Ch4 Plan N Fact

Chapitre IV : Plan dExpriences factoriel (n facteurs)
Mthodologie danalyse exprimentale IV-1

CHAPITRE IV : PLAN DEXPERIENCES
FACTORIEL (N FACTEURS)

4.1 INTRODUCTION

Dans le chapitre prcdent, nous avons considr le cas des plans
dexprience un seul facteur.

Ce type de plan reprsente des restrictions
sur la randomisation o lintrt tait
centr sur leffet dune seule variable
indpendante (facteur).

Supposons qu'on a deux variables d'intrts (facteurs), une approche
traditionnelle consiste fixer l'une des variables constante et faire varier la
seconde, puis ensuite, fixer la seconde et faire varier la premire. Dune
faon gnrale, il sagit de maintenir une des deux (2) variables constante
puis deffectuer la prise de mesures pour la variable dpendante.

Exemple :

Supposons que nous avons deux (2) variables dintrts, leffet
de la temprature et de laltitude sur le flux lectrique dun petit
ordinateur. Pour examiner ce type dexprimentation,
considrons un exemple trs simple dans lequel la temprature
peut tre fixe 25 et 55C et laltitude 0K (K=1,000 mtres)
et 3K (3,000 mtres).

Si seulement une seule variable est varie la fois, alors laltitude peut tre
fixe 0K et la temprature varie de 25C 55C. Supposons que le flux
lectrique change de 210 mA 240 mA avec laugmentation de la
temprature. De cette faon, il nest pas possible de dterminer si cette
augmentation de 30 mA est relle ou simplement due la chance. A moins
que nous ayons un certain estim de la variabilit de lerreur, lexprience
doit tre rpte de sorte obtenir un estim de lerreur (ou de la variabilit
de la chance) dans lexprience. Si maintenant lexprience est rpte et
que les mesures du flux lectrique donnent 205 mA et 230 mA pour
respectivement 25C et 55C, il est alors vident, sans mme appliquer une
analyse statistique, quil y a une augmentation relle du flux lectrique
puisque pour chacune des rptitions laugmentation est grande
comparativement la variabilit du flux lectrique pour une temprature
donne.

Graphiquement, nous pourrions
reprsenter ces rsultats de la
faon suivante:

Pour dterminer leffet de la
temprature une altitude de 0K,
nous devons effectuer quatre (4)
expriences diffrentes.

Pour vrifier, maintenant, leffet de laltitude, nous devons fixer la
temprature 25C puis faire varier la pression de sorte simuler en
laboratoire une altitude de 3K. Deux (2) mesures du flux lectrique sont
effectues pour ce nouveau traitement. La figure suivante prsente les
rsultats obtenus:

De ces exprimentations, on observe que laugmentation de la temprature
semble faire augmenter le flux lectrique moyen de :
(30 mA +25 mA)/2 = 27.5 mA
et que laugmentation de laltitude rduit le flux lectrique moyen de :
(30m A+20 mA)/2 = 25mA

Cette information est obtenue aprs la ralisation de six (6) expriences
diffrentes. Aucune information nest disponible pour la condition o la
temprature est de 55C et laltitude de 3K.

3-K

0-K

25 55
Temprature (C)
240
230
A
l
t
i
t
u
d
e

210
205
180
185
240
230

3-K

0-K
A
l
t
i
t
u
d
e

25 55
Temprature (C)
210
205
Un arrangement exprimental alternatif serait un
arrangement factoriel dans lequel chaque niveau
de la variable temprature est combin avec
chaque niveau de la variable altitude et seulement
quatre (4) essais sont effectus.

Les rsultats dun tel plan
pourraient tre comme ceux
prsents la figure suivante:

Avec ce plan :
- Un estim de leffet de la temprature sur le flux lectrique est
240 - 210 = 30 mA 0K.
- Un second estim est 200 - 180 = 20 mA 3K.

Par consquent, deux (2) estims de leffet de la temprature peuvent tre
dtermins [moyenne (30 + 20)/2 = 25 mA] en utilisant seulement quatre
(4) mesures sans aucune rptition.

En utilisant ces mmes quatre (4) observations, deux (2) estims de leffet
de laltitude peuvent aussi tre dtermins:
180 - 210 = - 30 mA 25C
200 - 240 = - 40 mA 55C

Ceci correspond une rduction de 35 mA pour une augmentation de 3K
en altitude.

Dans Cet exemple, avec seulement quatre (4) mesures au lieu de six (6),
des comparaisons valides ont t faites sur la temprature et laltitude. De
plus, nous avons aussi pu obtenir de linformation pour la condition o la
temprature est de 55C et laltitude de 3K.

240

3-K

0-K
A
l
t
i
t
u
d
e

210
180
25 55
Temprature (C)
200
Avantages dun plan factoriel:

1- Un plan factoriel est beaucoup plus efficace quun plan
o lon fait varier une seule variable la fois (2/3 des
observations pour notre exemple);
2- Toutes les donnes sont utilises pour estimer les effets
des deux (2) variables;
3- Des informations ont galement t obtenues sur une
interaction possible entre ces deux (2) variables (par
exemple laugmentation du flux lectrique de 20 mA 3K
est peu prs quivalent laugmentation de 30 mA 0K).
Ces avantages sont encore plus prononcs mesure que le nombre de
niveaux des deux (2) facteurs est augment.

