Vous êtes sur la page 1sur 43

Tutoriel

LES PLANS DEXPERIENCES

Jacques GOUPY

Revue MODULAD, 2006

- 74 -

Numro 34

LES PLANS DEXPERIENCES

1. INTRODUCTION Les plans d'expriences permettent d'organiser au mieux les essais qui accompagnent une recherche scientifique ou des tudes industrielles [1]. Ils sont applicables de nombreuses disciplines et toutes les industries partir du moment o lon recherche le lien qui existe entre une grandeur dintrt, y, et des variables, xi. Il faut penser aux plans d'expriences si lon sintresse une fonction du type :
y = f (xi )

Avec les plans d'expriences on obtient le maximum de renseignements avec le minimum d'expriences. Pour cela, il faut suivre des rgles mathmatiques et adopter une dmarche rigoureuse [2]. Il existe de nombreux plans d'expriences adapts tous les cas rencontrs par un exprimentateur. Les principes fondamentaux de cette science seront indiqus et les principaux plans seront passs en revue. La comprhension de la mthode des plans d'expriences s'appuie sur deux notions essentielles, celle d'espace exprimental et celle de modlisation mathmatique des grandeurs tudies. 1.1 Notion d'espace exprimental Un exprimentateur qui lance une tude s'intresse une grandeur qu'il mesure chaque essai. Cette grandeur s'appelle la rponse, c'est la grandeur d'intrt. La valeur de cette grandeur dpend de plusieurs variables. Au lieu du terme variable on utilisera le mot facteur. La rponse dpend donc de un ou de plusieurs facteurs. Le premier facteur peut tre reprsent par un axe gradu et orient (Figure 1). La valeur donne un facteur pour raliser un essai est appele niveau. Lorsqu'on tudie l'influence d'un facteur, en gnral, on limite ses variations entre deux bornes. La borne infrieure est le niveau bas. La borne suprieure est le niveau haut.

Domaine du facteur Facteur 1 -1 niveau bas +1 niveau haut

Figure 1 : Le niveau bas du facteur est not par - 1 et le niveau haut par +1. Le domaine de variation du facteur est constitu de toutes les valeurs comprises entre le niveau bas et le niveau haut. L'ensemble de toutes les valeurs que peut prendre le facteur entre le niveau bas et le niveau haut, s'appelle le domaine de variation du facteur ou plus simplement le domaine du facteur. On a l'habitude de noter le niveau bas par 1 et le niveau haut par +1. Revue MODULAD, 2006 - 75 Numro 34

S'il y a un second facteur, il est reprsent, lui aussi, par un axe gradu et orient. On dfinit, comme pour le premier facteur, son niveau haut, son niveau bas et son domaine de variation. Ce second axe est dispos orthogonalement au premier. On obtient ainsi un repre cartsien qui dfinit un espace euclidien deux dimensions. Cet espace est appel l'espace exprimental (Figure 2).
Facteur 2

Espace exprimental

Facteur 1

Figure 2 : Chaque facteur est reprsent par un axe gradu et orient. Les axes des facteurs sont orthogonaux entre eux. L'espace ainsi dfini est l'espace exprimental. Le niveau x1 du facteur 1 et le niveau x2 du facteur 2 peuvent tre considrs comme les coordonnes d'un point de l'espace exprimental (Figure 3). Une exprience donne est alors reprsente par un point dans ce systme d'axes. Un plan d'expriences est reprsent par un ensemble de points exprimentaux.
Facteur 2

Point exprimental

x2

Facteur 1

x1
Figure 3 : Dans l'espace exprimental, les niveaux des facteurs dfinissent des points exprimentaux. Le regroupement des domaines des facteurs dfinit le domaine d'tude. Ce domaine d'tude est la zone de l'espace exprimental choisie par l'exprimentateur pour faire ses essais. Une tude, c'est--dire plusieurs expriences bien dfinies, est reprsente par des points rpartis dans le domaine d'tude (Figure 4). Cette faon de reprsenter une exprimentation par des points dans un espace cartsien est une reprsentation gomtrique de l'tude. Une autre reprsentation d'une tude sera introduite au paragraphe 2.1.

Revue MODULAD, 2006

- 76 -

Numro 34

Facteur 2

+1

-1

-1

+1

Facteur 1

Figure 4 : Les points exprimentaux sont disposs dans le domaine d'tude dfini par l'exprimentateur. Les dfinitions qui ont t donnes s'appliquent bien aux variables continues. Mais il existe d'autres types de variables. Il y a les variables discrtes comme par exemple des personnes : Julien, Arthur, Louis, Simon et Nathan. On peut encore parler d'espace exprimental mais il n'aura pas les mmes proprits que l'espace des variables continues. Il y a galement les grandeurs ordonnables comme, par exemple, des distances qui peuvent tre courtes, moyennes et longues. L aussi, la notion d'espace exprimental existe toujours mais cet espace possde des proprits diffrentes des deux premiers. 1.2 Notion de surface de rponse Les niveaux xi reprsentent les coordonnes d'un point exprimental et y est la valeur de la rponse en ce point. On dfinit un axe orthogonal l'espace exprimental et on l'attribue la rponse. La reprsentation gomtrique du plan d'expriences et de la rponse ncessite un espace ayant une dimension de plus que l'espace exprimental. Un plan deux facteurs utilise un espace trois dimensions pour tre reprsent : une dimension pour la rponse, deux dimensions pour les facteurs. A chaque point du domaine d'tude correspond une rponse. A l'ensemble de tous les points du domaine d'tude correspond un ensemble de rponses qui se localisent sur une surface appele la surface de rponse (Figure 5). Le nombre et de l'emplacement des points d'expriences est le problme fondamental des plans d'expriences. On cherche obtenir la meilleure prcision possible sur la surface de rponse tout en limitant le nombre dexpriences.

Revue MODULAD, 2006

- 77 -

Numro 34

Rponse

Facteur 2

+1

-1 -1

A +1

Facteur 1

Figure 5 : Les rponses associes aux points du domaine d'tude forment la surface de rponse. Les quelques rponses mesures aux points du plan d'expriences permettent de calculer l'quation de la surface de rponses.

1.3 Notion de modlisation mathmatique


On choisit a priori une fonction mathmatique qui relie la rponse aux facteurs. On prend un dveloppement limit de la srie de Taylor-Mac Laurin. Les drives sont supposes constantes et le dveloppement prend la forme d'un polynme de degr plus ou moins lev :

y = a0 + ai xi + aij xi x j + L + aii xi2 + a ij...z xi x j ...x z {1} o y est la rponse ou la grandeur d'intrt. Elle est mesure au cours de l'exprimentation et elle est obtenue avec une prcision donne. xi reprsente le niveau attribu au facteur i par l'exprimentateur pour raliser un essai. Cette valeur est parfaitement connue. On suppose mme que ce niveau est dtermin sans erreur (hypothse classique de la rgression). a0, ai, aij, aii sont les coefficients du modle mathmatique adopt a priori. Ils ne sont pas connus et doivent tre calculs partir des rsultats des expriences. L'intrt de modliser la rponse par un polynme est de pouvoir calculer ensuite toutes les rponses du domaine d'tude sans tre oblig de faire les expriences. Ce modle est appel "modle postul" ou "modle a priori".
1.4 Le modle de l'exprimentateur

Deux complments doivent tre apports au modle prcdemment dcrit. Le premier complment est le "manque d'ajustement". Cette expression traduit le fait que le modle a priori est fort probablement diffrent du modle rel qui rgit le
Revue MODULAD, 2006 - 78 Numro 34

phnomne tudi. Il y a un cart entre ces deux modles. Cet cart est le manque d'ajustement (lack of fit en anglais). Le second complment est la prise en compte de la nature alatoire de la rponse. En effet, si l'on mesure plusieurs fois une rponse en un mme point exprimental, on n'obtient pas exactement le mme rsultat. Les rsultats sont disperss. Les dispersions ainsi constates sont appeles erreurs exprimentales. Ces deux carts, manque d'ajustement et erreur exprimentale, sont souvent runis dans un seul cart, note e. Le modle utilis par l'exprimentateur s'crit alors :
y = a0 + a i x i + a ij x i x j + L + a ii x i2 + a ij...z x i x j ...x z + e {2}

1.5 Systme d'quations

Chaque point exprimental permet d'obtenir une valeur de la rponse. Cette rponse est modlise par un polynme dont les coefficients sont les inconnues qu'il faut dterminer. A la fin du plan d'expriences, on a un systme de n quations (s'il y a n essais) p inconnues (s'il y a p coefficients dans le modle choisi a priori). Ce systme s'crit d'une manire simple en notation matricielle : y = X a + e {3}
y est le vecteur des rponses. X est la matrice de calcul, ou matrice du modle, qui dpend des points exprimentaux choisis pour excuter le plan et du modle postul. a est le vecteur des coefficients. e est le vecteur des carts.

Ce systme possde un nombre d'quations infrieur au nombre d'inconnues. Il y a n quations et p + n inconnues. Pour le rsoudre, on utilise une mthode de rgression base sur le critre des moindres carrs. On obtient ainsi les estimations des coefficients que l'on note : a Le rsultat de ce calcul est : a = ( X ' X ) 1 X ' y {4} Formule dans laquelle la matrice X ' est la matrice transpose de X . De nombreux logiciels excutent ce calcul et donnent directement les valeurs des coefficients. Deux matrices interviennent constamment dans la thorie des plans dexpriences : La matrice dinformation X ' X . La matrice de dispersion ( X ' X )1 . Nous allons maintenant appliquer les notions et les proprits que nous venons de dcrire aux plans dexpriences les plus classiques. Nous verrons successivement les plans suivants : Plans factoriels complets deux niveaux. Plans factoriels fractionnaires deux niveaux. Autres plans deux niveaux. Plans plusieurs niveaux. Plans pour surfaces de rponse. Plans de mlanges. Revue MODULAD, 2006 - 79 Numro 34

Plans boolens. Plans optimaux. Plans pour simulations numriques.


