)z=np.linspace(0.0,1.0,200)mechs=["sifting","fluidization","rolling","dusting"]titles=["sifting：大颗粒浮到顶层","fluidization：细粉沉积到表层","rolling：大颗粒沉到床底与外缘","dusting：细粉被带走，组成单向漂移"]forax,mech,titleinzip(axes,mechs,titles):ax.plot(coarse_profile(z,mech),z,lw=2.2,color="#2c3e50")ax.axvline(0.5,color="#95a5a6",ls="--",lw=1.0)ax.set_title(title,fontsize=10)ax.set_xlabel("粗颗粒质量分数 [-]")ax.grid(alpha=0.25)axes[0].set_ylabel("归一化床高 z [-] （1=床顶）")fig.suptitle("四种制药相关偏析机理的床层剖面（教学示意，分布方向来自综述一手）",fontsize=11)plt.tight_layout()plt.savefig("segregation_profiles.png",dpi=150)fig2,axes2=plt.subplots(1,2,figsize=(11,4.8))forax,ft,nameinzip(axes2,["mass","funnel"],["整体流 mass flow（FIFO）","漏斗流 funnel flow（FILO）"]):forr,zz,riintracer_paths(ft):ax.plot(r,zz,lw=1.6)ax.set_xlim(-1.0,1.0);ax.set_ylim(0.0,1.0)ax.set_xlabel("归一化径向位置 [-]");ax.set_title(name);ax.grid(alpha=0.25)axes2[0].set_ylabel("归一化高度 [-] （1=料面）")fig2.suptitle("料斗示踪颗粒轨迹（教学示意）：整体流同步卸出，漏斗流中心通道 + 壁面停滞",fontsize=11)plt.tight_layout()plt.savefig("hopper_flow_patterns.png",dpi=150)print("已保存 segregation_profiles.png 与 hopper_flow_patterns.png")

逐段剖析：

• 四联子图：横轴粗颗粒质量分数、纵轴床高，四条曲线的形状就是四种机理的"指纹"。sifting 与 fluidization 关于 0.5 镜像对称——这就是"结果相反"在图上的样子；rolling 底部凸起；dusting 是一条无梯度的竖直线。
• tracer_paths：mass模式所有示踪颗粒下降速度相同，径向不变（FIFO 图像）；funnel模式速度与径向耦合，用高斯核让中心快、壁面慢，壁面轨迹几乎不动，正是"死区"。
• 图注都写"教学示意"：剖面是从机理方向推出的示意曲线，不是实测数据，必须标明以免被误当成仿真结果。

三、常见报错与排查

现象一：判据输出"主导机理 = sifting"，但配方粒度比只有 1.1 : 1。
根因：把ratio_onset改小了，或flowability_index传了 >1 的值。解法：保持ratio_onset=1.3（综述口径），检查d50_ratio是"两组分 d50 之比"而非单个 d50；做边界检查——segregation_tendency(1.0, 1.0, 1.0)["scores"]["sifting"]应为 0.0。

现象二：四种机理评分全是 0。
根因：flowability_index传了 0，或span传了负值/0，所有驱动项都归零。解法：调用前用断言守住flowability_index ∈ [0,1]、span > 0、d50_ratio ≥ 1。

现象三：把 sifting 与 fluidization 的剖面画反了。
根因：两个机理的斜率符号抄反。sifting 是"大颗粒浮到顶层"（粗分数沿高度上升），fluidization 是"细粉沉积到表层"（粗分数沿高度下降）。解法：加一条自检——coarse_profile([0.0], "sifting") < coarse_profile([1.0], "sifting")必须为真。

现象四：料斗示踪图里壁面轨迹也在匀速下降。
根因：flow_type传成了"mass"，或funnel分支里速度核 σ 太大（趋近均匀）。解法：确认传"funnel"，σ 控制在 0.3–0.4 量级。

现象五：拿不同文献的"偏析指数"直接比大小。
根因：忽略综述警告——各研究度量口径不统一（RSD / AV / 自定义指数）。解法：引用数值必须同时给出该数值的定义式；本系列自建指数在第 14 篇显式声明定义，并写明不可跨研究直接比较。

