Vous êtes sur la page 1sur 89

Expriences factorielles

Jan-16

Fethi Derbeli

K
2

But
A la fin de cette section, vous comprendrez comment:

Dcrire le concept global des factorielles 2k


Crer des expriences standard
Concevoir et analyser des factorielles 2k en
utilisant:
ANOVA
Les graphiques deffets
Les graphiques et graphiques rsiduels

Jan-16

Fethi Derbeli

Avantages des expriences factorielles 2k


Lutilit de lexprience 2k Factoriel:
. Obtenir lquation de prdiction qui caractrise: Y = f(x1, x2, x3, .)
. Lquation de prdiction nous permet didentifier non seulement les
facteurs critiques mais aussi leurs meilleures niveaux.
. Lexprience 2k factoriel nous permet aussi dinvestiguer
simultanment plusieurs nombre de facteurs avec un peu dessai.
. Le concept 2k est frquemment utilis dans les applications DOE
industriel car il est facile analyser et raliser.

Jan-16

Fethi Derbeli

Avantages des expriences factorielles 2k


Elles ncessitent relativement peu de passages en machine par
facteur tudi.
Peuvent former la base de conceptions plus labores.
Elles sont bonnes pour les premires enqutes - peuvent examiner un
nombre important de facteurs avec relativement peu de passages en
machine.
Elles se prtent bien aux tudes squentielles.
Leur analyse est assez facile.
Les factorielles 2k se rapportent aux facteurs k, ayant chacun 2 niveaux. Une
factorielle 22 est une factorielle 2x2. Cette conception a deux facteurs ayant
chacun deux niveaux et peut tre excute en 2x2 ou 4 fois. De mme, une
factorielle 23 possde 3 facteurs ayant chacun deux niveaux. Cette
exprience peut tre excute en 2x2x2 ou 8 fois.
Jan-16

Fethi Derbeli

Ordre standard des expriences 2k


Le modle de conception des expriences factorielles 2k est en
gnral reprsent dans lordre standard.
Le bas niveau dun facteur est dsign dun - ou -1 tandis que
le niveau lev est assorti dun + ou 1. Un exemple dune
conception de factorielle 22 se prsenterait comme suit:
Temp
-1
1
-1
1

Facteur
Temprature (A)
Concentration (B)
Catalyseur (C)
Jan-16

Conc
-1
-1
1
1

Une factorielle 23 se prsente ainsi:

Niveau
Bas
Elev
-1
1
-1
1
-1
1
Fethi Derbeli

Temp
-1
1
-1
1
-1
1
-1
1

Conc
-1
-1
1
1
-1
-1
1
1

Catalyst
-1
-1
-1
-1
1
1
1
1
5

Exercice
A la main, crez une exprience factorielle 24
Quel est le nombre minimum de passages en
machine ncessaires ?

Jan-16

Fethi Derbeli

La rponse du modle

Modle 22
(2x2) 4 passages
Modle 23
(2x2x2) 8 passages

Jan-16

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

Fethi Derbeli

Ces factorielles 2k sont


reprsentes dans
lordre standard.
Cest ainsi que Minitab
cre le modle, sauf si
vous demandez Minitab
de randomiser les
passages en machine.
Modle 24
(2 x 2 x 2 x 2 ) 16 passages

Utilisons Minitab
Slectionner Stat > DOE > Create Factorial Design
- Dfinir le nombre de facteurs
- Cliquer sur Designs

Jan-16

Fethi Derbeli

Dans cet exemple, nous nous


intressons uniquement aux
expriences factorielles
compltes. Les points centraux
et les blocs seront abords plus
tard.

Modle de lexprience (suite)


Pour identifier les facteurs spcifiques et leurs niveaux respectifs, cliquer sur
Factors . Cest l que vous entrez les informations proprement dites.
Minitab choisit par dfaut des lettres pour dsigner les facteurs et respectivement
-1 pour le bas niveau et 1 pour le haut niveau des facteurs.

Jan-16

Fethi Derbeli

Exemple dune exprience factorielle 23

Cet exemple concerne deux variables de dpart quantitatives (temprature et


concentration) et une donne de dpart qualitative (catalyseur) pour le rendement.
Facteurs et niveaux:
Temp: 160o C (-1), 180o C (1)
Concentration (%): 20 (-1), 40 (1)
Catalyseur: Marque A (-1), Marque B (1)
Le modle de l exprience avec ses rsultats se prsente ainsi:
Temp

Conc

-1
1
-1
1
-1
1
-1
1

Catalyseur Rendement

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

60
72
54
68
52
83
45
80

Cest l un exemple dexprience factorielle complte avec une


seule observation par combinaison de traitement (case).
Jan-16

Fethi Derbeli

10

23 - Calcul des effets principaux


Nous allons maintenant calculer les effets de lexprience. Dabord, regardons la temprature.
Nous ajoutons simplement les rendements associs (-1) et ceux associs (1) puis nous
calculons la moyenne de chacun et soustrayons la valeur au niveau 1 de celle au niveau -1.
Temp.