2. PLANS FACTORIELS COMPLETS A DEUX NIVEAUX

Ces plans possdent un nombre de niveaux limit deux pour chaque facteur. Toutes les combinaisons de niveaux sont effectues au cours de l'exprimentation. Ces plans peuvent tre utiliss indistinctement pour les variables continus et pour les variables discrtes.
2.1 Plan deux facteurs

Pour deux facteurs, le domaine d'tude est un carr (en units codes- voir annexe 1). Par exemple, la Figure 6 reprsente un plan factoriel complet deux facteurs. Le modle mathmatique postul est un modle du premier degr par rapport chaque facteur : y = a0 + a1 x1 + a 2 x2 + a12 x1 x 2 + e {5} y est la rponse xi reprsente le niveau attribu au facteur i. a0 est la valeur de la rponse au centre du domaine d'tude. a1 est l'effet (ou effet principal) du facteur 1. a2 est l'effet (ou effet principal) du facteur 2. a12 est l'interaction entre les facteurs1 et 2. e est l'cart. On dmontre que les meilleurs emplacements des points d'expriences sont situs aux sommets du domaine d'tude.
Poids d'additif 10 gr. + 1

5 gr.

-1

A
-1 20 C +1

Temprature

80 C

Figure 6 : Les meilleurs emplacements des points exprimentaux sont les sommets du domaine d'tude lorsque le modle postul est du premier degr.
2.1.1 Reprsentation d'une tude sous forme de tableau Les reprsentations gomtriques sont commodes et trs parlantes mais ds que le nombre de facteurs est suprieur trois, elles ne peuvent plus tre employes. Pour les espaces multidimensionnels, on adopte une reprsentation en forme de tableau. Pour montrer la correspondance entre les deux reprsentations, gomtrique et tableau, nous allons expliquer la construction du tableau rassemblant les expriences du plan 22 associ la Figure 6. Revue MODULAD, 2006 - 80 Numro 34

Ce tableau comprend trois colonnes, la premire identifie les essais, la seconde et la troisime indiquent les coordonnes des points d'expriences. L'essai n1 est celui pour lequel les deux facteurs tudis sont aux niveaux bas, 20C (ou - 1 en units codes) et 5 grammes (ou - 1 en en units codes). Cet essai n1 correspond au point A de la Figure 6. L'essai n2 est celui pour lequel le premier facteur est fix au niveau haut, 80 C (ou +1 en units codes) et le second facteur est fix au niveau bas : 5 grammes (ou - 1 en units codes). Cet essai n2 correspond au point B. Ce tableau s'appelle Tableau d'exprimentation s'il est construit avec les units physiques habituelles (Tableau 1) et Plan d'expriences s'il emploie les units codes (Tableau 2). Dans ce dernier cas, on rappelle la signification des units codes en indiquant, pour chaque facteur, leurs valeurs en units physiques habituelles en bas du tableau. Tableau 1 : Tableau d'exprimentation (units courantes).
N essai 1 (A) 2 (B) 3 (C) 4 (D) Temprature (1) 20 C 80 C 20 C 80 C Poids (2) 5 grammes 5 grammes 10 grammes 10 grammes

La reprsentation qui utilise les units codes est plus gnrale que celle qui emploie les units physiques habituelles. C'est celle qui est le plus souvent adopte et cest celle que nous utiliserons par la suite. Tableau 2 : Plan d'expriences (units codes).
N essai 1 (A) 2 (B) 3 (C) 4 (D) Facteur 1 -1 +1 -1 +1 Facteur 2 -1 -1 +1 +1

Niveau -1 Niveau +1

20 C 80 C

5 grammes 10 grammes

Les reprsentations gomtriques et les reprsentations par tableaux sont quivalentes. Les tableaux (ou matrices) prsentent l'avantage de pouvoir tre utiliss quel que soit le nombre de facteurs, c'est--dire quel que soit le nombre de dimensions de l'espace exprimental. Il est utile de savoir passer d'une reprsentation l'autre pour bien interprter les rsultats des plans d'expriences. 2.1.2 Prsentation des rsultats d'essais A chaque essai, l'exprimentateur mesure la rponse qu'il a choisie. Par exemple, la rponse de l'essai n 1 est y1. Celle de l'essai n 2 est y2, et ainsi de suite. Ces rponses sont indiques en face chaque essai et sont rassembles dans la colonne Rponse (Tableau 3).

Revue MODULAD, 2006

- 81 -

Numro 34

Tableau 3 : Plan dexpriences et rsultats exprimentaux.


N essai 1 2 3 4 Facteur 1 -1 +1 -1 +1 Facteur 2 -1 -1 +1 +1 Rponse y1 y2 y3 y4

Niveau - 1 Niveau +1

20 C 80 C

5 grammes 10 grammes

2.1.3 Calcul des coefficients Les quatre points d'expriences apportent quatre quations.
y 1 = a0 + a1x1,1 + a 2 x 2,1 + a12 x1,1x2,1 + e1 y 2 = a0 + a1x1,+1 + a 2 x 2,1 + a12 x1,+1x 2,1 + e2 y 3 = a0 + a1x1,1 + a 2 x 2,+1 + a12 x1,1x 2,+1 + e3 y 4 = a0 + a1x1,+1 + a 2 x 2,+1 + a12 x1,+1x2,+1 + e4 La rsolution de ce systme donne la valeur des coefficients : 1 a0 = [+y1 +y 2 +y 3 +y 4 ] {6 a} 4 1 a1 = [y1 +y 2 y 3 +y 4 ] {6 b} 4 1 a2 = [y1 y 2 +y 3 +y 4 ] {6 c} 4 1 a12 = [+y1 y 2 y 3 +y 4 ] {6 d} 4

Connaissant les coefficients, on peut crire le modle de rgression qui servira faire des prvisions y = a0 + a1 x1 + a 2 x 2 + a12 x1 x 2 {6} 2.1.4 Signification de a 0 Si l'on donne x1 et x2 la valeur zro, on dfinit le centre du domaine d'tude. La relation {6} devient alors y 0 = + a0 {7} Le coefficient a0 est la valeur calcule de la rponse au centre du domaine d'tude.
2.1.5 Signification de a1 Plaons nous maintenant au niveau moyen du facteur 2, pour cela donnons la valeur zro x2. La relation {6} devient : y = +a0 + a1x1 {8}

Cette relation permet de tracer l'volution de la rponse prdite dans un plan de coupe x 2 = 0 (Figure 7). L'effet du facteur 1 apparat comme la variation de la rponse quand on passe du niveau zro au niveau haut du facteur 1.

Revue MODULAD, 2006

- 82 -

Numro 34

REPONSE

y+ y0 y

EFFET DU FACTEUR 1

-1

+1

FACTEUR 1

Figure 7 : Dans le plan moyen du facteur 2, l'effet du facteur 1 est la variation de la rponse entre le centre du domaine dtude et le niveau haut du facteur 1.
2.1.6 Signification de a12 La relation {6d} peut s'crire

a12 =

1 1 1 1 ( y 4 y 3 ) ( y 2 y1) = +ef + ef 2 2 2 2

{9}

L'interaction apparat comme la demi diffrence entre l'effet du facteur 1 au niveau haut du facteur 2 (effet not ef+) et l'effet du facteur 1 au niveau bas du facteur 2 (effet not ef -). Elle traduit une variation de l'effet d'un facteur en fonction du niveau d'un autre facteur. L'interaction a12 entre les deux facteurs 1 et 2 est une interaction d'ordre 2.
2.2 Exemple 1 : Amlioration du rendement 2.2.1 Description de l'tude Un industriel cherche augmenter le rendement de sa fabrication. Il prpare un mdicament partir de plantes naturelles et cherche amliorer le rendement d'extraction du principe actif. L'extraction est effectue en prsence de chlorure de sodium dont la concentration est de 50 grammes par litre et une temprature de 70C. L'industriel dcide d'tudier ces deux facteurs et de les faire varier autour des consignes normales de fonctionnement. D'o les facteurs et le domaine d'tude :

Facteur 1 : concentration en chlorure de sodium entre 40 et 60 grammes. Facteur 2 : temprature entre 60C et 80C. La rponse est la masse de produit actif fabriqu. L'industriel excute un plan factoriel complet 22. Ce plan est dfinit par Tableau 4. Les rsultats exprimentaux sont consigns dans la colonne "Rponse".

Revue MODULAD, 2006

- 83 -

Numro 34

Tableau 4 : Plan dexpriences et rsultats exprimentaux


N essai Facteur 1 -1 +1 -1 +1 Facteur 2 -1 -1 +1 +1 Rponse grammes y1 = 115 y2= 185 y3= 104 y4= 156

1 2 3 4 Niveau -1 Niveau +

40 60

60C 80C

2.2.2 Interprtation Les calculs sont effectus en utilisant la relation {4}.

Tableau 5 : Tableau des effets. Moyenne Effet de 1 Effet de 2 Interaction 140 grammes 30,5 grammes -10 grammes -4,5 grammes

L'effet de la concentration est de 30,5 grammes pour une variation de 10 grammes en chlorure de sodium (Figure 8). On peut donc amliorer la production en augmentant la concentration en chlorure de sodium. L'effet de la temprature est de -10 grammes pour une variation de 10C. Il en rsulte qu'il faut baisser la temprature pour amliorer le rendement.
Masse
170,5

Masse

+ 30,5
140

150 140 130

- 10

109,5

-1

+1

-1

+1

40%

80%

40C

60C

Concentration en Cl Na (1)

Temprature (2)

Figure 8 : Effets de la concentration en chlorure de sodium et de la temprature sur le rendement en produit actif. Pour avoir une vue d'ensemble des rsultats, on trace les courbes isorendement dans le domaine d'tude (Figure 9)

Revue MODULAD, 2006

- 84 -

Numro 34

60 C
110

Temprature (2)

120 130 140 150 160 170 180

40 C 40
Concentration en Cl Na (1)

80

Figure 9 : Courbes isorponses montrant l'influence de la concentration en chlorure de sodium et de la temprature sur le rendement en produit actif.
2.3 Plans factoriels k facteurs 2 niveaux

On peut augmenter le nombre de facteurs. L'espace exprimental possde autant de dimensions qu'il y a de facteurs et le modle mathmatique correspond la relation {2}. Un plan comportant k facteurs deux niveaux est not 2k. Le k en exposant signifie qu'il y a k facteurs tudis. Le 2 indique le nombre de niveaux par facteur. On remarquera que cette notation indique galement le nombre d'essais raliser. Ce nombre devient rapidement trs important. Pour seulement 7 facteurs, il faudrait excuter 128 essais. Pour diminuer le nombre des essais en conservant la possibilit d'tudier tous les facteurs, les plans factoriels fractionnaires deux niveaux ont t introduits.
3. PLANS FACTORIELS FRACTIONNAIRES A DEUX NIVEAUX 2k-q