Dfinition d'un plan factoriel :

Un plan dexprience factoriel est un plan dans
lequel tous les niveaux dune variable donne sont
combins avec ceux dune autre variable de
lexprience.

Par consquent, si quatre (4) tempratures sont considres trois (3)
altitudes diffrentes, un plan dexprience factoriel 4 x 3 serait appliqu. Ce
plan ncessiterait douze (12) conditions exprimentales diffrentes.

Si les mesures du flux
lectrique de notre exemple
prcdent taient de 160 mA
pour 55C 3K, les rsultats
pourraient tre comme ceux
prsents aux deux (2) figures
ci-contre :

3-K

0-K
A
l
t
i
t
u
d
e

25 55
Temprature (C)
240 210
180
160
La figure, ci-contre montre que
lorsque la temprature augmente
de 25C 55C pour 0K, le flux
lectrique augmente de 30mA.
Alors que, une augmentation de
seulement 20mA est observe 3K
lorsque la temprature diminue de
55C 25 C.

En effet, une interaction semble
exister entre les variables
temprature et altitude puisque les
deux (2) droites ne sont pas
parallles.

INTERACTION
On dira quune interaction existe entre deux (2) variables (#1
et #2) lorsquun changement lintrieur de la variable #1
un niveau donn de la variable #2 produit un changement
diffrent dans la variable dpendante (rponse)
comparativement un autre niveau de la variable #2.

Si les donnes o nous avions 200 mA pour la condition 55C 3K taient
reprsentes sur un graphique similaire, nous obtiendrions la figure
suivante:

Sur cette figure on peut voir
quune interaction entre les deux
(2) variables indpendantes
(temprature et altitude) est
probablement inexistante puisque
les deux (2) droites sont presque
parallles. Une augmentation de la
temprature 0K produit peu
prs la mme augmentation du flux
lectrique (30 mA) qu 3K (20
mA).

0-K
3-K
25 55
Temprature (C)
240

220

200

180

160
F
l
u
x

l
e
c
t
r
i
q
u
e

(
m
A
)

0-K
3-K
25 55
Temprature (C)
240

220

200

180

160
F
l
u
x

l
e
c
t
r
i
q
u
e

(
m
A
)

N. B. :
- En fonction de lchelle utilise sur le graphique, il est possible de
faire paratre les droites presque parallles ou linverse. Pour cette
raison, il est ncessaire deffectuer une analyse statistique pour
dterminer si linteraction est significative ou non.
- On notera quil est possible de tester statistiquement une telle
interaction seulement si plus dune observation est prise chacune
des conditions exprimentales.

Autre avantage

Lautre avantage dun plan dexprience factoriel rside
dans le traitement dun problme doptimisation dune
variable dpendante. Dans ce cas, nous sommes
intresss dterminer la combinaison des variables
indpendantes qui produit la rponse optimale. Seul un
plan factoriel peut permettre de traiter ce type de
problme.

Considrons les deux (2) figures prsentes ci- bas. Ces figures prsentent
les contours de rponse de deux (2) variables dpendantes diffrentes et
lemplacement des essais effectus partir dun plan o une seule variable
la fois est varie en vue de dtecter la rponse maximale chez la variable
dpendante.

Dans cette premire figure,
X
2
est fix et X
1
est vari
jusqu ce quune rponse
maximale est atteinte. Par la
suite, X
1
est fix cette
position pendant que X
2
est
vari. Un maximum est
atteint au alentour de 60.

X
1

X
2

60 50 40 30

Dans cette deuxime figure,
toutefois, la mme procdure
donne une rponse maximale
denviron 37, ce qui est trs
loin du maximum (environ
60).

Si maintenant un plan dexprience factoriel tait utilis, on pourrait obtenir
les rsultats prsents aux deux (2) figures suivantes:

Ces deux figures montrent
que les rponses maximales
ont t atteintes dans les deux
cas. Il est possible que la
rponse maximale ne soit
pas toujours atteinte ds la
ralisation du premier plan.

Toutefois, le plan factoriel
nous indiquera, dans le cadre
dune seconde exprience, la
direction prendre pour
atteindre la rponse
maximale.

Ce concept sera abord plus
tard dans le cours.

X
1

X
2

60
50
40
30
X
1

X
2

60 50 40 30
X
1

X
2

60
50
40
30
4.2 PLAN DEXPERIENCE FACTORIEL

Pour montrer comment on applique et on analyse un plan dexprience
factoriel, considrons lexemple suivant.

Exemple Supposons que nous dsirons dterminer leffet dun indice
dvacuation (secondes) et du voltage dune pompe (en volts) sur la
pression lintrieur dun tube vacuum (mm de mercure). Trois (3)
indices dvacuation et deux (2) voltages diffrents sont choisis (niveaux
fixes). Il est dcid deffectuer deux (2) mesures chacune des six (6)
conditions exprimentales (3 indices x 2 voltages). Lordre dans lequel sont
effectues les douze (12) mesures est compltement randomis. Le tableau
suivant montre les rsultats dune telle exprimentation :

Mesure de pression lintrieur dun tube vacuum (mm de mercure).
Indice dvacuation (secondes)
Voltages (V) 60 90 150
110
48 28 7
58 33 15
220
62 14 9
54 10 6

Ce plan dexpriences est un plan factoriel 3
1
x2
1
avec deux (2) observations
par traitement et les N=12 observations compltement randomises. Le
modle mathmatique de ce plan dexpriences est le suivant:

Y
ijk
= +
ij
+
k
(ij)

o i = 1, 2, 3 pour les trois (3) indices dvacuation
j = 1, 2 pour les deux (2) voltages
k = 1, 2 pour les deux (2) observations de chaque combinaison de
traitement i, j

ij
= les effets des six (6) traitements

k
(ij) = lerreur dans chacun des six (6) traitements

La notation k(ij) indique que les erreurs sont uniques chacune des
combinaisons i,j ou sont embotes dans chaque i,j.