Conc

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

Effet de la temprature

Catalyseur Rendement

-1
-1
-1
-1
1
1
1
1

60
72
54
68
52
83
45
80

72 + 68 + 83 + 80 60 54 52 45

4
= 75.72 - 52.75 = 23

Ceci peut tre interprt comme le rendement qui augmente d environ


23 points lorsque la temprature passe de 160C 180C
Jan-16

Fethi Derbeli

11

23-Calcul des effets principaux


Maintenant nous calculons leffet de la concentration de la mme faon
Temp

Conc

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

Effet de la concentration =

Catalyseur

-1
-1
-1
-1
1
1
1
1

Rendement

60
72
54
68
52
83
45
80

54 + 68 + 45 + 80 60 72 52 83 5
4

Ceci indique que lorsque la concentration passe de 20%


40% le rendement baisse denviron 5 points.
Jan-16

Fethi Derbeli

12

23 -Calcul des effets principaux


Maintenant calculez leffet du catalyseur et interprtez-le
Temp

Total Total +
Somme
Eff. moy.

Conc

Catalyseur

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

-211
303
92
23

-267
247
-20
-5

-1
-1
-1
-1
1
1
1
1

Rendement

60
72
54
68
52
83
45
80

(_ _ _ _) _ _ _ _

_
Effet du catalyseur =
4
4
Jan-16

Fethi Derbeli

13

23 - Calcul des effets principaux


Temp

Total Total +
Somme
Eff. moy.

Conc

Catalyseur Rendement

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

-211
303
92
23

-267
247
-20
-5

-254
260
6
1.5

60
72
54
68
52
83
45
80

En passant du catalyseur
A au catalyseur B, nous
amliorons notre
rendement de 1.5 points.

Pour cette exprience, nous avons juste calcul les principaux effets.
Autrement dit, nous avons uniquement examin les effets de la
temprature, de la concentration et du catalyseur, pris un par un.
Jan-16

Fethi Derbeli

14

Comprendre leffet de linteraction


Nous nous intressons aussi aux effets combins de ces
trois choses. La question laquelle il faut rpondre est
Y-a-t-il une combinaison particulire de rglages qui
amliore davantage le rendement, par rapport un effet
pris tout seul ?
Nous allons approfondir lexprience factorielle 2x2 et
apprendre comment les termes de linteraction sont
reprsents statistiquement. Puis nous reviendrons sur
notre exemple.

Jan-16

Fethi Derbeli

15

Calculer les effets de linteraction


Leffet de linteraction est reprsent en multipliant les
colonnes reprsenter.
Pour lexemple 2x2, le contraste dinteraction Temprature
x Concentration est cr en multipliant le contraste de
temprature par le contraste de concentration.
Modle des effets
principaux
Temp

Conc
-1
1
-1
1

Modle des effets


dinteraction
Temp

Conc
-1
1
-1
1

-1
-1
1
1

TxC
-1
-1
1
1

1
-1
-1
1

TxC = Temp * Conc


Jan-16

Fethi Derbeli

16

Calculer leffet dinteraction-23


Pour simplifier, disons que nous avons les facteurs A, B et C. Les
interactions que nous pouvons tester seront A*B, A*C, B*C et A*B*C.
Temp(T)
-1
1
-1
1
-1
1
-1
1

Conc (C)
-1
-1
1
1
-1
-1
1
1

Cat (K)
-1
-1
-1
-1
1
1
1
1

T*C

T*K

C*K

T*C*K

Rendt
60
72
54
68
52
83
45
80

Calculer les contrastes dinteraction pour cette exprience.

Jan-16

Fethi Derbeli

17

Calculer leffet dinteraction


Calculer la main les effets dinteraction
Temp(T)

Conc(C)

Cat(K)

T*C

T*K

C*K

T*C*K

Rendt

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

1
-1
-1
1
1
-1
-1
1

1
-1
1
-1
-1
1
-1
1

1
1
-1
-1
-1
-1
1
1

-1
1
1
-1
1
-1
-1
1

60
72
54
68
52
83
45
80

Total Total +
Somme
Eff. moy.

Jan-16

-211
303
92
23

-267
247
-20
-5

Fethi Derbeli

18

Calculer leffet dinteraction


Voici la liste finale des effets:
Temp(T) Conc (C)
-1
-1
1
-1
-1
1
1
1
-1
-1
1
-1
-1
1
1
1
Total Total +
Somme
Eff. Moy.