Les plans factoriels fractionnaires sont des plans factoriels qui permettent d'tudier tous les facteurs mais dont le nombre d'essais est rduit par rapport aux plans factoriels complets. Un plan factoriel fractionnaire 2 fois moins, ou 4 fois moins ou 2q fois moins d'essais que le factoriel complet correspondant. A la fin d'un plan factoriel fractionnaire, on a un systme de n quations p coefficients inconnus avec p plus grand que n. On ne sait pas rsoudre un tel systme. Comme on ne peut pas augmenter le nombre d'quations, il faut diminuer le nombre d'inconnues. On y arrive en utilisant un artifice : on regroupe les coefficients de telle manire qu'il y ait n inconnues. On rsout donc un systme de n quations n groupes de coefficients. On appelle ces groupes de coefficients, des contrastes ou des aliases et on dit que les coefficients sont aliases dans les contrastes.
3.1 Notation des plans factoriels fractionnaires

Pour k facteurs prenant deux niveaux le plan complet est not 2k. Revue MODULAD, 2006 - 85 Numro 34

Le plan fractionnaire, moiti du plan complet possde 1/2 2k ou 2k-1 essais. On peut donner une signification chaque caractre de cette notation : Le k signifie qu'il y a k facteurs tudis. Le 2 signifie que chaque facteur prend deux niveaux. Le 1 signifie que le nombre d'essais du plan a t divis par 21. Un plan 25-2 permet d'tudier cinq facteurs prenant chacun deux niveaux en 8 essais. Le plan complet a t divis par 22 = 4. Un plan 2k-q permet d'tudier k facteurs prenant chacun deux niveaux. Le plan complet a t divis par 2q.
3.2 Application au plan factoriel fractionnaire 23-1

On veut tudier 3 facteurs en ne faisant que 4 essais. On prend la prcaution de choisir les 4 essais pour que la matrice X s soit une matrice orthogonale d'Hadamard. Les 4 points choisis sont disposs comme l'indique la Figure 10.

Facteur 3 Facteur 2 Facteur 1

Figure 10 : Un plan factoriel complet 23 peut tre divis en deux plans factoriels fractionnaires 23-1, un plan noir et un plan gris. Le modle mathmatique de la rponse d'un plan factoriel 3 facteurs comporte 8 coefficients (modle 1) : y =a0 + a1x1 + a2 x 2 + a3 x3 + a12 x1x2 + a13 x1x3 + a23 x2 x3 + a123 x1x2 x3 {10} Si on effectue 4 essais, on obtient un systme de quatre quations 8 inconnues : y=Xa {11} On ne sait pas rsoudre le systme {11}. Comme il n'y a que 4 essais, on ne peut calculer que 4 inconnues. On adopte le modle (modle 2) : y = l 0 + l 1 x1 + l 2 x2 + l 3 x3 avec {12}

l 0 = a0 + a123 l 1 = a1 + a23 l 2 = a2 + a13 l 3 = a3 + a12

{13}

On sait calculer les contrastes l i du modle 2. Mais la difficult est d'arriver interprter ces contrastes pour remonter aux coefficients. Revue MODULAD, 2006 - 86 Numro 34

3.3 Application au plan factoriel fractionnaire 25-2

Le modle 1 du plan complet comporte 32 coefficients inconnus. Le modle 2 est tabli avec 8 essais de telle manire que la matrice X s soit une matrice orthogonale d'Hadamard. On obtient, par exemple, le plan d'expriences d'une telle matrice en prenant les colonnes 1, 2, 3, 12 et 13 de la matrice de calcul d'un plan 23 (Tableau 6). Les niveaux d'tude du facteur 4 sont donns par les signes de l'interaction 12 et ceux du facteur 5 par les signes de l'interaction 13. Tableau 6 : Plan d'expriences du plan factoriel fractionnaire 25-2.
Numro de l'essai 1 2 3 4 5 6 7 8 Facteur 1 Facteur 2 Facteur 3 Facteur 4 = 12 Facteur 5 =13

+ + + +

+ + + +

+ + + +

+ + + +

+ + + +

On obtient un systme de 8 quations 32 inconnues qui s'crit sous forme matricielle : y = X a {14} 8,1 8,32 32,1 Pour rduire le nombre des inconnues, on introduit 8 contrastes.
y (8,1) = Xs

(8,8) (8,1)

{15}

La meilleure faon de savoir comment les coefficients sont aliass dans les contrastes, est de faire appel aux logiciels. Dans les cas simples, on peut utiliser le calcul de Box. Pour cet exemple on trouve :

l 0 = a0 + a124 + a135 + a2345 l 1 = a1 + a24 + a35 + a12345 l 2 = a2 + a14 + a345 + a1235 l 3 = a3 + a15 + a245 + a1234 {16} l 4 = a 4 + a12 + a235 + a1345 l 5 = a5 + a13 + a234 + a1245 l 23 = a23 + a 45 + a125 + a134 l 123 = a123 + a25 + a34 + a145
3.4 Le pari des plans fractionnaires
D'aprs les relations {13} et {16} un contraste n'est gal un effet principal que si les interactions avec lesquelles il est alias sont ngligeables. C'est donc le pari que l'on fait quand on ralise un plan fractionnaire. On espre que les interactions sont assez

Revue MODULAD, 2006

- 87 -

Numro 34

faibles pour tre ngliges. A chaque fois que ce sera le cas, on aura gagn. Mais si l'interaction est forte il faudra faire des essais supplmentaires pour valuer individuellement l'effet principal d'un ct et les interactions de l'autre. Le problme qui se pose toujours est de savoir si un contraste contient ou non une interaction non ngligeable. C'est le point dlicat de l'interprtation des plans fractionnaires. On rsout ce problme en connaissant bien la thorie des aliases et en appliquant intelligemment les hypothses d'interprtation (paragraphe suivant). Mais rien n'est ici automatique et l'exprimentateur devra mettre en uvre son bon sens et les connaissances qu'il a du phnomne tudi.

3.5 Les hypothses d'interprtation


Tous les plans fractionnaires posent le mme problme d'interprtation des rsultats. Comme on n'effectue pas toutes les expriences du plan complet, on ne peut pas obtenir la valeur de toutes les interactions. Il faut crer soi mme des informations supplmentaires de remplacement. Ces informations supplmentaires doivent tre ralistes et compatibles avec l'tude mene. Elles sont introduites sous forme d'hypothses et elles demandent tre vrifies avant la conclusion de l'tude. Les hypothses de travail les plus souvent retenues sont les suivantes : Hypothse 1 Les interactions d'ordre 3 (interaction entre 3 facteurs) ou d'ordre plus lev sont considres comme ngligeables. On limine ainsi un grand nombre d'inconnues. Mais attention cette hypothse peut parfois tre mise en dfaut. Hypothse 2 Si un contraste est nul, cela peut signifier : - que les effets et les interactions aliass sont tous nuls. Cest lhypothse est la plus probable et cest celle que nous retiendrons sous le nom dhypothse 2. - que les effets et les interactions aliass se compensent. Cette hypothse est peu probable et nous ne la retiendrons pas. Hypothse 3 Si deux contrastes sont faibles, on supposera que leur interaction l'est aussi. Si un contraste est faible et l'autre fort, on supposera que leur interaction est faible. Hypothse 4 Si deux contrastes sont forts, on se mfiera de leur interaction qui peut l'tre galement. Les hypothses prsentes ici sont trs souvent vrifies mais, il arrive parfois qu'elles soient mises en dfaut. Il est toujours possible d'en adopter d'autres en fonction du problme trait et des risques encourus. Pour une bonne analyse des rsultats il est prudent de toujours bien prciser les hypothses d'interprtation que l'on a retenues.

3.6 Construction pratique d'un plan fractionnaire


On choisit un plan complet et l'on crit sa matrice de calcul en omettant la colonne de signes plus. On appelle cette nouvelle matrice le plan de base. Dans ce plan de base, on choisit une colonne de signes correspondant une interaction et on l'attribue un facteur supplmentaire. Les signes de l'interaction choisie deviennent les niveaux d'tude (haut et bas) de ce facteur supplmentaire. Revue MODULAD, 2006 - 88 Numro 34

Dans l'exemple du paragraphe 3.3, on aurait pu aliaser le facteur 4 (ou le facteur 5) sur une autre interaction, on aurait eu d'autres points exprimentaux et d'autres aliases. On peut gnraliser cette mthode et utiliser toutes les colonnes d'un plan de base. Par exemple sur le plan de base bti sur la matrice de calcul d'un plan 23 on peut tudier sept facteurs. Sur le plan de base d'un plan 24, on peut tudier jusqu' quinze facteurs.

3.7 Nombre maximum de facteurs tudis sur un plan de base


On peut tudier autant de facteurs supplmentaires qu'il y a d'interactions dans le plan de base. Sur un plan de base 22 il y a une interaction. On pourra donc tudier 3 facteurs, deux sur les colonnes 1 et 2, le troisime sur la colonne de l'interaction. Sur un plan de base 23, il y a quatre interactions. On pourra donc tudier 7 facteurs. Trois sur les colonnes 1, 2 et 3. Les quatre autres sur les colonnes d'interaction 12, 13, 23 et 123. Le Tableau 7 indique le nombre maximum de facteurs que l'on peut tudier sur diffrents plans de base.

Tableau 7 : Nombre maximum de facteurs tudis sur un plan de base donn Plan de base
22 23 24 25 26 27

Nombre de facteurs principaux


2 3 4 5 6 7

Nombre d'interactions
1 4 11 26 57 120

Nombre maximum de facteurs tudis 3 7 15 31 63 127

3.8 Exemple 2 : Le gteau d'anniversaire 3.8.1 Description de l'tude La petite Lucie a dcid de confectionner un gteau pour son anniversaire. Comme la recette n'est pas trs claire et que les conseils recueillis auprs de la famille sont divergents, Lucie entreprend de raliser un plan d'expriences pour connatre l'influence des quantits de produits et de la manire d'oprer Tableau 8 : Facteurs et domaine d'tude Facteur
Temprature (1) Dure (2) Farine (3) Sucre (4) Oeufs (5) Lucie retient les facteurs suivants : Revue MODULAD, 2006 - 89 Numro 34

Niveau -1 160 C 35 150 100 2

Niveau + 1 220 C 40 200 150 4

La temprature du four. La dure de cuisson. La quantit de farine. La quantit de sucre. Le nombre d'ufs. La rponse est la hauteur du cake mesure en millimtres. Plus, il sera haut meilleur sera le rsultat. Comme elle ne veut pas prparer 32 gteaux, Lucie dcide d'excuter un plan factoriel fractionnaire 25-2 en aliasant le facteur 4 sur l'interaction 123 et le facteur 5 sur l'interaction 13. Ce plan est donn par le Tableau 9 dans lequel figurent galement les rponses mesures.