Si nous effectuons une ANOVA une voie (one-way ANOVA) de ces
donnes, les rsultats seraient les suivants :

I
60
v
110
I
90
v
110
I
l50
v
110
I
60
v
220
I
90
v
220
I
l50
v
220

48 28 7 62 14 6
58 33 15 54 10 9
T
ij
. 106 61 22 116 24 15
k
Y
ijk
5668 1873 274 6760 296 117
T.. = 344 et ijkY
ijk
= 14 988

Tableau de lanalyse de la variance pour un plan dexpriences un seul
facteur
Source de variation df SS MS

Entre les
traitements t
j

k-1
N
.. T
n
. T
..) Y . Y ( n
2
k
1 j
j
2
j
j
k
1 j
j
=
=

1 k
nt SStraiteme

Rsidus c
ij

N-k
= = =
= =
k
1 j
j
j
2
k
1 k
nj
1 i
2
ij
k
1 j
nj
1 i
ij
n
. T
Y
) j . Y Y (

k N
SSerreur

Total

N-1
N
.. T
Y
..) Y Y (
2
k
1 j
nj
1 i
2
ij
k
1 j
nj
1 i
ij
= =
= =

Le tableau ANOVA,
Source de variation df SS MS F
Entre les traitements 5 4987.67 997.53 43.07
Dans les traitements(Rsidus) 6 139.0 23.16
Total 11 5126.67

Dans le tableau ANOVA, on remarque que les effets des deux (2) variables,
indice dvacuation et voltage, sont combins. Si nous rarrangeons
quelque peu les donnes de telle sorte faire ressortir leur effet, nous
obtenons le tableau suivant :

Mesure de pression lintrieur dun tube vacuum (mm de mercure).
Indice dvacuation (secondes)
Voltages (V) 60 90 150 T
1
..
110
48 28 7
189
58 33 15
220
62 14 9
155
54 10 6
T.j. = 222 85 37 T...=344

Les sommes des carrs des deux (2) variables sont:
33 , 96
12
344
6
155 189
SS
17 , 4608
12
344
4
37 85 222
SS
voltage
indice
=
+
=
=
+ +
=

La somme de ces deux (2) sommes des carrs donne 4704.50, ce qui est
moindre que la somme des carrs entre les traitements (4987.67). Cest
justement cette diffrence qui indique la prsence dune interaction entre
les deux (2) variables indpendantes. Ainsi,

SS
interaction (indice x voltage)
= SS
traitements
- SS
indice
- SS
voltage

= 4987.67 - 4608.17 - 96.33 = 283.17

Puisque les traitements ont cinq (5) degrs de libert, linteraction aura
donc :
5 - 2 - 1 = 2 degrs de libert
Ces rsultats sont prsents dans le tableau ANOVA suivant:

Source de variation df SS MS F Prob< =0.05
Entre les indices 2 4608.17 2304.08 99.5 0.001
Entre les voltages 1 96.33 96.33 4.2 0.088
Interaction 2 283.17 141.58 6.1 0.036
(indice x voltage)
Rsidus 6 139.00 23.17
(dans les traitements)
Total 11 5126.67
De ce dernier tableau ANOVA, on peut voir que les effets des variables
indpendantes et de linteraction peuvent tre tests en comparant leur
somme des carrs moyens respectifs la somme des carrs moyens de
lerreur. Lindice dvacuation semble trs significatif. Le voltage nest pas
significatif =0.05, mais linteraction lest ce mme niveau de
signification.

Le modle mathmatique de ce plan dexprience peut tre dcrit partir
du modle original :

Y
ijk
= +
ij
+
k
(ij)

Y
ijk
= + I
i
+ V
j
+ IV
ij
+
k
(ij)

o :
I
j
reprsente leffet de lindice dvacuation dans cet exemple,
V
j
reprsente leffet du voltage,
IV
ij
reprsente leffet de linteraction.

On notera que leffet des restrictions sur la randomisation est obtenu
partir du terme derreur, tandis quici les effets sont obtenus partir du
terme des traitements. Les hypothses que nous avons vrifies pour le plan
de cet exemple sont :

H
01
: I
i
= 0 pour tous les i
H
02
:V
j
= 0 pour tous les j
H
03
: IV
ij
= 0 pour tous les i et j

4.3 INTERPRETATION

Puisque linteraction est significative dans cet
exemple, nous devons tre trs prudent dans
linterprtation de leffet des variables
indpendantes.

Une interaction significative indique ici que leffet de lindice dvacuation
sur la pression est diffrent dun voltage lautre. Cela peut tre montr
graphiquement.