-211
303
92
23

-267
247
-20
-5

Cat (K)
-1
-1
-1
-1
1
1
1
1

1.5

T*C
1
-1
-1
1
1
-1
-1
1

T*K
1
-1
1
-1
-1
1
-1
1

1.5

C*K
1
1
-1
-1
-1
-1
1
1

10

T*C*K
-1
1
1
-1
1
-1
-1
1

Rendt
60
72
54
68
52
83
45
80

0.5

Maintenant le dfi consiste savoir quels sont les effets qui sont importants
(significatifs). Passons maintenant Minitab et travaillons sur les donnes.
Nous suivrons la mme procdure quauparavant, mais nous examinerons
diverses faons danalyser les donnes.
Maintenant, entrez les donnes dans un fichier Minitab. Vous navez besoin
que dentrer le modle dexprience principal (pas toutes les colonnes
dinteraction) et le rendement.
Jan-16

Fethi Derbeli

19

Plusieurs dmarches Minitab


Stat>ANOVA>Oneway
Les donnes superposes vous permettent deffectuer des
comparaisons multiples
Peut raliser des modles quilibrs ou non
Stat>ANOVA>Oneway (Unstacked)
Permet aux donnes de chaque groupe de figurer dans une colonne
diffrente
Pas de comparaisons multiples
Stat>ANOVA>Balanced ANOVA
Additive, factorielle complte ou autre modle spcifi, quilibr
uniquement
Modles mixtes (facteurs fixes et alatoires) permis
Stat>ANOVA>GLM
ANOVA plus non quilibr
La commande ANOVA la plus puissante
Jan-16

Fethi Derbeli

20

Plusieurs dmarches Minitab (suite)


Stat >DOE > Analyze Factorial Designs (ou
Analyze Custom Designs)
Utilis pour les 2k, 2k avec points centraux, 2k avec
blocage
Utilis pour les factorielles fractionnelles 2k
La notation est diffrente des procdures ANOVA

Jan-16

Fethi Derbeli

21

Etapes dune exprience factorielle 2k

Etape 1: Enoncer le problme pratique.


Etape 2: Enoncer les facteurs et niveaux dintrt.
Etape 3: Slectionner la taille dchantillon approprie selon leffet que l on essaie de
dtecter.
Stat > Power and Sample Size > 2 - Level Factorial Design
Etape 4: Crer avec Minitab une feuille des donnes de lexprience, avec les facteurs
dans leurs colonnes respectives. Randomiser les passages en machine de lexprience
dans la feuille de donnes. Effectuer lexprience.
Stat > DOE > Create Factorial Design
Etape 5: Raliser le tableau ANOVA pour le modle entier, utiliser soit:
Stat > DOE > Analyze Factorial Design
Graphs > Effects Plots (normal or Pareto)
Etape 7: Revoir le tableau ANOVA et supprimer les effets qui ont des valeurs-p
suprieures .05. Les enlever un par un puis traiter le modle rduit et faire un
graphique des rsiduelles pour une analyse plus approfondie.
Stat > DOE > Analyze Factorial Design
Graphs > Residual Plots

Jan-16

Fethi Derbeli

22

Etapes dune exprience factorielle (suite)

Etape 7: Analyser les graphiques rsiduels pour sassurer quon dispose dun modle
adquat.
(Ceci a t fait lors de ltape 5) Stat > DOE > Analyze Factorial Design
Graphs > Residual Plots
Etape 8: Examiner les interactions significatives (valeur-p < .05). Evaluer la
signification des interactions les plus importantes dabord.
Pour les interactions 3 directions, dclasser les donnes superposes et
analyser.
Stat > DOE > Factorial Plots > Interaction Plot
Une fois que les interactions les plus importantes ont t interprtes, analyser
lensemble suivant dinteractions moins importantes.
Etape 9: Examiner les interactions significatives (valeur-p < .05).
Stat > DOE > Factorial Plots > Main Effects Plot
Stat > DOE > Factorial Plots > Cube Plots
Etape 10: Enoncer le modle mathmatique obtenu. Si possible, calculer les valeurs
epsilon au carr et dterminer la signification pratique.
Etape 11: Traduire le modle mathmatique en termes de processus et formuler des
conclusions et des recommandations.
Etape 12: Reproduire les conditions optimales. Planifier la prochaine exprience ou
mettre en oeuvre le changement.
Jan-16

Fethi Derbeli

23

Exemple dexprience factorielle


Etape 1: Enoncer lobjectif: dterminer leffet que la
temprature, la concentration et le catalyseur ont sur le
rendement de notre processus
Etape 2: Dterminer les facteurs et leurs niveaux respectifs:
Temp