Tableau 9 : Plan factoriel fractionnaire 25-2. N essai 1 2 3 4 5 6 7 8 Facteur Facteur Facteur Facteur Facteur 1 2 3 4 = 123 5 =13 + + + + + + + + + + + + + + + + + + + + Hauteur
56 8 54 10 28 24 26 34

Les contrastes sont obtenus avec un logiciel ou avec le calcul de Box. On les simplifie en tenant compte des hypothses d'interprtation (Hypothse 1) :

l 0 = a 0 + a135 + a 245 + a1234 l 1 = a1 + a 35 + a 234 + a1245 l 2 = a 2 + a 45 + a134 + a1235 l 3 = a 3 + a15 + a124 + a 2345 l 4 = a 4 + a 25 + a123 + a1345 l 5 = a 5 + a13 + a 24 + a12345 l 12 = a12 + a 34 + a 235 + a145 l 14 = a14 + a 23 + a125 + a 345

a0 a1 + a 35 a 2 + a 45 a 3 + a15 a 4 + a 25 a 5 + a 13 + a 24 a 12 + a 34 a 14 + a 23

Les coefficients sont calculs avec la relation {4}, on trouve :

Revue MODULAD, 2006

- 90 -

Numro 34

l 0 a 0 = 30 l 1 a1 + a 35 = 11 l 2 a 2 + a 45 = 1 l 3 a 3 + a15 = 2 l 4 a 4 + a 25 = 1 l 5 a 5 + a13 + a 24 = 12 l 12 a12 + a 34 = 2 l 14 a14 + a 23 = 1


Ces rsultats sont illustrs par Figure 11. On constate que cinq contrastes sont faibles. D'aprs l'hypothse 2, on peut conclure que les effets et les interactions aliass dans ces contrastes sont tous faibles. On peut donc ngliger les facteurs Dure (2), Farine (3) et Sucre (4).
Effets des facteurs sur la hauteur du gteau
20 15 10 5 0 -5 -10 -15 -20 Tp (1) Dure (2) Farine (3) Sucre (4) ufs (5) 12+34 23+14

Valeur des coefficients

Nom des coefficients

Figure 11 : Diagramme barres des effets.


En revanche les contrastes l 1 et l 5 ne sont pas ngligeables. Il faut donc se mfier de l'interaction 15 qui pourrait tre forte (Hypothse 4). Cette interaction est aliase avec le facteur 3 dans le contraste l 3 . Comme ce contraste est faible, l'interaction l'est aussi (Hypothse 2). On peut donc conclure qu'il y a 2 facteurs influents sur la hauteur du gteau, la Temprature (1) et le nombre d'oeufs (5). Il n'y a pas d'interaction entre ces deux facteurs.

Revue MODULAD, 2006

- 91 -

Numro 34

Hauteur
41 30 19

Hauteur
42

12 - 11
30 18

-1

+1

-1

+1

160 C

220C

Temprature (1)

Oeufs (5)

Figure 12 : Effet de la Temprature (1), et du nombre d'oeufs (5) sur la hauteur du gteau.
Si l'on veut un gteau de bonne hauteur, il faut travailler 160C (niveau bas) et avec 4 ufs (niveau haut). C'est la recette que la petite Lucie a suivi pour prparer son gteau d'anniversaire.

4. AUTRES PLANS A DEUX NIVEAUX 4.1 Objectifs des autres plans deux niveaux
Les plans factoriels complets et fractionnaires sont bass sur des modles mathmatiques du premier degr. Ils couvrent la plupart des besoins des exprimentateurs lors d'une tude de dgrossissage. Ce sont eux qui sont employs dans la majorit des cas. D'autres plans deux niveaux, et bass galement sur un modle mathmatique du premier degr, ont t mis au point pour rpondre des situations particulires. Nous examinerons les plans de Koshal, les plans de Rechtschaffner, les plans de Plackett et Burman, les Tables de Taguchi et les plans supersaturs.

4.2 Les plans de Koshal


Les plans de Koshal [3] sont des plans qui permettent de dterminer uniquement les effets principaux des facteurs. On ne peut pas valuer les interactions. Le modle mathmatique est
y = a0 + ai xi {17}

Ces plans, peu connus, sont trs pratiques pour dgrossir un problme. Ils offrent l'avantage de donner directement l'effet des facteurs. Ils forment le dbut d'un plan factoriel qu'il est toujours loisible de complter pour obtenir un plan complet ou fractionnaire. La Figure 13 illustre un plan de Koshal pour 3 facteurs.

Revue MODULAD, 2006

- 92 -

Numro 34

x3

+1

D
+1

x2
C

B A
-1 +1

x1

Figure 13 : Plan de Koshal pour trois facteurs. Ces points forment le dbut d'un plan factoriel complet 23. 4.3 Les plans de Rechtschaffner
Les plans de Rechtschaffner sont des plans factoriels fractionnaires simplifis qui permettent de dterminer les effets des facteurs et les interactions d'ordre deux. Toutes les autres interactions sont supposes nulles avant mme l'exprimentation. Le modle mathmatique adopt au dpart de l'tude est donc
y = a0 + ai xi + aij x i x j

{18}

Il suffit de choisir un plan fractionnaire de rsolution III pour obtenir un plan de Rechtschaffner. Mais l'ide de ne dterminer que les effets principaux et les interactions d'ordre deux a t tendue par Rechtschaffner aux plans du second degr et aux facteurs prenant trois niveaux. Ces plans spciaux sont indiqus dans des tables auxquelles il conviendra de se rfrer en cas de besoin [4].

4.4 Les plans de Plackett et Burmann


Les matrices de calcul des plans de Plackett et Burman [5] sont des matrices d'Hadamard. C'est--dire des matrices ayant 4, 8, 12, 16, 20, 24, 28, 32, 36 lignes etc. Elles permettent donc des exprimentations ayant un nombre d'essais intermdiaire de celui des plans factoriels qui, eux, ont seulement 2k lignes (4, 8, 16, 32, etc.). Les plans de Plackett et Burman sont le plus souvent saturs. Le modle mathmatique est alors un modle sans interaction analogue celui des plans de Koshal :
y = a0 + ai xi

4.5 Les tables de Taguchi


Les Tables de Taguchi [6] sont des plans de Plackett et Burman dans lesquels on a remplac +1 par 1 et 1 par 2. Les noms des plans ont galement t traduits. Le plan 23 est la Table L8 et le plan 24 est la Table L16. Le plan de 12 essais, appel Table L12, est un plan de Plackett et Burman. A lorigine ces plans taient utiliss avec un modle sans interaction. Aujourdhui, certaines personnes leur appliquent les rsultats et les principes de la thorie classique. Revue MODULAD, 2006 - 93 Numro 34

La prsentation des plans d'expriences selon les principes de Taguchi est trs prise dans le domaine de la qualit.

4.6 Les plans sursaturs


Un plan satur est un plan qui comporte autant d'essais que de coefficients dterminer dans le modle mathmatique. Les plans de Rechtschaffner, les plans de Plackett et Burman et les tables de Taguchi sont souvent des plans saturs. Un plan sursatur est un plan qui comporte moins d'essais que de coefficients dterminer dans le modle mathmatique. A ce titre les plans factoriels fractionnaires peuvent tre considrs comme sursaturs. Mais, il existe des plans encore plus sursaturs que les plans factoriels fractionnaires [7]. Ce sont des plans dont les facteurs principaux sont aliass entre eux. Ces plans sont utiles lorsqu'il y a beaucoup de facteurs examiner et lorsqu'on est sr que peu d'entre eux sont influents sur la rponse. Certains plans proposent ltude de 66 facteurs en 12 essais ou de 272 facteurs en 24 essais. La thorie des aliases est applicable ces plans puisquon regroupe les coefficients dans des contrastes. Mais l'interprtation n'est pas toujours facile.

5. PLANS A PLUSIEURS NIVEAUX


Les plans deux niveaux sont trs utiliss parce qu'ils sont conomiques en nombre d'essais. Mais il n'y a aucune raison de ne pas considrer des plans ayant des facteurs prenant plus de deux niveaux. Il faut donner chaque facteur le nombre de niveaux ncessaires aux exigences de l'tude. Il existe, l aussi, des plans complets et des plans fractionnaires qui permettent de rduire le nombre des essais malgr l'augmentation du nombre de niveaux. L'interprtation des rsultats dpend de la nature des variables. Si les facteurs sont continus, on pourra utiliser un modle du premier ou du deuxime degr et excuter les calculs avec la relation {4} en vue de la modlisation. Pour ces variables, il existe des plans optimiss selon les diffrents critres doptimalit. On les trouvera dcrits dans les paragraphes consacrs aux plans factoriels et aux plans pour surfaces de rponse. Si les variables sont discrtes, il faut employer l'analyse de la variance [8] pour interprter les rsultats. Pour ces variables, il existe des plans particuliers tels que les carrs latins, les carrs grco-latins, les plans de Youden et les plans niveaux mixtes.

5.1 Plans complets trois niveaux


S'il y a deux facteurs prenant chacun trois niveaux, il faut excuter 9 essais. On note ce plan 32. S'il y a trois facteurs prenant chacun trois niveaux (plan 33), il faut excuter 27 essais. Ce qui commence faire beaucoup. C'est la raison pour laquelle on a introduit les plans fractionnaires correspondants qui portent le nom de carrs latins.

5.2 Carrs latins


Les carrs latins sont des plans pour tudier 3 facteurs prenant chacun 3 niveaux. On ralise 9 essais au lieu de 27 pour le plan complet. Ce sont des plans factionnaire 33-1. La disposition des points exprimentaux est telle que tous les niveaux sont reprsents et qu'il n'y a pas de rptition. La Figure 14 illustre un carr latin pour 3 facteurs. Ces plans sont souvent utiliss pour les variables discrtes et le modle mathmatique est souvent un modle sans interaction.