Notez sur cette figure que
les droites ne sont pas
parallles. Une approche
raisonnable pour faire
linterprtation dune telle
interaction est d'appliquer
le test de Newman-Keuls
sur les six moyennes. Si
linteraction navait pas t
significative, on aurait pu
traiter sparment chacune
des moyennes de leffet des
variables.

Dans notre cas, il nest pas recommand de tester les effets des variables
indpendantes sparment puisque les rsultats dpendent de la faon dont
ces effets sont combins. En utilisant les six moyennes, la mthode
Newman-Keuls donne :

1. K=6 moyennes 7.5 11 12 30.5 53 58
pour les traitements I
3
V
2
I
3
V
1
I
2
V
2
I
2
V
1
I
1
V
1
I
1
V
2

2. De la table ANOVA, MSerreur = 23.17 avec 6 df.

3. Calcul de lerreur standard 40 . 3
2
17 . 23
S
ij Y
= =
4. De la table E1 (annexe) des carts de Student (5% et n
2
=6),
p : 2 3 4 5 6
Intervalles : 3.46 4.34 4.90 5.31 5.63
5. Multiplier les carts par lerreur standard (3.40)
p : 2 3 4 5 6
carts significatifs: 11.76 14.76 16.66 18.05 9.14

6. vrifions les moyennes
58-7.5 = 50.5 > 19.14*
58-11 = 47 > 18.05*
58-12 = 46 > 16.66*
60

50

40

30

20

10

0
60 90 120 150
110 volts
220 volts
58-30.5 = 27.5 > 14.76*
58-53 = 5 < 11.76
53 - 7.5 = 45.5 > 18.05*
53-11 = 42 > 16.66*
53-12 = 41 > 14.76*
53-30.5 = 22.5 > 11.76*
30.5-7.5 = 23 > 16.66*
30.5-11 = 19.5 > 14.76*
30.5-12 = 18.5 > 11.76*
12-7.5 = 4.5 < 14.76

Par consquent, nous observons trois groupes de moyenne:

Moyenne 7.5 11 12 > 30.5 > 53 58
diffre diffre
significativement significativement

Si notre objectif est de dterminer la pression la plus faible alors nimporte
quelle des trois combinaisons du premier minimisera la variable
dpendante (rponse : pression).

7.5 11 12 30.5 53 58
I
3
V
2
I
3
V
1
I
2
V
2
I
2
V
1
I
1
V
1
I
1
V
2

Ainsi, on peut recommander un indice dvacuation de I
3
(150) lun ou
lautre des deux voltages ou encore un indice dvacuation de I
2
(90) un
voltage de V
2
(220) volts.

On notera que dans le modle mathmatique du problme, nous avions
suppos que les erreurs
k
(ij) sont distribues suivant N(0,
e
). Cela revient
supposer que les variances lintrieur de chacune des six cellules
proviennent de populations normales avec des variances gales. A partir
des rsultats, nous obtenons six tendues 10, 5, 8, 8, 4 et 3, avec comme
tendue moyenne 6.33. De plus, nous obtenons que D
4
R

= 20.7 (o D
4
=
3.267, lorsque n=2). Les six tendues sont donc bien en de de ltendue
maximale. Les variances semblent donc homognes.

Il est intressant de noter que lorsque nous avons deux observations par
traitements, la somme des carrs de lerreur peut tre calcule directement.
Lorsque n =2, la somme des carrs des tendues divise par 2 donne
SS
erreur
.

Pour notre exemple :
R
2
= 278 (10
2
+ 5
2
+ 8
2
+ 8
2
+ 4
2
+ 3
2
= 278)
R
2
/2 = 139 ce qui est gal la somme des carrs de lerreur du
tableau ANOVA.

4.4. SOMMAIRE DE L'ANALYSE DE LA VARIANCE

Le tableau suivant rsume les quations utilises pour le plan d'exprience
factoriel deux (2) variables

Source de
variation

df

SS

MS

Variable A
i

a-1

N
.. T
nb
T
a
1 i
2
i
=

=

1 a
SS
A

Variable B
j

b-1

N
.. T
na
T
b
1 j
2
j
=

=

1 b
SS
B

Interaction
AxB

(a-1)(b-1)

B A
a
1 i
b
1 j
2
ij
SS SS
N
.. T
n
T

=

= =

) 1 b )( 1 a (
SS
eraction int

Rsidus
(
k
(ij))

ab(n-1)

=

= = = = =
a
1 i
b
1 j
2
ij
a
1 i
b
1 j
n
1 k
2
ijk
n
T
Y

) 1 n ( ab
SS
erreur

Total

abn-1

N
T
Y
2
...
a
1 i
b
1 j
n
1 k
2
ijk

=

= = =

4.5. EXEMPLE

Considrons maintenant le cas dune exprience
trois (3) variables. Il sagit de dterminer les effets de
langle en bout du tranchant, du type de coupe et du
type doutil sur la puissance requise pour couper un
mtal sur un tour parallle.