(-1) 160C

(1) 180C

Conc

(-1) 20%

(1) 40%

Catalyseur

(-1) Marque A

(1) Marque B

Catalyst
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

TemperatureConcentration % react
-1
1
56
-1
-1
53
-1
-1
63
-1
1
65
-1
-1
53
-1
1
55
-1
1
67
-1
-1
61
1
-1
69
1
1
45
1
1
78
1
-1
93
1
1
49
1
-1
60
1
-1
95
1
1
82

Etape 3: Dterminer la taille de lchantillon et randomiser


les passages en machine
Jan-16

Fethi Derbeli

24

Exemple factoriel (suite)


Cette exprience na quune seule observation par combinaison de
traitements. Nous ne pouvons donc pas analyser lexprience factorielle
complte laide des fonctions ANOVA que nous avons apprises. (En fait,
nous pouvons, mais il faut apprendre quelques trucs).
Dans une situation o il ny a quune seule observation par combinaison de
traitements, nous pouvons utiliser la technique du graphique de probabilit
normale pour reprsenter les effets que nous avons calculs auparavant.
S il ny a pas deffet du tout (lhypothse nulle est vraie pour chaque effet
principal et chaque interaction) nous nous attendrons voir ces effets
distribus normalement autour dune moyenne de zro.
Un effet isol est considr comme important ou significatif.
Choisir Stat > Doe > Analyze Factorial Design et remplir la case de
dialogue.
Jan-16

Fethi Derbeli

25

Exemple factoriel (suite)


Etape 5: Revoir le tableau ANOVA et supprimer les effets ayant des valeursP infrieures 0.05. Passer le modle rduit en machine et faire le graphique
des rsiduelles pour une analyse plus approfondie.
Stat > DOE > Analyze Factorial Design

Jan-16

Fethi Derbeli

26

Exemple factoriel (suite)


Etape 5: Revoir le tableau ANOVA et supprimer les effets ayant des valeurs-P
infrieures 0.05. Passer le modle rduit en machine et faire le graphique des
rsiduelles pour une analyse plus approfondie.
Stat > DOE > Analyze Factorial Design
Graph > Effects Plots (Normal & Pareto une valeur-P de.05)
Graph > Residual Plots

Jan-16

Fethi Derbeli

27

Exemple factoriel (suite)


Factorielle fractionnelle
Coefficients et effets estims du rendement

Term
Constant
Catalyst
Temperature
Concentration
Catalyst*Temperature
Catalyst*Concentration
Temperature*Concentration
Catalyst*Temperature*Concentration

Effect Coef
65,250
20,500 10,250
12,250 6,125
-6,250 -3,125
10,750 5,375
1,250 0,625
-9,500 -4,750
0,500 0,250

SE Coef
0,7016
0,702
0,702
0,702
0,702
0,702
0,702
0,702

T
93,010
14,610
8,730
-4,450
7,660
0,890
-6,770
0,360

P
0,000
0,000
0,000
0,002
0,000
0,399
0,000
0,731

Ce sont les contrastes que


vous aviez calculs
auparavant

Analyse de la variance du rendement


Source
Main Effects
2-Way Interactions
3-Way Interactions
Residual Error
Pure Error
Total
Jan-16

DF
3
3
1
8
8
15

Seq SS
2437,500
829,500
1,000
63,000
63,000
3331,000

Adj SS
2437,5
829,500
1,000
63,000
63,000

Adj MS
F
P
812,500 103,170 0,000
276,500 35,110 0,000
1,000 0,130 0,731
7,875
7,875

Fethi Derbeli

28

Exemple factoriel (suite)

Nous voyons ici que les effets


associs avec A(Temp) et
linteraction A*C (Temprature *
Catalyseur) sont importants.
Nous voyons que linteraction
3 directions nest pas
significative, donc nous la
supprimons du modle dabord,
puis nous valuons les effets
restants.

Jan-16

Fethi Derbeli

29

Exemple factoriel (suite)

Ce graphique est une reprsentation Pareto des effets et utilise p> .10
comme limite. Vous pouvez voir que les interactions A et A*C sont
identifies.
Jan-16

Fethi Derbeli

30

Exemple factoriel (suite)


Nous pouvons utiliser les mmes donnes pour traiter un modle
rduit. Nous avons constat que les effets Temp et Temp*Catalyseur
taient importants, comme le montrent les valeurs-p.