Revue MODULAD, 2006

- 94 -

Numro 34

Facteur 3

Facteur 2 Facteur 1

Figure 14 : Plan en carrs latins. 5.3 Exemple 4 : Etude des themomtres de prcision
Un exprimentateur dsire s'assurer de la prcision de ses mesures de temprature. Il possde trois thermomtres de prcision, trois cellules de mesure et il y a trois oprateurs diffrents. Pour valuer l'influence de ces trois facteurs sur les tempratures mesures, l'exprimentateur met en place un carr latin de 9 essais. La rponse est reprsente par les deux derniers chiffres indiqus par les thermomtres. Linterprtation est base sur lanalyse de la variance qui donne limportance de chacun des facteurs sur la rponse. Cette analyse adopte le modle suivant

y =a0 + a1x1 + a 2 x 2 + a3 x3 + e
Dans ce modle les ai se dcomposent en trois coefficients lis par une relation. Par exemple, a1 se dcomposent en trois coefficients reprsentant respectivement l'influence du thermomtre 1, du thermomtre 2 et du thermomtre 3. La somme des trois coefficients est toujours nulle.

Tableau 10 : Plan d'expriences du plan en carr latin. N essai


1 2 3 4 5 6 7 8 9 0

Thermo mtre 1 0 0 0 + + +
1 2

Cellule 2 0 + 0 + 0 +
A B

Oprateur 3 0 + 0 + + 0
Jean Pierre - 95 -

Rponse
36 17 37 38 18 39 37 19 41

Revue MODULAD, 2006

Numro 34

Luc

D'aprs l'analyse de la variance, l'importance des thermomtres est de : 8,66667 sur les 817,33333 du modle (rponses calcules avec le modle), soit 1%. L'importance des cellules est de : 806, soit 98,7 %. L'importance des oprateurs est de : 2,66667, soit 0,3 %.

Tableau 11 : Analyse de la variance. Source des variations


Thermomtres Cellules Oprateurs Total (Modle) Rsidus Total (Rponses mesures)

Somme des carrs


8,66667 806 2,66667 817,3333 0,66667 818

ddl
2 2 2 6 2 8

Carrs moyens
4,333 403 1,333

F de Fisher
13 1209 4

Probabilit
0,0714 0,0008 0,200

0,3333

Les thermomtres et les oprateurs ont une faible influence sur la dispersion des tempratures. En revanche, les cellules influencent considrablement la mesure de la temprature. Suivant la cellule choisie, on ne trouvera pas la mme valeur de temprature. Lorsqu'on examine les rsultats des cellules, on constate que les cellules 1 et 3 donnent des rsultats comparables (37 et 39 en moyenne avec des cart-types respectifs de 0,58 et 1,15), alors que la cellule 2 donne des valeurs trs faibles (moyenne 18 avec un cart-type de 0,58). Il apparat que la cellule 2 comporte un dfaut qui la rend impropre faire des mesures de prcision.

5.4 Carrs grco-latins


Les carrs grco-latins sont des plans de 16 essais permettant d'tudier 4 facteurs ayant chacun 4 niveaux. Ce sont des plans 44-2. L'emplacement des points exprimentaux est tel que la matrice de calcul est orthogonale. Ces plans sont utiliss pour les variables discrtes et le modle mathmatique est un modle avec ou sans interaction d'ordre 2.

5.5 Carrs de Youden


Youden [9] a dvelopp des plans pour deux variables discrtes prenant plus de quatre niveaux. Le principe est analogue celui des carrs latins. On rduit le nombre des essais en retirant des points au plan complet. Ces plans sont souvent utiliss pour les variables discrtes. Ils ont servi galement de base l'tablissement de plans pour simulations numriques.

5.6 Plans niveaux mixtes


Il y a autant de facteurs que l'on veut et chaque facteur prend le nombre de niveaux ncessaires la bonne excution de l'tude. Par exemple, un facteur peut prendre 3 Revue MODULAD, 2006 - 96 Numro 34

niveaux, un autre 4 niveaux et un troisime 6. Ces plans sont trs utiliss pour les variables discrtes.

6. LES PLANS POUR SURFACES DE REPONSE


Les plans du second degr ou plans pour surfaces de rponse [10] permettent d'tablir des modles mathmatiques du second degr. Ils sont utiliss pour les variables continues. Pour deux facteurs, on a
2 2 y = a0 + a1 x1 + a 2 x 2 + a12 x1 x2 + a11 x1 + a 22 x 2 + e {19}

Ces plans sont utiles chaque fois que l'on se trouve prs d'un maximum ou d'un minimum. La thorie dveloppe au cours de la premire partie de cet article s'applique ces plans. A la fin des essais, on a un systme d'quations dont les coefficients sont obtenus grce la relation {4} a = ( X ' X )-1 X ' y Il existe plusieurs types de plans du second degr dont les principaux sont dcrits cidessous.
6.1 Les plans composites

Un plan composite est constitu de trois parties : 1. Un plan factoriel dont les facteurs prennent deux niveaux. 2. Au moins un point exprimental situ au centre du domaine dtude. 3. Des points axiaux. Ces points exprimentaux sont situs sur les axes de chacun des facteurs. La Figure 15 reprsente un plan composite pour deux facteurs. Les points A, B, C et D sont les points exprimentaux d'un plan 22. Le point E est le point central. Ce point peut avoir t rpliqu une ou plusieurs fois. Les points F, G, H et I sont les points axiaux. Ces quatre derniers points forment ce que l'on appelle le plan en toile. On ralise 9 essais et 6 coefficients doivent tre dtermins. Il faut donc rsoudre un systme de 9 quations 6 inconnues.

I C

+ D

+1

1
E

+1

1
A H

Figure 15 : Plan composite pour deux facteurs.

Revue MODULAD, 2006

- 97 -

Numro 34

Les coordonnes des points en toile dpendent du critre d'optimalit choisi (annexe 2). En gnral, on retient le critre de presque orthogonalit ou le critre d'isovariance par rotation. Les plans composites prennent facilement la suite d'un premier plan factoriel dont les rsultats sont insuffisamment expliqus par un modle du premier degr. Il suffit d'effectuer les expriences correspondant aux points en toile et de faire les calculs sur l'ensemble de toutes les expriences. Les plans composites sont parfaitement adapts une acquisition progressive des rsultats.
6.2 Exemple 5 : Optimisation d'un produit collant

On dsire optimiser la formulation d'un produit lgrement collant. En effet, il s'agit de maintenir une simple cohsion entre les fils d'une bobine pendant qu'on la droule. La colle est un mlange de rsine silicone et de tension actifs dans du xylne. Les facteurs sont la masse de tension actif et la masse de rsine silicone. Facteur 1 : La masse de tensio actif. Facteur 2 : La masse de rsine silicone. Les rponses sont la force de collage et la rgularit du collage. Les objectifs sont Force de collage : entre 1,6 et 2. Rgularit : suprieure 5. Tableau 12 : Le produit collant. Domaine d'tude
Facteur Niveau Niveau Niveau Niveau Niveau -1 0 +1 + 1,21 1,21 0,229 0,250 0,350 0,450 0,471 0.007 0,010 0,025 0,040 0,043

Tensio actif (1) Rsine silicone (2)

Lexprimentateur ralise un plan composite avec 4 points au centre du domaine d'tude et choisit = 1,21 pour respecter le critre de presque orthogonalit. Les rsultats des essais sont rassembls dans le Tableau 13. Tableau 13 : Le produit faiblement collant. Plan d'expriences et rsultats.
N Essai TA 1 1 +1 1 +1 0 0 1,21 + 1,21 0 0 0 0 Rsine 2 1 1 +1 +1 0 0 0 0 1,21 + 1,21 0 0 Force Rgularit

1 2 3 4 5 6 7 8 9 10 11 12

1,4 0,2 0,8 0,2 1,4 1,6 0,4 1 1,1 1,2 1,6 1,8

4,2 1,6 4,6 2,4 4,8 5,1 3,3 4,3 4,2 3,2 5 5,2 Numro 34

Revue MODULAD, 2006

- 98 -

Niveau 1 Niveau 0 Niveau + 1

0,250 0,350 0,450

0,010 0,025 0,040

Les rsultats de ce plan sont rsums dans les modles mathmatiques


2 yForce = 1,6 + 0,36x1 0,10x2 + 0,15x1 x2 0,62 x12 0,31x2
2 yRgularit = 5,03 0,87 x1 0,35x2 + 0,10 x1 x2 0,87 x12 0,94 x2

Ces modles permettent de tracer les courbes isorponses sur un mme graphique (Figure 16) et de dlimiter les zones d'intrt.
1
0,8 1

0,5

1,2

0,5

rgularit

resine

Force

resine

-0,5
1,4

1,6

-0,5
4,5 0,4 3

-1 -1 -0,5 0 tensio actif 0,5

0,6

-1 1 -1

3,5

2,5 2

-0,5

0 tensio actif

0,5

Figure 16 : Courbes d'isorponses pour la force ( gauche) et pour la rgularit ( droite). Les zones grises ne respectent pas les objectifs fixs. La Figure 17 indique la zone o les deux exigences sont respectes. Si on choisit de se mettre au milieu de cette zone on trouve une composition rpondant parfaitement aux objectifs de l'tude : Tensio actif : 0,315 Rsine : 0,024

Revue MODULAD, 2006

- 99 -

Numro 34

0,04 0,035
rgularit

0,03 Resine 0,025 0,02 0,015 0,01 0,25 0,3 0,35 Tensio actif 0,4 0,45
Force

Figure 17 : La zone claire indique la rgion o les deux objectifs sont respects. Avant de prconiser cette composition pour la colle, il est prudent de faire une ou deux expriences de confirmation. C'est ce qui a t fait et les prvisions ont t confirmes.
6.3 Les plans de Doehlert

La caractristique principale des plans de Doehlert [11] est d'avoir une rpartition uniforme des points exprimentaux dans l'espace exprimental. La Figure 18 donne la disposition de ces points pour un plan deux facteurs (essais 1 7). Tous les points sont la mme distance du centre du domaine d'tude et sont situs sur le cercle trigonomtrique. Ils forment un hexagone rgulier.