Cette exprience est un plan factoriel 2x2x2 compltement randomis avec
quatre (4) observations par cellule. Le modle mathmatique est le suivant:

Y
ijkm
= + T
i
+ B
j
+ TB
ij
+ C
k
+TC
ik
+ BC
ik
+ TBC
ijk
+
m
(iik)

Avec :

- Y
ijk
reprsente la variable mesure,
- u un effet commun de toutes les observations (la vraie moyenne de la
population do proviennent les observations),
- T
i
le type doutil (i = 1, 2),
- B
j
langle en bout du tranchant (j = 1, 2),
- C
k
le type de coupe (k = 1, 2).
- c
m(ijk)
reprsente lerreur alatoire exprimentale (m = 1, 2, 3, 4).

Les autres termes ( TB
ij
, TC
ik
,BC
jk
et TBC
ijk
) reprsentent les
interactions entre les variables principales T, B et C.

Les donnes sont prsentes dans le tableau suivant :

Type doutil
1 2
Angle Angle
Type de coupe 15 30 15 30

Continue
29.0
26.5
30.5
27.0
28.5
28.5
30.0
32.5
28.0
28.5
28.0
25.0
29.5
32.0
29.0
28.0

Interrompu
28.0
25.0
26.5
26.5
27.0
29.0
27.5
27.5
24.5
25.0
28.0
26.0
27.5
28.0
27.0
26.0

Afin de simplifier le calcul des sommes des carrs, nous effectuons une
codification des donnes originales. La codification est 2(y28.0). Les
donnes, une fois codifies, sont prsentes au tableau suivant :

Type doutil
1 2
Angle Angle
Type de coupe 15 30 15 30 T
..k
2 1 0 3
Continu -3 1 1 8
5 4 0 2
-2 9 -6 0
=2 =15 =-5 =13 25

0 -2 -7 -1
Interrompu -6 2 -6 0
-3 -1 0 -2
-3 -1 -4 -4
=-12 =-2 =-17 =-7 -38
T
ij
-10 +13 -22 +6 T
=-13

4
m
2
ijkm
Y
Tableau de calcul des sommes des carrs trois facteurs

42
99 37 77
54 10 101
21
sommes des carrs (3 facteurs) df
=
=

= = =
N
T
Y SS
2
a
1 i
b
1 j
n
1 k
2
ijk totale

=
=

=
N
T
nbc
T
SS
a
1 i
2
i
Ai

=
=

=
N
T
nac
T
SS
b
1 j
2
j
Bj

=
=

=
N
T
nab
T
SS
c
1 k
2
k
Ck

=
=

= =
B A
a
1 i
b
1 j
2
ij
AxB
SS SS
N
.. T
nc
T
SS

=
=

= =
C A
a
1 i
c
1 k
2
ik
AxC
SS SS
N
.. T
nb
T
SS

=
=

= =
C B
b
1 j
c
1 k
2
ik
BxC
SS SS
N
.. T
na
T
SS

=

=

= = =
BxC AxC AxB
C B A
a
1 i
b
1 j
c
1 k
2
ijk
AxBxC
SS SS SS
SS SS SS
N
.. T
n
T
SS

SS
erreur
= SS
total
(toutes les autres sommes de carrs) =

(N-1)

(a-1)

(b-1)

(c-1)

(a-1)(b-1)

(a-1)(c-1)

(b-1)(c-1)

(a-1)(b-1)
(c-1)

abc(n-1)

La somme des carrs totale donne:
SS
total
= (42 + 99 + ... + 101 + 21) (13)/32 = 435.72

La somme des carrs de loutil donne:
28 . 11
32
) 13 (
16
) 6 22 ( ) 13 10 (
SS
outil
=
+ + +
=

La somme des carrs de langle donne:
28 . 81
32
) 13 (
16
) 6 13 ( ) 22 10 (
SSangle =
+ +
=

La somme des carrs du type de coupe donne:
03 . 124
32
) 13 (
16
) 38 ( 25
SS
e typedecoup
=
+
=

La somme des carrs de chaque interaction donne :

79 . 0
78 . 3 03 . 0 78 . 0 03 . 124 28 . 81 28 . 11
32
) 13 (
4
) 7 ( ) 17 ( ) 2 ( ) 12 ( 13 ) 5 ( 15 2
SS
78 . 3 03 . 124 28 . 81
32
) 13 (
8
) 9 ( ) 29 ( 28 ) 3 (
SS
03 . 0 03 . 124 28 . 11
32
) 13 (
8
) 24 ( 8 ) 14 ( 17
SS
78 . 0 21 . 81 28 . 11
32
) 13 (
8
6 ) 22 ( 13 ) 10 (
SS
TxBxC
BxC
TxC
TxB
=

+ + + + + + +
=
=
+ + +
=
=
+ + +
=
=
+ + +
=

La somme des carrs de lerreur donne:

SS
erreur
=SS
total
-SS
outil
-SS
angle
-SS
type de coupe
-SS
TxB
-SS
TxC
-SS
BxC
-SS
TxBxC

= 435.72-11.28-81.28-124.03-0.78-0.03-3.78-0.79
= 213.75

Le tableau ANOVA est le suivant:

Source de variation df SS MS F Prob <

Type doutil (T
i
) 1 11.28 11.28 1.267 0.2715
Angle (B
j
) 1 81.28 81.28 9.126 0.0059*
T x B (TB
ij
) 1 0.78 0.78 0.088 0.7728
Type de coupe(C
k
) 1 124.03 124.03 13.926 0.0010*
T x C (TC
ik
) 1 0.03 0.03 0.004 0.9539
B x C (BC
jk
) 1 3.78 3.78 0.425 0.5278
TxBxC (TBC
ijk
) 1 0.79 0.79 0.088 0.7728

Erreur(
m
(ijk)) 24 213.75 8.91
Total 31 435.72

En testant lhypothse nulle quil ny a pas deffet d au type doutil,
langle en bout du tranchant, au type de coupe et aux interactions entre les
variables principales, toutes les sommes des carrs moyens (MS) doivent
tre testes par rapport la somme des carrs moyens de lerreur de 8.91
avec 24 degrs de libert (df). Le test statistique appropri est le test ficher
(F) avec 1 et 24 degrs de libert. A un niveau significatif de 5% (o =
0.05), la rgion critique de la distribution F est F 4.26.

