有个关于Plackett-Burman的小问题
新人初来乍到不太懂规矩，希望各位前辈能够多多指教。是这样的。我固态发酵的培养基优化实验，之前由于没有考虑清楚做的是单因素优化，虽然效果不错，但是文章不好发…现在想改成响应面，那我接下来应该怎么办？是在单因素优化得到的基础上做Plackett-Burman再做响应面，还是重新开始做单因素试验再pb？如果我直接做Plackett-Burman，那类Plackett-Burman参数该怎么设置？我想优化的有5个培养基组成3个培养条件共8个因素。 如果不是为了发文章，在单因素结束后，基本可以确定各个因素的最适水平，然后直接可以使用响应面完成最优点的寻找。但是楼主要发文章，所以要搞的复杂一些，可以调节一下顺序：先进行PB试验设计，找到关键影响因素，然后再根据提示进行爬坡试验（单因素试验可以用的话，可以省去爬坡试验），根据爬坡试验的结果，可以确定每个因素最优的范围（顶点所在的大致区域）。然后再完成响应面设计。
在单因素基础上进行PB设计有点画蛇添足了，因为PB设计就是为了提高效率，而效果没有单因素好，所以先完成单因素设计，再搞PB设计就好象，我先费了很大功夫达到目的，之后再用一个简单的方法达成相同的目的，甚至效果更差。 如何用单因素结论进行响应面设计
单因素结论基本上找到了需要进行响应面的各个因素的中心点。但是一般没有考虑交互作用，也就是说将这几个最优点组合起来未必是最优点。而响应面可以解决这一问题。
设计时以各个因素的最优点为中心，上下设定2个步长，然后开展多因素3水平或5水平的试验设计，这一设计一般需要软件作为辅助工具，如designexpert。一般3个重复，安置中心点，中心点最好不低于3个重复.试验结果也用软件统计，根据方程计算的最优水平组合。然后进行验证。 PB设计采取2水平设计，主要目的是快速在多因素中找到显著影响因素，和显著因素应该变化的方向。下一步需要使用爬坡试验沿着这个方向，对最优点进行搜索，直到找到最优点存在的区域。
这样看来，单因素试验包括了这两个过程，只是效率没有PB设计高。
单因素如果一个完成后，在这个基础上再进行下一个因素的探索。这便是续贯设计。但是时间会很慢。如果单因素同时做，就会出现每个单因素的试验都是独立完成，没有包含交互作用。所以还需要进行响应面，或正交设计在这些最优点的基础上找一个组合最优。 看了两遍后发现，王叔这三段话完美解决了我之前存在疑惑
我的理解是这样的：属于序贯设计的单因素优化（传统优化方法）实际上起到了PB和最都爬坡实验的效果，相当于完成了发文章必备优化路径即独立单因素→PB→最陡爬坡实验→响应面的前三步。但是工作量大，也不能像PB那样发现显著性影响因素。
但是还有个小问题，就是存不存在这样的手段，能够从单因素优化的结果中找到显著性影响因素从而进行响应面设计？因为如果把我所有的8个因素都放入响应设计中的话那工作量就很吓人了啊… 根据经验确定出这8个因素中哪些与其它无交互作用，然后将这些因素从响应面中剔除。因为无交互作用的单因素的最优解就是组合在一起的最优解。 或者根据单因素试验中影响结果的大小进行判断，影响较小的剔除，影响大的进行响应面。总之需要有取舍 想问一下
如果PB试验和爬坡试验都做了，不为发文章，只需要提高产量，那响应面还需要做吗 我认为是要做的，因为做实验的目的不只是要在目前几个实验数据中选择最优，而是要通过数据找到规律，然后根据模型方程进行预测，从而得到更优的方案后配方。pb和爬坡实验得出的预测模型基本上是线性的，完全不能外推，甚至内推都有问题。因此这俩个实验结束后收获是1，从实验中找到最优组合，2是提供一个局域最优点的范围。 响应面设计外推可能也有问题，但是内推的结论相对准确的多。因为交互作用被考虑了。不知道解释的如何？@liushoujiade
页:
[1]
2