Estimated Effects and Coefficients for % react (coded units)


Term
Constant
Catalyst
Temperature
Concentration
Catalyst*Temperature
Temperature*Concentration

Jan-16

Effect
20,500
12,250
-6,250
10,750
-9,500

Coef
65,250
10,250
6,125
-3,125
5,375
-4,750

Fethi Derbeli

SE Coef
0,6626
0,6626
0,6626
0,6626
0,6626
0,6626

T
98,47
15,47
9,24
-4,72
8,11
-7,17

P
0,000
0,000
0,000
0,001
0,000
0,000

31

Exemple factoriel (suite)


Etape 6: Analyser les graphiques rsiduels pour
sassurer que nous avons un modle adquat.
(ceci a t fait lors de ltape 5) Stat > DOE . Analyze
Factorial Design
Graphs > Residual Plots

Jan-16

Fethi Derbeli

32

Exemple factoriel (suite)


Etape 7: Examiner les interactions significatives (valeur-P < .05). Evaluer
dabord la signification des valeurs les plus importantes.
Pour les interactions 3 directions, dclasser les donnes superposes et
analyser.
Stat > DOE > Factorial Plots > Interaction Plot
une fois quon a interprt les interactions les plus importantes, analyser
lensemble suivant dinteractions un peu moins importantes.

Jan-16

Fethi Derbeli

33

Exemple factoriel (suite)


Interaction Temprature * Catalyseur:
En passant du bas niveau de
catalyseur au haut niveau de
catalyseur, lorsque la temprature est
maintenue constante au bas niveau,
nous observons une lgre baisse des
baisses de rendement. En outre,
lorsque la temprature est maintenue
constante un niveau lev et que
nous passons du bas niveau de
catalyseur au haut niveau de
catalyseur, le rendement augmente.
Interaction Temprature *
Concentration:
Bien que dun point de vue graphique
linteraction ne semble pas relle,
nous la considrons comme
statistiquement significative. Rgler la
temprature au niveau lev.

Jan-16

Fethi Derbeli

34

Exemple factoriel (suite)


Etape 8: Examiner les interactions significatives
& les effets principaux (valeur-p < .05).
Stat > DOE > Factorial Plots > Main Effects Plot
Stat > DOE > Factorial Plots > Cube Plots

Jan-16

Fethi Derbeli

35

Exemple factoriel (suite)


Etape 9: Enoncer le modle mathmatique obtenu. Si possible
calculer la valeur epsilon au carr et dterminer la signification
pratique.
Term
Constant
Catalyst
Temperature
Concentration
Catalyst*Temperature
Temperature*Concentration

S = 2,65047

Effect
20,500
12,250
-6,250
10,750
-9,500

R-Sq = 97,89%

Coef
65,250
10,250
6,125
-3,125
5,375
-4,750

SE Coef
0,6626
0,6626
0,6626
0,6626
0,6626
0,6626

T
98,47
15,47
9,24
-4,72
8,11
-7,17

P
0,000
0,000
0,000
0,001
0,000
0,000

R-Sq(adj) = 96,84%

Nous pouvons utiliser les coefficients de lanalyse pour en driver le modle


mathmatique suivant:
Rendement = 65.25 + 6,125 (T) - 3.125(Conc) + 10,25 (Cat) -4.75(T*Conc)+ 5.375(T*Cat)
Quel est le modle lorsque tout est rgl sur zro ?
Que reprsente cette valeur ?
Estimer le rendement lorsque tous les coefficients sont (+1).
Jan-16

Fethi Derbeli

36

Exemple factoriel (suite)


Quel est le modle lorsque tout est rgl sur zro ?
Que reprsente cette valeur ?
Estimer le rendement lorsque tous les coefficients sont (+1).

Jan-16

Fethi Derbeli

37

Exemple factoriel (suite)


Etape 9: Enoncer le modle mathmatique obtenu. Si possible
calculer la valeur epsilon au carr et dterminer la signification
pratique.
Pour calculer Epsilon au carr, nous devons utiliser ANOVA quilibre
afin dobtenir la somme des carrs pour les effets significatifs.
Stat > ANOVA > Balance ANOVA (Enter le modle rduit final, utiliser lastrisque
pour identifier les interactions du modle, cest--dire Temp Cat Temp*Cat)
Source
Catalyst
Temprature
Concentration
Main Effects
2-Way Interactions
3-Way Interactions
Error
Total

Jan-16

DF
1
1
1
3
3
1
8
15

Seq SS
1681
600,25
156,25
2437,500
829,500
1,000
63,000
3331,000

e2
50,5%
18,0%
4,7%
73,2%
24,9%
0,0%
1,9%
100%

Fethi Derbeli

Quelle est la somme


de ces valeurs ?

38

Exemple factoriel (suite)


Etape 10: Traduire le modle mathmatique en termes de processus et formuler des
conclusions et des recommandations.
Conclusions: daprs le modle mathmatique, nous voyons que si aucun
changement nest apport au processus, notre processus donnera en moyenne un
rendement de 64.25%. Nous avons aussi dtermin que le facteur temprature
joue un rle cl dans le contrle de processus.
Recommandations: pour amliorer le rendement, nous conseillons que le
processus tourne avec la temprature et le catalyseur leurs niveaux levs. La
concentration doit tre fixe au niveau qui est rentable pour lentreprise.
Temp = 180C
Catalyseur = Marque B
Concentration = celle qui est rentable
Etape 11: Reproduire les conditions optimales. Planifier lexprience suivante ou
mettre en oeuvre le changement.