En calculant le rapport F (somme des carrs moyens / somme des carrs
moyens de lerreur) pour chacune des sources de variation et en comparant
ce rapport avec le F thorique (4.26), on observe que seulement deux (2)
hypothses peuvent tre rejetes: langle en bout du tranchant et le type de
coupe nont pas deffet sur la dflection.

Aucune autre hypothse ne peut tre rejete et on conclut que langle en
bout du tranchant et le type de coupe affectent significativement la
puissance mesure par la dflection du dynamomtre; on dira que ce
sont les variables influentes du procd.

Le type doutil semble avoir un effet minime sur la dflection, tandis
que toutes les interactions entre les variables principales ont des effets
ngligeables.

Graphique des effets

D'aprs ce graphe, si on souhaite minimiser de la puissance on choisira un
type de coupe interrompu avec un angle de 15

u = Y
+ effet des facteurs actifs = - 0.406
+ u =
m
1
facteur du niveau
2
effet
Y
m nombre de facteurs actifs

(effet de T)/2=(T
2
T
1
)/2 =(-2.37-1.56)/2=-3.9375/2=-1.969

(effet de B)/2=(B
2
-B
1
)/2=(1.18-(-2))/2=1.59

Modle: = Y
-0.406-1.969(C)+1.59(B)

Sachant qu'on associe (-1) au niveau (1) et (+1) au niveau (2)

Minimum = Y
-0.406 - 1.969(+1) + 1.59(-1)=-3.965 (codifier)

T en (+1) : niveau 2 coupe type interrompu.
B en (-1) : niveau 1 angle 15

Codification 2x(Y-28)

Minimum = Y
-3.965/2 + 28 = 26.02 |unit de mesure|

4

2

0

-2

-4
continu interrompu 15 30
coupe angle
Moyenne
-0.406
1.56
-2.37
-2
1.18
Notes :
Les exemples prsents pour le plan dexprience factoriel deux (2)
variables contenaient plusieurs observations par cellule. Examinons
maintenant le cas o nous aurions seulement une observation par cellule.
Dans ce cas, k = 1 et le modle scrit de la faon suivante:

Y
ij
= + A
i
+ B
j
+ AB
ij
+
ij

Un examen rapide des deux (2) derniers termes du modle indique que
nous ne pouvons pas distinguer linteraction de lerreur, - ils sont
confondus. Par consquent, la seule situation raisonnable o nous aurions
raliser un plan avec une seule observation par cellule est lorsque nous
pouvons assumer lavance, daprs des expriences antrieures, que
linteraction entre les deux (2) variables est inexistante. Dans une telle
situation, le modle devient:
Y
ij
= + A
i
+ B
j
+
ij

Notez que ce modle ressemble beaucoup celui dun plan dexprience
un facteur (variable) en bloc randomis. A cette section, le modle tait le
suivant:
Y
ij
= +
j
+
i
+
ij

Mme si les modles se ressemblent et que lanalyse serait effectue de la
mme faon, ce dernier est, toutefois, le modle dune exprience une
seule variable - les traitements sont la variable et
i
, reprsente la restriction
sur la randomisation. Dans un plan dexprience factoriel, il y a deux (2)
variables dintrt A
i
et B
j
, et le plan est compltement randomis. Dans un
plan en bloc randomis, il est cependant assum quaucune interaction
n'existe entre les traitements et les blocs. Ceci est gnralement une
supposition raisonnable puisque les blocs sont choisis dune faon
alatoire. Dans une exprience deux (2) variables, linteraction AxB peut
exister et certaines informations additionnelles sont ncessaires pour
pouvoir assumer que linteraction est effectivement inexistante. Un
exprimentateur qui nest pas tout fait sr quant lexistence de
linteraction doit absolument prendre plus dune observation par cellule et
tester lhypothse quil ny a pas dinteraction.
A mesure que le nombre de variables augmente, cependant, lexistence
dinteractions dun ordre gal ou suprieur trois (3) est trs peu
improbable. Ainsi, nous pouvons gnralement assumer sans aucun
problme que les interactions de 3
ime
ordre et plus (exemple: AxBxC...)
sont inexistantes. Mme si elles existaient, il serait trs difficile de les
expliquer en des termes pratiques.
4.6. EXEMPLE

Dans cet exemple, nous nous proposons
dtudier linfluence des (3) trois variables
indpendantes (facteurs) suivantes:

- T, la temprature (20C, 35C et 50C),
- O, lorigine commerciale dun des ractifs
(fournisseur Chem Inc. et Plax lnc.),
- V, la vitesse dagitation (lente et rapide)

sur le rendement dune raction chimique.