四、动手练习

1. 复现阈值翻转：固定span=1.0、flowability_index=0.95，把d50_ratio从 1.0 扫到 4.0（步长 0.1）。判定标准：sifting 评分在d50_ratio ≈ 1.3处由 0 开始大于 0，且d50_ratio < 1.3区间内恒为 0.0。
2. 黏聚翻转实验：固定d50_ratio=2.0、span=2.2，把flowability_index从 1.0 扫到 0.1。判定标准：主导机理应从 sifting/rolling 侧翻转到 fluidization/dusting 侧，翻转发生在 flow 约 0.4–0.6；能解释"黏聚既抑 sifting 又促夹带"。
3. 流型对比定量化：调用tracer_paths，算漏斗流中ri=±0.8轨迹在t=1.0时的下降距离与整体流同位置之比。判定标准：整体流比值 ≈ 1.00（误差 < 0.01）；漏斗流壁面对中心速度比 < 0.35，并说明这就是"死区"的量化标志。
4. 四联图自检：把coarse_profile在z=0.1与z=0.9的取值做成 4×2 表格。判定标准：sifting 的 (z=0.9 − z=0.1) > 0，fluidization 的该差值 < 0，rolling 在 z=0.1 处最大，dusting 两点差值为 0（误差 < 1e-12）。

五、小结与下一篇预告

本篇打完了偏析的认知地基。定义与触发：偏析是自发去混合，只要允许颗粒相对运动（充填、卸料、输送、IBC 倾倒、料仓装料、拆包、气力输送、启停式给料）就可能分选，堆锥形成与塌落也会触发。机理收敛：13 种机理里制药只需盯sifting、fluidization、rolling、dusting四种，四者分布结果互相相反，判别第一步看该环节由重力还是气流支配。判据分列：sifting 一手口径是粒度比至少 1.3 : 1（普适阈值尚未确定），行业站的"< 3 : 1 显著降低"是另一件事，必须分列标来源；PSD 宽度的影响文献本身矛盾。流型放大：整体流 FIFO 风险低、漏斗流 FILO 偏析加剧且有死区，对策从料斗几何到配方。最后强调：偏析度量口径不统一，绝对值不可跨研究比较。

本篇产出的是"判据与方向"，还没有时间维度——偏析多快发生、混合多快能把它压回去，仍是空白。这正是下一篇的主题。

下一篇（第 14 篇）《粉体偏析②偏析动力学与偏析指数》——把偏析建成"混合速率 vs 偏析速率"的竞争动力学（本系列自建教学模型，文献中不存在普适的偏析-均匀度定量式），用自研SegregationLayer把床层沿高度离散成若干层做 ODE 积分，给出至少两种偏析指数定义（顶底浓度差、浓度沿高度的标准差），讨论平衡态与达到平衡的时间尺度，并与第 9–12 篇的 RTD 对接：偏析使"每个颗粒的停留时间"失去唯一性，RTD 变成"按组分分别定义的 RTD"。

本篇认知问题回显（FAQ）

Q1：粉体明明混合均匀了，为什么还会重新分离？偏析从什么时候开始？
A1：因为均匀只是瞬时状态而非稳定性。偏析是物性不同颗粒的自发去混合，只要允许颗粒相对运动（充填、卸料、输送、IBC 倾倒、气力输送、启停式给料）就可能开始分选。

Q2：偏析机理多达 13 种，制药固体处理为什么只需关注四种？它们分布结果有何不同？
A2：制药中相关的是**筛分渗透（大颗粒上浮）、流化夹带（细粉上浮）、滚动（大颗粒沉到床底与外缘）、扬尘（细粉被带走、组成单向漂移）**四种，四者分布结果互相相反，判别第一步是看该环节由重力还是气流支配。

Q3：sifting 偏析的粒度比判据到底是 1.3 : 1 还是 3 : 1？
A3：两者不是同一件事：综述一手口径是两组分粒度比至少 1.3 : 1（普适阈值尚未确定），是"可能发生"的下限；设备商博客（★ 行业站）的"粒度比 < 3 : 1 可显著降低渗透偏析"是经验建议。

Q4：粒度分布越宽，粉体是更容易偏析还是更抗偏析？
A4：文献结论相互矛盾：旧文献认为分布越宽偏析越严重，较新研究（振动系统、堆锥试验）发现分布更宽反而可能更抗偏析，因为中间粒径级分同时与大小级分相互作用、降低了颗粒迁移率差异。

Q5：料斗的整体流 mass flow 与漏斗流 funnel flow 差别在哪？为什么漏斗流会放大偏析？
A5：整体流是先进先出（FIFO），全体物料同时卸出，偏析风险低；漏斗流是先进后出（FILO），壁面附近粉体停滞、其余物料经中心漏斗通道流动，形成死区，因而偏析加剧；成因是料斗壁太浅或太粗糙。