Jan-16

Fethi Derbeli

39

K
2 :

Expriences factorielles
Points centraux et blocage
Cube Plot - Means for Yield

Centerpoint
Factorial Point

40

40.9

40.46

Time

30

41.5

39.3

40.0

150

160
Temp

Jan-16

Fethi Derbeli

40

But
A la fin de cette section, vous comprendrez :
Limportance des points centraux dans une
exprience
Comment rajouter des points centraux dans une
exprience que vous crez
Limportance du blocage dans une exprience
Comment crer un bloc dans une exprience

Jan-16

Fethi Derbeli

41

Ajouter des points centraux


Pourquoi ajouter des points centraux Dans les expriences 2 niveaux, il y a toujours un risque de manquer une
relation curviligne en nincluant que deux niveaux de la variable de dpart.
Lajout de points centraux est une mthode efficace pour tester la courbe sans
rajouter un grand nombre de passages en machine de lexprience.
Prenons lexemple suivant:
Un ingnieur chimique veut amliorer le rendement. Il y a deux donnes de
dpart concernes: la dure de raction et la temprature de raction.
Lingnieur dcide deffectuer lexprience laide dun modle 2x2 (dure
de raction x temprature de raction), mais ajoutera cinq points centraux
pour estimer lerreur exprimentale et la courbe.
Temprature de raction: 150, 155 et 160
Dure de raction: 30, 35 et 40.

Jan-16

Fethi Derbeli

42

Exemple factoriel 2k utilisant des points centraux


Utilisons notre processus en 11 tapes pour entrer et valuer les points centraux de
notre exemple 2k
Etape 1: Dfinir lobjectif. Lingnieur veut augmenter le rendement.
Etape 2: Notre ingnieur doit tablir les facteurs, leurs niveaux et les points
centraux ventuels.
Stat > DOE > Create Factorial Design
Choisir les modles dexprience et slectionner 5 pour les points centraux.

Jan-16

Fethi Derbeli

43

Exemple factoriel 2k utilisant des points centraux


Voici le modle gnr par Minitab
A noter que Minitab a calcul les points centraux pour vous.
OrdreStd OrdrePass Blocs Temp Dure
1
1
1
150
30
2
2
1
160
30
3
3
1
150
40
4
4
1
160
40
5
5
1
155
35
6
6
1
155
35
7
7
1
155
35
8
8
1
155
35
9
9
1
155
35

Points centraux
Jan-16

Fethi Derbeli

44

Exemple factoriel 2k utilisant des points centraux


Etape 3: Slectionner la taille approprie de lchantillon et
randomiser les passages en machine
Lexprience est effectue et les donnes suivantes en rsultent:
OrdrePass Blocs Temp Dure
1
1
150
30
2
3
4
5
6
7
8
9
Jan-16

1
1
1
1
1
1
1
1

160
150
160
155
155
155
155
155
Fethi Derbeli

30
40
40
35
35
35
35
35

Rendement
39.3
40.0
40.9
41.5
40.3
40.5
40.7
40.2
40.6
45

Analyse factorielle avec points centraux


Etape 4: Elaborer le tableau ANOVA pour le modle complet:
Stat > DOE > Analyze Factorial Design
Graphs > Effects (Normal & Pareto)
Term
Constant
temprature
dure
temprature*dure
Ct Pt

Source
Main Effects
2-Way Interactions
Curvature
Residual Error
Pure Error
Total

Effect
0,6500
1,5500
-0,0500

DF
2
1
1
4
4
8

Coef
40,4250
0,3250
0,7750
-0,0250
0,0350

Seq SS
2,82500
0,00250
0,00272
0,17200
0,17200
3,00222

SE Coef
0,1037
0,1037
0,1037
0,1037
0,1391

Adj SS
2,82500
0,00250
0,00272
0,17200
0,17200

T
389,89
3,13
7,47
-0,24
0,25

Adj MS
1,41250
0,00250
0,00272
0,04300
0,04300

F
32,85
0,06
0,06

n f nc y f y c

SS Curvature
Jan-16

P
0,000
0,035
0,002
0,821
0,814

P
0,003
0,821
0,814

La courbe n est
pas significative

n f nc
Fethi Derbeli

46

Exemple factoriel 2k utilisant des points centraux


Ltape 5 nous demande dexcuter le modle rduit. Comme
nous lavons vu dans la diapositive prcdente, la courbe na
pas dimpact significatif.
Noublions pas que ltape 8 nous demandera aussi
dexaminer ces graphiques.