Les essais raliser et les rsultats obtenus du rendement (en %) sont
prsents dans le tableau suivant:

Temprature
20C 35C 50C
Origine Origine Origine
Vitesse dagitation Chem Plax Chem Plax Chem Plax
52 53 68 68 69 68
Lente 53 53 67 70 68 69
51 52 69 67 69 70
52 54 69 69 70 69
64 63 70 70 70 71
Rapide 63 62 69 71 69 72
65 63 71 69 71 70
64 64 70 71 70 71

Cet exemple illustrera lemploi des tableaux danalyse pour effectuer une
analyse de variance, ainsi que lapplication du test de Newman-keuls pour
la variable Temprature.

FEUILLE DE CALCUL : ANOVA (2 ou 3 facteurs / 2 ou 3 niveaux)

1
1

1
2

2
1

2
2

3
1

3
2

2
3
1
2
8
18
3
3
2
4
12
38
18
17
19
19
73
1335
18
20
17
19
74
1374
19
18
19
20
76
1446
18
19
20
19
76
1446

678 1602
1643 1602 1766
14
13
15
14
13
12
13
14
20
19
21
20
20
21
19
21
20
19
21
20

56 52 80 81 80 84

chem plax chem plax chem plax
Origine Origine Origine
20C 35C 50C
Temprature
Variable

Variable

i =
j =

Y
ij1

k = 1

Y
ij1

Y
ij1

Y
ij1

k = 2

Y
ij2

Y
ij2

Y
ij3

k = 3
Y
ij3

Y
ij3

Variable
Ck

Vitesse
L
e
n
t
e

R
a
p
i
d
e

T
k

319
433

T
20C 35C 50C
128 308 316
Chem plax
373 379
Codification n = 4
a = 3
b = 2
c = 2
-50
752
Ti

Tj

786
21
22
20
21
Calcul des sommes des carrs (3 facteurs) df
=
=

= = =
N
T
Y SS
2
a
1 i
b
1 j
n
1 k
2
ijk totale
18+36++1602+1766-
752/48=1952.67

=
=

=
N
T
nbc
T
SS
a
1 i
2
i
Ai
(128+308+316)/16 - 752/48 = 1412.67
=
=

=
N
T
nac
T
SS
b
1 j
2
j
Bj
(373+379)/24 - 752/48 = 0.75
=
=

=
N
T
nab
T
SS
c
1 k
2
k
Ck
(319+433)/24 - 752/48 =270.75
=
=

= =
B A
a
1 i
b
1 j
2
ij
AxB
SS SS
N
T
nc
T
SS
(64+64+153+155+156+160)/8 - 752/48 -1412.67 0.75 = 0.5

=
=

= =
C A
a
1 i
c
1 k
2
ik
AxC
SS SS
N
T
nb
T
SS
(20+147+152+108+161+164)/8 - 752/48
1412.67 270.75 = 234.5

=
=

= =
C B
b
1 j
c
1 k
2
ik
BxC
SS SS
N
T
na
T
SS
(157+162+216+217)/12 - 752/48 - 0.75 270.75 = 0.33

=
=

= = =
BxC AxC AxB C B A
a
1 i
b
1 j
c
1 k
2
ijk
AxBxC
SS SS SS SS SS SS
N
T
n
T
SS

(8+12++80+84)/4752/48 1412.670.75270.750.5234.5
0.33=4.66

SS
erreur
= SS
total
1952.67 1421.67 0.75 270.75 0.5 234.5 0.33 4.66 = 28.5

(N-1)
47

(a-1)
2

(b-1)
1

(c-1)
1

(a-1)(b-1)
2

(a-1)(c-1)
2

(b-1)(c-1)
1

(a-1)(b-1) (c-1)
2

abc(n-1)
36

Variable A 2 1412.67 706.33 892.2
Variable B 1 0.75 0.75 < 1
Variable C 1 270.75 270.75 342
AxB 2 0.5 0.25 < 1
AxC 2 234.5 117.25 148.1
BxC 1 0.33 0.33 < 1
AxBxC 2 4.66 2.33 2.95
Erreur 36 28.5 0.7916
Total 47 1952.67

Interprtation de l'ANOVA

Du tableau ANOVA (< ou >) De la table de distribution Fisher Rej. Acc.
F
A
= 892.2 > F
thorique
= F 2 , 36 = 3.28
F
B
= < 1 < F
thorique
= F 1 , 36 = 4.13
F
C
= 342 > F
thorique
= F 1 , 36 = 4.13
F
AxB
= < 1 < F
thorique
= F 2 , 36 = 3.28
F
AxC
= 148.1 > F
thorique
= F 2 , 36 = 3.28
F
BxC
= < 1 < F
thorique
= F 1 , 36 = 4.13
F
AxBxC
= 2.95 < F
thorique
= F 2 , 36 = 3.28

Commentaires :

La temprature et la vitesse d'agitation influencent significativement
(p<0.05) le rendement de la raction chimique. Par ailleurs, l'interaction
du deuxime ordre entre la temprature et la vitesse d'agitation (TxV) est
galement significative (p<0.05)