+ 0,866

10

5
-1

-1
- 0,5

+1
+ 0,5

2
+1

9
+2

- 0,866

Figure 18 : Plan de Doehlert. Les points 1 7 illustrent un premier plan de Doehlert. Les trois points 8, 9 et 10 illustrent les expriences supplmentaires. Les points 2, 7, 8, 9, 10, 3 et 1 illustrent un deuxime plan de Doehlert. Si l'exprimentateur dsire explorer le domaine exprimental, il peut facilement ajouter des points d'expriences supplmentaires et retrouver une disposition Revue MODULAD, 2006 - 100 Numro 34

identique celle de dpart. La Figure 18 montre qu'avec trois points d'expriences supplmentaires (essais 8, 9 et 10), on peut obtenir un nouveau plan de Doehlert (essais 2, 7, 8, 9, 10, 3 et 1). Ce type de plans existe pour un nombre quelconque de facteurs.
6.4 Les plans de Box-Behnken

Les points exprimentaux sont au milieu des artes de chacun des cts du cube (Figure 19). Ce plan comporte douze essais auxquels on peut ajouter un (ou plusieurs) point central. La matrice du Tableau 14 indique ces douze essais accompagns d'un seul point central. Dans la pratique on ralise souvent 3 ou 4 points au centre. Les plans de Box-Behnken [12] rpondent un critre d'optimisation particulier : l'erreur de prvision des rponses est la mme pour tous les points d'une sphre (ou une hyper sphre) centre l'origine du domaine exprimental. C'est le critre disovariance par rotation. Le plus connu des plans de Box-Behnken est celui qui permet d'tudier trois facteurs.
11 12 10 8 9 7 13 6 3 4 2 1

Facteur 3

Facteur 2

Facteur 1

Figure 19 : Plan de Box- Behnken pour trois facteurs. Tableau 14 : Plan de Box- Behnken pour 3 facteurs
n essai 1 2 3 4 5 6 7 8 9 10 11 12 13 Facteur 1 0 +1 0 -1 -1 +1 +1 -1 0 +1 0 -1 0 Facteur 2 -1 0 +1 0 -1 -1 +1 +1 -1 0 +1 0 0 Facteur 3 -1 -1 -1 -1 0 0 0 0 +1 +1 +1 +1 0

Revue MODULAD, 2006

- 101 -

Numro 34

6.5 Les plans hybrides

Les plans hybrides ont t mis au point par Roquemore [13]. Leur objectif est d'essayer d'approcher deux critres d'optimalit, celui d'orthogonalit et celui d'isovariance par rotation. L'orthogonalit garantie la meilleure prcision possible sur les coefficients du modle et l'isovariance par rotation conduit des erreurs de prvisions identiques une mme distance du centre du domaine. Si l'exprimentateur recherche ces deux proprits, il doit penser utiliser un plan hybride. Les plans hybrides se dsignent de la manire suivante : on indique le nombre de facteurs, puis le nombre de points exprimentaux dont un seul point central, enfin une lettre pour distinguer deux plans ayant le mme nombre de facteurs et le mme nombre de points exprimentaux. Par exemple, il existe le plan 311A et le plan 311B qui permettent d'tudier 3 facteurs en onze essais. Le Tableau 15 indique le plan hybride 311B. Tableau 15 : Plan hybride 311B
n essai Facteur 1 Facteur 2 Facteur 3 2,449 - 2,449 +1 +1 +1 +1 -1 -1 -1 -1 0

1 2 3 4 5 6 7 8 9 10 11

0 0 - 0,751 2,106 0,751 - 2,106 0,751 2,106 - 0,751 - 2,106 0

0 0 2,106 0,751 - 2,106 - 0,751 2,106 - 0,751 - 2,106 0,751 0

Les autres plans hybrides sont les plans 310, 416A, 416B, 416C ou 628A.
6.6 Les plans de Mozzo

Les plans de Mozzo [14] prsentent deux avantages : Ils sont squentiels et le nombre de niveaux dtude est restreint. On peut commencer par tudier deux facteurs en trois essais. Puis, si l'on dsire tudier un troisime facteur, il suffit de raliser trois essais supplmentaires. Douze essais permettent dtudier quatre facteurs. Les plans de Mozzo ne permettent pas tous d'tablir un modle du second degr. Il faut alors avoir recours aux plans quadratiques gigognes de Mozzo.

Revue MODULAD, 2006

- 102 -

Numro 34

Tableau 16 : Plans de Mozzo pour 2, 3 ou 4 facteurs


n essai 1 2 3 4 5 6 7 8 9 10 11 12 Facteur 1 0,268 0,732 -1 - 0,268 - 0,732 +1 - 0,268 - 0,732 +1 0,268 0,732 -1 Facteur 2 +1 - 0,732 - 0,268 -1 0,732 0,268 -1 0,732 0,268 +1 - 0,732 - 0,268 Facteur 3 -1 -1 -1 +1 +1 +1 -1 -1 -1 +1 +1 +1 Facteur 4 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1

6.7 Les plans de Rechtschaffner pour le second degr

Les plans de Rechtschaffner permettant d'tablir un modle du second degr sont des plans saturs. S'il y a k facteurs, il faut effectuer un nombre, n, d'essais gal 1 n = (2 + 3k + k 2 ) {20} 2 La construction de ces plans est indique dans l'article original [4].
6.8 Les plans de D-optimaux

Les contraintes exprimentales ne permettent pas toujours d'tre dans les conditions idales des plans dexpriences prcdemment dcrits. Par exemple, les rglages de l'appareil ne permettent pas d'atteindre les niveaux prconiss par la thorie ou des combinaisons de niveaux peuvent se rvler dangereuses : raction explosive pour les chimistes, concentration toxique pour les mdecins, etc. Dans cette situation, il est extrmement commode d'utiliser les plans D-optimaux. Le choix de l'emplacement des points exprimentaux ncessite alors un logiciel de plans d'expriences. Il suffit de prciser le nombre d'expriences que l'on dsire effectuer et le modle a priori. Le logiciel calcule alors, grce un algorithme d'change, le plan le mieux adapt l'tude.
6.9 Les plans non conventionnels et leur ventuelle rparation

Il peut arriver que lon soit en possession dune srie de rsultats exprimentaux qui nont pas t obtenus selon un plan dexpriences. Dans ce cas, il a t montr [15] que lon peut utiliser ces rsultats moyennant certaines prcautions. Si la position des essais ne s'loigne pas trop des plans classiques, les erreurs sur les coefficients du modle sont faibles et les rponses prdites sont, dans la plupart des cas, tout fait acceptables.

Revue MODULAD, 2006

- 103 -

Numro 34

Facteur 2

Facteur 1

Figure 20 : Exemple de plan non conventionnel. Si la position des essais s'loigne des plans classiques, les erreurs sur les coefficients peuvent tre importantes et on ne pourra pas utiliser le modle pour faire des prvisions. Dans ce dernier cas il est possible de rparer lexprimentation en faisant de nouveaux essais bien placs par rapport ceux qui avaient t dj raliss. Les calculs ncessaires au choix de ces nouveaux points sont prvus dans les bons logiciels de plans d'expriences.
7. LES PLANS DE MELANGES

Les facteurs d'tude des plans de mlanges sont les proportions des constituants du mlange [16]. Or, ces constituants ne sont pas indpendants les uns des autres. La somme des proportions d'un mlange est toujours gale 100%. Le pourcentage du dernier constituant est impos par la somme des pourcentages des premiers composs. C'est la raison pour laquelle les plans de mlanges sont traits part. Les plans de mlanges sont aussi caractriss par de nombreuses contraintes qui peuvent peser sur le choix des proportions des constituants. Par exemple, la concentration d'un produit doit tre au moins de x pour-cent ou cette concentration ne peut excder une valeur donne. En fonction de ces contraintes la planification de l'tude est modifie et elle doit tre adapte chaque cas. Les plans de mlanges ont d'abord t tudis par des amricains (Claringbold, Sheff, Cornell [17], Snee, Marquadt, Crozier, etc.).
7.1 La contrainte fondamentale des mlanges

Si l'on note par xi la teneur en constituant i, la somme des teneurs de tous les constituants du mlange satisfait la relation :
i =n

x i = 100 %
i =1

{21}

Si, au lieu d'utiliser les pourcentages, on ramne la somme des teneurs des diffrents constituants l'unit on a :
i =n

xi = 1
i =1

{22}

Cette relation s'appelle la contrainte fondamentale des mlanges. Les reprsentations gomtriques des plans de mlanges sont diffrentes de celles Revue MODULAD, 2006 - 104 Numro 34

utilises pour les plans d'expriences classiques et les modles mathmatiques sont eux aussi profondment modifis.
7.2 Reprsentation gomtrique des mlanges

On utilise un triangle quilatral pour reprsenter les mlanges trois composants. Les produits purs sont aux sommets du triangle quilatral. Les mlanges binaires sont reprsents par les cots du triangle. Par exemple, le ct gauche du triangle (Figure 21) reprsente les mlanges composs uniquement des produits A et B.
A
1,00 0,00

Echelle produit A
0,50

0,25 0,75 0,50

Echelle produit C

xa
0,25

Mlange

c
0,75

a
0,75 0,50

M
0,25

0,00

b
x b

1,00 0,00

1,00

Echelle produit B

Figure 21 : Reprsentation des mlanges trois constituants sur un triangle quilatral. Un point de la surface intrieure du triangle quilatral reprsente un mlange tertiaire. Les compositions de chaque produit se lisent sur les cts du triangle. Les proprits gomtriques du triangle quilatral assurent que la contrainte fondamentale des mlanges est bien respecte. La reprsentation des mlanges quatre constituants est un ttradre rgulier (Figure 22). S'il y a plus de quatre constituants, il faut faire appel des hyperpolydres rguliers.
Produit D

Mlange Produit C Produit A Produit B

Figure 22 : Reprsentation des mlanges quatre constituants par un ttradre rgulier.