Rendement

Dure

Jan-16

Fethi Derbeli

47

Exemple factoriel 2k utilisant des points centraux


Etape 6: Examiner les graphiques de valeurs rsiduelles pour sassurer que le modle
est adquat.
Stat > DOE > Analyze Factorial Design
Graph > residual plots

Jan-16

Fethi Derbeli

48

Exemple factoriel 2k utilisant des points centraux


Etape 7: Avec le tableau ANOVA, examiner dabord la
valeur-P des interactions significatives. Evaluer la
signification des interactions importantes dabord.
Les interactions importantes ont t considres comme non
significatives, il ny a donc rien analyser.
Etape 8: Analyser les interactions moins importantes, ce que
nous avons dj fait.
Etape 9: Enoncer le modle mathmatique obtenu.
Term
Constant
temprature
dure
Ct Pt

S = 0,186815

Effect
0,6500
1,5500

Coef
40,4250
0,3250
0,7750
0,0350

R-Sq = 94,19%

SE Coef
0,09341
0,09341
0,09341
0,12532

T
432,78
3,48
8,30
0,28

P
0,000
0,018
0,000
0,791

R-Sq(adj) = 90,70%

Rendement = 40.425 + 0.325 (Temp) + 0.775 (Dure)


Jan-16

Fethi Derbeli

49

Exemple factoriel 2k utilisant des points centraux


Etape 10: Traduire le modle mathmatique en termes de processus.
Formuler les conclusions et recommandations.
Pour augmenter le rendement, nous devrions rgler le processus actuel
160C et 40 secondes/cycle.
Nous conseillons aussi deffectuer des examens par la suite pour voir
si le rendement peut tre amlior davantage des niveaux de facteurs
qui nont pas encore t tests dans cette exprience.
Etape 11: Reproduire les conditions optimales. Planifier la prochaine
exprience ou mettre en oeuvre le changement.

Jan-16

Fethi Derbeli

50

Blocage avec factoriels 2k


Variable de blocage: un facteur dans une exprience qui peut avoir une influence
indsirable comme source de variabilit sappelle un bloc. Ce bloc peut tre un lot
de matires premires, un jour de travail de loprateur, etc. qui est susceptible de
produire des passages en machine dexpriences plus homognes l intrieur du
bloc quentre divers blocs.
B
C
Passage A
Supposons que nous voulions excuter une
1
-1
-1
-1
exprience factorielle 2x2x2. Nous aimerions
2
1
-1
-1
constater que nous avons besoin de deux sacs
3
-1
1
-1
de catalyseur pour raliser lexprience toute
4
1
1
-1
5
-1
-1
1
entire. Le dfi consiste effectuer
6
1
-1
1
lexprience tout en minimisant leffet de la
7
-1
1
1
variable perturbatrice; le catalyseur.
8
1
1
1
Rappelons notre modle de base
dexprience:
Il est facile voir que si nous excutions nos quatre premiers passages en machine
avec le sac 1 de catalyseur et les 4 autres passages avec le sac 2, nous confondrions
compltement le facteur C. Nous ne saurions pas sparer leffet C de leffet du
catalyseur.
Jan-16

Fethi Derbeli

51

Confusion et blocage
Nous devons trouver un moyen dtaler les effets du catalyseur sur
lensemble de lexprience pour neutraliser son impact sur nos rsultats.
Penchons-nous sur le modle dexprience qui montre les contrastes pour toutes
les interactions de lexprience.
Passage en
machine

Run
1
2
3
4
5
6
7
8

A
-1
1
-1
1
-1
1
-1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
-1
-1
-1
1
1
1
1

A*B
1
-1
-1
1
1
-1
-1
1

A*C
1
-1
1
-1
-1
1
-1
1

B*C
1
1
-1
-1
-1
-1
1
1

A*B*C
-1
1
1
-1
1
-1
-1
1

En gnral, les interactions 3 directions dans les expriences ne sont ni


significatives ni importantes. Nous pouvons donc utiliser cette colonne
pour dfinir notre stratgie de blocage. Le nouveau concept serait:
Jan-16

Fethi Derbeli

52

Confusion et blocage
Passage en
machine

Run
1
2
3
4
5
6
7
8

A
-1
1
-1
1
-1
1
-1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
-1
-1
-1
1
1
1
1

A*B
1
-1
-1
1
1
-1
-1
1

A*C
1
-1
1
-1
-1
1
-1
1

B*C
1
1
-1
-1
-1
-1
1
1

A*B*C Block
-1
I
1
II
1
II
-1
I
1
II
-1
I
-1
I
1
II

Bloc

Nous excuterions donc les passages 1, 4, 6 et 7 avec le sac 1 et les passages 2, 3, 5 et