Construction graphique des moyennes et intervalles de confiance
Calcul des moyennes
Nom de la variable : Temprature
Niveau [ 20 ] [ 35] [ 50 ] [ ] [ ] [ ]
j=1 j=2 j=3 j=4 j=5 j=6

T.
j
128 308 316
n
j
16 16 16

=
j
. Y
8 19.25 19.75
Calcul des intervalles de confiances (95%)

222439 . 0
16
7916 . 0
n
MSerreur
j
j . Y
S
= = =
nj
MSerreur
t . Y
df , 2 / 1 j o
=
De la table Student (annexe D-3): t
1 - 0.05/2 , 36
= 2.028 (1)

45111 . 0
16
7916 . 0
028 . 2
nj
MSerreur
) 1 ( = = (2)

) 2 ( . Y LI ) 2 ( . Y LS
j j
= + =

=
j
. Y
8 19.25 19.75
(2) 0.45111 0.45111 0.45111

LSC 8.4511 19.7011 20.2011
LIC 7.5489 18.7989 19.2989

Soit sans codification

=
j
. Y
58 69.25 69.75
(2) 0.45111 0.45111 0.45111

LSC 58.4511 69.7011 70.2011
LIC 57.5489 68.7989 69.2989


70

69

68

67

66

65

64

63

62

61

60

59

58

57

20C 35C 50C

Feuille de calcul: Test de Newman-Keuls

Niveau [ 20 ] [ 35 ] [ 50 ] [ ] [ ] [ ] [k= ]
j=1 j=2 j=3 j=4 j=5 j=6

T.
j
128 308 316
n
j
16 16 16

=
j
. Y
8 19.25 19.75

1. Arranger les moyennes en ordre croissant :

=
j
. Y
8 19.25 19.75
Niveau 20 35 50

2. De la table de ANOVA : Mserreur = 0.7916
dferreur = 36

3. Calcul de lerreur standard :

222439 . 0
16
7916 . 0
n
MSerreur
j
j . Y
S
= = = (1)

4. De la table des carts de Students : (%, n
2
=df) (annexe D-10)

P 2 3
Ecart 2.872 3.456

5. Multiplier les carts par lerreur standard (1)

Ecarts significatifs
2
0.639
3
0.769

6. Comparaison entre les moyennes

Niveau
(grand)
VS Niveau
(petit)
Diffrence entre
les moyennes
> ou < Ecart
significatif
*
(>)
50 VS 20 11.75 > 0.769 *
50 VS 35 0.5 < 0.639
35 VS 20 11.25 > 0.639 *
VS
VS

Commentaires :

Le rendement de la raction chimique aux tempratures 35 et 50 diffre
significativement du rendement la temprature 20.

Traitement 8 19.25 19.75

Moyenne 20 < 35 50

Annexe chapitre IV

Calcul des sommes des carrs (3 facteurs) df
=
=

= = =
N
T
Y SS
2
a
1 i
b
1 j
n
1 k
2
ijk totale

=
=

=
N
T
nbc
T
SS
a
1 i
2
i
Ai

=
=

=
N
T
nac
T
SS
b
1 j
2
j
Bj

=
=

=
N
T
nab
T
SS
c
1 k
2
k
Ck

=
=

= =
B A
a
1 i
b
1 j
2
ij
AxB
SS SS
N
T
nc
T
SS

=
=

= =
C A
a
1 i
c
1 k
2
ik
AxC
SS SS
N
T
nb
T
SS

=
=

= =
C B
b
1 j
c
1 k
2
ik
BxC
SS SS
N
T
na
T
SS

=
=

= = =
BxC AxC AxB C B A
a
1 i
b
1 j
c
1 k
2
ijk
AxBxC
SS SS SS SS SS SS
N
T
n
T
SS

SS
erreur
= SS
total

(N-1)

(a-1)

(b-1)

(c-1)

(a-1)(b-1)

(a-1)(c-1)

(b-1)(c-1)

(a-1)(b-1) (c-1)

abc(n-1)


Variable A
Variable B
Variable C
AxB
AxC
BxC
AxBxC
Erreur
Total

Interprtation de l'ANOVA

Du tableau ANOVA (< ou >) De la table de distribution Fisher Rej. Acc.
F
A
= F
thorique
= F =
F
B
= F
thorique
= F =
F
C
= F
thorique
= F =
F
AxB
= F
thorique
= F =
F
AxC
= F
thorique
= F =
F
BxC
= F
thorique
= F =
F
AxBxC
= F
thorique
= F =

Commentaires :

FEUILLE DE CALCUL : ANOVA (2 ou 3 facteurs / 2 ou 3 niveaux)

Variable

Variable

i =
j =

Y
ij1

k = 1

Y
ij1

Y
ij1

Y
ij1

k = 2

Y
ij2

Y
ij2

Y
ij3

k = 3

Y
ij3

Y
ij3

Variable
Ck

T
k

T

Codification n =
a =
b =
c =

Ti

Tj

Ch4 Plan N Fact

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ch4 Plan N Fact

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre IV : Plan dExpriences factoriel (n facteurs)

Mthodologie danalyse exprimentale IV-1

+ effet des facteurs actifs = - 0.406

m nombre de facteurs actifs

-0.406 - 1.969(+1) + 1.59(-1)=-3.965 (codifier)

-3.965/2 + 28 = 26.02 |unit de mesure|

Vous aimerez peut-être aussi