Revue MODULAD, 2006

- 105 -

Numro 34

7.3 Emplacement des points exprimentaux

Il existe plusieurs manires de disposer les points exprimentaux dans le domaine d'tude : Plans de mlanges en rseaux (Simplex lattice designs), plans de mlanges centrs (Simplex-Centroid Designs), plans de mlanges centrs augments (Augmented Simplex-Centroid Designs).
A 1 A 1 A 1

4 7

7 B 2 5 3 C 9 B 2 5 3 C B 2 5 10 3 C

Figure 23 : Plan de mlanges en rseaux ( gauche), plan de mlanges centrs (au milieu), plan de mlanges centrs augments ( droite).
7.4 Modles mathmatiques des mlanges

La contrainte fondamentale des mlanges fait disparatre la constante et les termes du second degr se rduisent aux termes rectangles. Pour trois composants, le modle du premier degr est donc : y = b1 x1 + b2 x2 + b3 x3 {23} et pour le second degr : y = b1 x1 + b2 x2 + b3 x3 + b12 x1 x2 + b13 x1 x3 + b23 x2 x3 {24}

On est souvent amen utiliser des modles de degr suprieur, trois et mme parfois quatre si les surfaces de rponses sont compliques. Plus le degr du modle est lev, plus il faut raliser de points d'expriences pour pouvoir dterminer tous les coefficients. Ces coefficients sont calculs partir de la relation de rgression : b = ( X ' X )-1 X ' y {25}

Les mlanges sont galement caractriss par des contraintes : contraintes basses, contraintes hautes ou contraintes relationnelles. 7.5 Basses teneurs interdites La concentration d'un ou de plusieurs constituants ne peut pas tre infrieure une valeur donne. Dans ce cas le domaine d'tude est rduit (Figure 24) mais la forme du domaine reste la mme : un triangle quilatral. La position des points d'expriences se dduit des plans de mlanges classiques prcdents.

Revue MODULAD, 2006

- 106 -

Numro 34

A
1 0

L3

Zone autorise Zone interdite


L1

1 1

L2

Figure 24 : Les limites infrieures de tous les produits dlimitent deux zones : la zone interdite (zone ombre) et la zone autorise qui la mme forme gomtrique que le domaine d'tude initial. 7.6 Hautes teneurs interdites La concentration d'un ou plusieurs constituants ne peut pas tre suprieure une valeur donne. Dans ce cas le domaine d'tude est rduit (Figure 25) mais la forme du domaine est compltement modifie, ce n'est plus un triangle, c'est un polygone. Pour les plans ayant plus de trois facteurs, le domaine d'tude est un hyperpolydre.
A

Zone interdite
U1

Zone autorise

Zone interdite
U3

C U2

Figure 25 : Les limites suprieures de tous les produits dcoupent le domaine initial en plusieurs zones : les zones interdites (zones ombres) et la zone autorise. 7.7 Hautes et basses teneurs interdites Les proportions d'un ou de plusieurs constituants peuvent tre soumises des contraintes infrieures et suprieures. Pour un composant, le triangle des compositions est divis en trois zones : la zone interdite par la limite basse, la zone interdite par la limite haute et, entre les deux, la zone autorise. Chaque composant peut avoir des limites hautes et basses. Illustrons cette situation pour trois composants (Figure 26), la forme initiale du triangle quilatral n'est pas conserve.

Revue MODULAD, 2006

- 107 -

Numro 34

A L3

Zone autorise
U3 U1 L1 C

Zone interdite

U2

L2

Figure 26 : Des limites basses et hautes dlimitent un domaine d'tude polygonal. Pour trouver le meilleur emplacement des points exprimentaux, il faut disposer un grand nombre de points d'expriences, les points candidats, sur le domaine d'tude. Ces points candidats sont souvent aux sommets, au milieu des artes, aux centres des faces et au centre de gravit du polygone. Quand il y a beaucoup de constituants le calcul du nombre et de l'emplacement des sommets, des milieux d'artes et des centres des faces est trs compliqu. Il faut un logiciel adapt pour faire ces calculs. Le choix des points les plus utiles parmi les points candidats ncessite aussi un logiciel adapt aux plans d'expriences. 7.8 Contraintes relationnelles Deux autres types de contraintes se rencontrent dans l'tude des mlanges. Il s'agit soit de conserver un rapport constant entre les proportions de deux constituants, soit de respecter une relation d'addition entre les proportions de deux ou de plusieurs constituants
x1 x = constante ou k1 1 k 2 x2 x2
x1 + x 2 = constante ou k 3 x1 + x 2 k 4

Ces nouvelles contraintes entranent de nouvelles restrictions sur le domaine d'tude et modifient l'emplacement des points d'exprimentation.

7.9 Exemple 6 : Contrainte de rapport constant


Dans un mlange trois constituants, les teneurs en A et B doivent respecter la relation x 1 b 1,2 {26} xa Les points qui satisfont xb = xa sont sur une droite qui passe par le sommet C (constituant C pur) et aboutit sur le ct AB une valeur gale au rapport constant r1 = 0,50. Les points qui satisfont l'ingalit xa xb sont les points situs sous la droite DC. Les points qui satisfont l'ingalit xb 1,2 xa sont les points situs au-dessus de la droite EC. La zone autorise est le biseau ECD comme l'indique la Figure 27.

Revue MODULAD, 2006

- 108 -

Numro 34

Zone autorise
D E

Zone interdite

Figure 27 : Reprsentation de la zone autorise (zone non hachure) par les contraintes relationnelles. S'il y avait plus de trois constituants, le rapport constant serait reprsent par un plan ou un hyper plan qui passerait par les autres sommets. Dans le cas de trois constituants, on remarque que la droite reprsentative d'un rapport constant entre deux constituants passe par le troisime constituant. On a l un moyen simple pour tudier l'volution d'une proprit prs d'un mlange de rfrence (point M de la Figure 28).
A

M1

M
M2

M3

Figure 28 : Plan de Koshal adapt aux mlanges. Il suffit d'ajouter une certaine quantit d'un produit pur au mlange M. On obtient un mlange (M1, M2 ou M3 suivant le produit pur ajout) qui se situe sur l'une des droites MA, MB ou MC. On peut considrer l'ensemble de ces points comme un plan de Koshal adapt aux mlanges. On obtient ainsi l'influence de chaque constituant sur le mlange de rfrence M.

7.10 Exemple 7 : Contrainte de somme constante


Dans un mlange trois constituants, les teneurs en A et B doivent respecter la relation
xa + xb 0,8

{27}

l'galit s'crit
xb = xa + 0,8

Revue MODULAD, 2006

- 109 -

Numro 34

Les points de coordonnes xa et xb sont sur une droite qui passe par le point D (xa = 0 et xb = 0,8) et par le point E (xa = 0,8 et xb = 0) comme le montre la Figure 29.
A

Zone autorise
E

Zone interdite

C D

. Figure 29 : Reprsentation de la zone satisfaisant la contrainte introduite par la somme constante entre les compositions des deux constituants A et B. Lorsque le nombre de constituants augmente la reprsentation d'une somme constante est un plan ou un hyperplan.

7.11 Plans de mlange et plan d'expriences


Il est tout fait possible de traiter la fois des variables de mlanges (les proportions des constituants) et des facteurs de plan d'expriences. Pour illustrer cette situation on peut prendre l'exemple d'un fabricant de chocolat. L'tude de la composition du chocolat donne lieu un plan de mlanges et les conditions de prparation donnent lieu un plan d'expriences factoriel ou du second degr. A chaque point d'expriences du plan factoriel, il faut raliser un plan de mlanges. On a donc rapidement un grand nombre d'essais raliser puisqu'il faut faire np essais si le plan de mlange n essais et le plan d'expriences p essais.

Facteur 2

Facteur 1

Revue MODULAD, 2006

- 110 -

Numro 34

Figure 30 : Reprsentation de l'tude d'un mlange trois constituants soumis deux facteurs.

8. LES PLANS BOOLEENS


Il nest pas toujours possible dexploiter les rsultats dun plan dexpriences avec les outils classiques : rgression multilinaire pour les variables continues ou analyse de la variance pour les variables discrtes. Si les facteurs dtude sont des variables boolennes, cest--dire ne prenant que deux valeurs, il faut trouver la fonction boolenne, ne prenant elle-mme que deux valeurs, en fonction des valeurs des variables. Les plans boolens [18] ressemblent aux plans factoriels deux niveaux mais linterprtation mathmatique est compltement diffrente puisque la nature des variables est diffrente. Chaque essai permet de connatre la valeur dun minterm (ou dun maxterm). Lensemble de tous les minterms donne la forme canonique de la fonction cherche. La forme canonique est ensuite simplifie grce lune des mthode classiques de simplification des fonctions boolennes (Mthode de Veitch, Harvard ou Quine).

9. LES PLANS POUR SIMULATIONS NUMERIQUES


Lorsque les exprimentations sont coteuses, il arrive de plus en plus frquemment que l'on tudie d'abord les phnomnes l'aide de simulations numriques. Les calculs sont souvent complexes et ncessitent des temps de calcul trs longs. Il est alors avantageux d'organiser les simulations de la mme manire que les essais des plans d'expriences. Mais deux particularits des calculs numriques doivent tre prises en compte. La premire est l'absence d'erreur exprimentale et la seconde est la complexit des modles a priori permettant l'interprtation des rsultats. Au paragraphe 1.3, nous avons signal l'introduction de deux complments au modle mathmatique a priori : le manque d'ajustement, , et l'erreur exprimentale, . Dans le cas des simulations numriques, il n'y a pas d'erreur exprimentale. Le seul complment est le manque d'ajustement. On modlise le manque d'ajustement de telle manire que la surface de rponse passe par tous les points de simulation. On appelle cette opration le krigeage. Le modle des simulations numriques comporte donc une premire partie expliquant la forme gnrale et moyenne de la surface de rponse et une seconde partie expliquant les rponses aux points de simulation. La premire partie est obtenue par les techniques classiques de la rgression. La seconde partie est modlise par diffrentes fonctions mathmatiques dont les principales sont des fonctions gaussiennes ou des fonctions de corrlations. L'objectif de ces fonctions est de dformer la surface de rponse pour qu'elle passe par la valeur des rponses aux points de simulation. En ce qui concerne la disposition des points de simulation dans l'espace exprimental, on ne cherche plus minimiser l'erreur sur les coefficients du modle mais obtenir une allure gnrale de la surface de rponse. Les points de simulation sont rpartis de faon rgulire dans l'espace exprimental ce qui permet de faire des modlisations particulires et adaptes pour des zones diffrentes du domaine .d'tude.

10. LES LOGICIELS DE PLANS D'EXPERIENCES


La construction des plans d'expriences est souvent facile et il suffit de choisir parmi les matrices dj publies. Mais, il importe que le plan soit adapt l'tude et non Revue MODULAD, 2006 - 111 Numro 34

pas l'inverse. Il y a donc des situations ou il faut absolument tailler un plan sur mesure. Les logiciels de plan d'expriences [19] possdent des bibliothques de plans classiques et ils permettent aussi de construire les plans sur mesures. En particulier, les plans de mlanges et les plans avec contraintes sur le domaine d'tude ncessitent l'usage d'un logiciel pour construire le plan le mieux adapt l'tude. On peut raliser le calcul des coefficients avec un tableur [20], mais cela ncessite de la programmation et du temps. Il est donc prfrable d'utiliser un logiciel adapt qui effectue non seulement le calcul des coefficients mais aussi tous les calculs statistiques permettant d'valuer la qualit du modle mathmatique (Coefficient de dtermination, carts-types des rponses et des coefficients, p-value, etc.). Les logiciels de plans d'expriences sont aussi programms pour calculer des rponses dans tout le domaine d'tude, pour effectuer les analyses de variance, pour tracer des courbes d'isorponses, pour construire les surfaces de rponse et pour dterminer les zones d'intrt. Cet ensemble de possibilits permet d'effectuer rapidement de multiples analyses et de regarder ses donnes sous tous les angles. On arrive ainsi extraire, en peu de temps, toute l'information prsente dans les rsultats d'un plan d'expriences. Les logiciels de plans d'expriences sont devenus des outils absolument indispensables pour la construction de plans complexes et l'interprtation approfondie des rsultats du plan. Nous indiquons ci-dessous les principaux logiciels de plans d'expriences et les sites internet correspondants. Quelques uns d'entre eux mettent disposition des personnes intresses des versions de dmonstration et certains des versions compltes simplement limites dans le temps. Tableau 17 : Principaux logiciels de plans d'expriences. JMP Minitab Statistica Statgraphics Unscrambler Pirouette Modde http://www.jmpdiscovery.com http://www.minitab.fr http://www.intesoft.com/produits/tech/statistica http://www.sigmaplus.fr http://www.camo.no http://www.infometrix.com http://www.umetrics.com

11. COMMENT S'INITIER AUX PLANS D'EXPERIENCES ?


Si vous avez envie de vous lancer dans l'utilisation des plans d'expriences, vous pouvez facilement vous initier cette technique en faisant l'acquisition d'un livre d'introduction aux plans d'expriences [1]. Ce n'est pas cher et c'est aussi le moyen de bien vous rendre compte de l'intrt de cette technique. Si vous connaissez un peu les plans d'expriences et si vous dsirez vous perfectionner, la rfrence [21] est faite pour vous.

Revue MODULAD, 2006

- 112 -

Numro 34

12. BIBLIOGRAPHIE
[1] GOUPY Jacques Introduction aux Plans d'expriences. Dunod. Paris. 303 pages. (2001). [2] BOX George.E. P. , HUNTER William G. , HUNTER J. Stuart Statistics for Experimenters deuxime dition. John Wiley and Sons. New-York. 633 pages. (2005). [3] KOSHAL R. S. Application of the method of maximum likehood to the improvement of curves fitted by the method of moments Journal of Royal Statistic Soc A96 303-313. (1933). [4] RECHTSCHAFFNER R. L. Satured Fractions of 2n and 3 Factorial Designs. Technometrics, vol. 9. (1967). 569-575. [5] PLACKETT R. L. and BURMAN J. P. The design of optimum multifactorial experiments. Biometrika, n33. (1946). [6] PILLET Maurice Introduction aux Plans d'expriences par la mthode Taguchi. Les Editions d'organisation. Paris. 224 pages. (1992). [7] BOOTH Kathleen H. V. and COX D. R. Some Systematic Supersatured Designs. Technometrics, vol. 4. (1962). 489-496. [8] POIRIER Jacques Analyse de la variance et de la rgression. Plans d'expriences Techniques de l'ingnieur. Trait Mesures et contrle, R260, p. 1-23. (1993). [9] YOUDEN W.J. Statistical Methods for Chemists John Wiley and Sons. New-York. 126 pages. (1951). [10] GOUPY Jacques Plans dexpriences pour surfaces de rponse . Dunod. Paris. 409 pages. (1999). ISBN 2 10 003993 8. [11] DOEHLERT David H. Uniform Shell Design Appl. Stat. n19, p 231. (1970). [12] BOX G.E.P. and BEHNKEN D. W. Some new three level designs for the study of quantitativevariables. Technometrics, vol. 2, 1960, 455 - 475. [13] ROQUEMORE K. G. Hybrid Designs for Quadratic Response Surfaces Technometrics, vol. 18, n4. (1976). 419-423. [14] MOZZO Gil Plan quadratique Gigogne. Revue de statistique applique, vol. 38 (3), p.23-34. (1990). [15] GOUPY Jacques Plans d'expriences non conventionnels. Thorie et applications (ou comment sauver un plan rat) . Analusis. 23 152-158. (1995). [16] GOUPY Jacques. "Plans d'expriences : les mlanges". Dunod. Paris. 285 pages. (2000). ISBN 2 10 004218 1. [17] CORNELL John A Experiment with Mixtures John Wiley and Sons. NewYork. (1981). [18] GOUPY Jacques Boolean Experimental Designs. Analusis vol 28, n7. 563-570. (2000). [19] GOUPY Jacques. "Plans d'expriences". Techniques de l'ingnieur. Trait Analyse Chimique et Caractrisation, P230, p. 1-20. (1992). [20] MORINEAU Alain et CHATELIN Yves-Marie "Lanalyse statistique des donnes. Apprendre, comprendre et raliser avec Excel. Ellipses , (2005). [21] GOUPY Jacques. "Pratiquer les Plans d'Expriences". Dunod. Paris. 560 pages. (2005). Revue MODULAD, 2006 - 113 Numro 34

Annexe 1
Les coordonnes centres rduites

Lorsqu'on attribue la valeur - 1 au niveau bas d'un facteur et la valeur +1 au niveau haut, on effectue deux modifications importantes : 1. On change l'unit de mesure. Par exemple, si le niveau bas d'un facteur est 10C et le niveau haut 30C, il y a 20C entre ces deux valeurs, soit 20 fois l'unit de temprature. Entre -1 et +1 il y a deux units nouvelles. La nouvelle unit vaut 10C, on lui donne le nom de Pas. 2. On dplace l'origine des mesures. Dans l'exemple choisi, le milieu de l'intervalle [-1 +1 ] correspond une temprature de 30C. La nouvelle origine, note zro, diffre donc de l'origine exprime en unit courante. Ces deux modifications entranent l'introduction de nouvelles variables que l'on appelle variables centres rduites (v.c.r.) ou units codes. Centres pour indiquer le changement d'origine et rduites pour signaler la nouvelle unit. Le passage des variables d'origine, A, aux variables centres rduites, x, et inversement, est donn par la formule suivante (A0 est la valeur centrale en units courantes) : A - A0 Pas L'intrt des v.c.r. est de pouvoir prsenter les plans d'expriences de la mme manire quels que soient les domaines d'tude retenus et quels que soient les facteurs. La thorie des Plans d'Expriences prsente ainsi une grande gnralit. x=

Revue MODULAD, 2006

- 114 -

Numro 34

Annexe 2
Les critres d'optimalit

Les statisticiens ont tabli la formule qui donne l'erreur sur les coefficients du modle lorsqu'on a une estimation du rsidu. Cette formule, sous sa forme la plus simple, est la suivante.

V (a) = r2 ( X ' X) 1

{28}

C'est--dire que les variances des coefficients sont gales la variance du rsidu, 2 , multiplie par la matrice de dispersion. Les variances des coefficients sont les r termes diagonaux de la matrice V ( a ) On obtient ces variances par identification. Suivant les objectifs de l'tude, les meilleurs emplacements des points exprimentaux dans le domaine d'tude ne sont pas les mmes. En effet, la disposition optimale des points exprimentaux dpend de plusieurs choix effectus par l'exprimentateur, choix qui dpendent eux-mmes des caractristiques de l'tude et des objectifs atteindre. Ces choix dpendent d'abord du domaine d'tude et du modle retenu a priori par l'exprimentateur. Ils dpendent ensuite d'un critre d'optimalit. Les principaux critres d'optimalit sont les suivants : Critre de O-optimalit La matrice de calcul X est une matrice orthogonale d'Hadamard. Il en rsulte que la matrice ( X ' X) 1 est une matrice diagonale. Seuls les termes diagonaux de cette matrice sont diffrents de zro et l'on dmontre que la variance des coefficients est la plus faible possible. Critre de presqu'orthogonalit Si la sous-matrice obtenue en retirant la premire ligne et la premire colonne de la matrice ( X ' X) 1 est diagonale, le critre de presqu'orthogonalit est respect.

Critre de D-optimalit Si l'on veut la plus petite variance possible sur l'ensemble des coefficients, il faut que les termes diagonaux de la matrice de dispersion soient eux-mmes les plus petits possibles. On obtient ce rsultat en maximisant le dterminant de la matrice X ' X . Le critre correspondant s'appelle le critre de D-optimalit. Critre de A-optimalit La somme des variances des coefficients peut tre minimise. Dans ce cas on parle de critre de A-optimalit. Un plan est A-optimal si la position des points exprimentaux minimise la trace de la matrice ( X ' X) 1 . Critre de G-optimalit Parmi les variances des coefficients il y en a une qui est plus grande que toutes les autres. On peut vouloir que cette forte variance soit la plus faible possible. Le critre correspondant s'appelle le critre de G-optimalit. Critre d'isovariance par rotation On dsire que les rponses calcules avec le modle issu du plan d'expriences aient une erreur de prvision identique pour des points situs la mme distance du
Revue MODULAD, 2006 - 115 Numro 34

centre du domaine d'tude. Dans ce cas on parle de plan isovariant par rotation (rotatable en anglais) [2]. On remarquera que ces critres conduisent des qualits de modlisation diffrentes. Certains privilgient une bonne prcision sur les coefficients du modle, d'autres assurent une rpartition homogne de l'erreur de prvision.

Revue MODULAD, 2006

- 116 -

Numro 34