8 avec le sac 2. Cette exprience ne nous permettrait pas de tester linteraction 3
directions, mais nous permettrait dexaminer les effets principaux et les interactions
A
B
C
Block
2 directions sans nous soucier des effets du catalyseur. Run
1
-1
-1
-1
I
Nota: dans une exprience
relle, vous randomiseriez les
passages en machine
lintrieur de chaque bloc.
Minitab le fait votre place .
Jan-16

Fethi Derbeli

4
6
7

1
1
-1

1
-1
1

-1
1
1

I
I
I

2
3
5
8

1
-1
-1
1

-1
1
-1
1

-1
-1
1
1

II
II
II
II
53

Blocage et confusion
Sac 1
Sac 2

+1

-1
-1
Jan-16

A
Fethi Derbeli

+1
54

Exemple 2k avec blocage


Objectif: Effectuer lanalyse dune exprience quatre facteurs avec deux blocs. Fichier des
donnes: Montblck.mtw
Etape 1: Problme: Un ingnieur chimiste souhaite maximiser la cadence de filtrage
dun produit chimique, produit dans une cuve sous pression. Lexprience sera excute
en 16 passages en machine, mais on ne peut en effectuer que 8 par jour. Lexprience
devra donc tre tale sur deux jours.
Etape 2: Enoncer les facteurs et les niveaux de lexprience, crer le modle dans
Minitab.
Rsultat: cadence de filtrage (gal/h)
Donnes de dpart:
Temprature (T)
Pression (P)
Concentration de formol(F)
Vitesse dagitation (S)
Marche suivre:
Utiliser Stat>DOE>Fractional Factorial pour crer lexprience avec 4
facteurs en 16 passages en machine avec 2 blocs.
Analyser les donnes laide des donnes fournies.
Jan-16

Fethi Derbeli

55

Exemple 2k avec blocage


Etape 3: Slectionner la taille dchantillon approprie. Randomiser
les passages en machine de lexprience dans le tableau des donnes.
Excuter lexprience. Nous supposons que ceci a t fait.
Temp
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
Jan-16

Press
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

Form Cnc Agitation


-1
-1
-1
-1
1
-1
1
-1
-1
1
-1
1
1
1
1
1
-1
-1
-1
-1
1
-1
1
-1
-1
1
-1
1
1
1
1
1
Fethi Derbeli

Jour
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2

Filtrage
71
48
68
65
43
104
86
70
45
65
60
80
100
45
75
96
56

Exemple 2k avec blocage


Etape 4: Elaborer le tableau ANOVA
Stat > DOE > Analyze Factorial Design
Graphs > Effects Plots (Normal, Pareto)
Analyse de la Variance pour le filtrage (units codes)
Source
Blocs
Effets principaux
Interactions 2 dir
Interactions 3 dir
Erreur rsiduelle
Total

DF
1
4
6
4
0
15

Seq SS
7.56
3155.25
2447.88
120.25
0.00
5730.94
A
AD

Normal
Score

Notation normale

Jan-16

-1
AC
-20

-10

0
Effect

10

20

SS Ajust
7.56
3155.25
2447.87
120.25
0.00

MS Ajust
7.563
788.812
407.979
30.062
0.000

F
*
*

P
*
*
*
*

*
*

A
AC
AD
D
C
ABD
B
BCD
BC
ABC
ACD
CD
BD
AB

Effet

Fethi Derbeli

10

20

57

Exemple 2k avec blocage

Etape 5: Faire passer un modle rduit en machine en supprimant les effets ayant des
valeurs-p non significatives, les effets marqus faibles sur le graphique des effets.
Stat > DOE > Analyze Factorial Design
Graph > Residual Plots
Factorielle fractionnelle
Coefficients et effets estims pour le Filtrat (units codes)
Terme
Effet
Coef
Coef DevSt
T
p
Constante
70.062
1.141
61.39 0.000
Bloc
-0.687
1.141
-0.60 0.562
Temp
21.625
10.812
1.141
9.47 0.000
Form Cnc
9.875
4.937
1.141
4.33 0.002
Agitation
14.625
7.312
1.141
6.41 0.000
Temp*Form Cnc
-18.125
-9.062
1.141
-7.94 0.000
Temp*Agit.
16.625
8.312
1.141
7.28 0.000
Coefficients et effets estims pour le Filtrat (units codes)
Terme
Effet
Coef StDev Coef
T
p
Constante
70.062
1.104
63.44 0.000
Temp
21.625
10.812
1.104
9.79 0.000
Form Cnc
9.875
4.937
1.104
4.47 0.001
Agitation
14.625
7.312
1.104
6.62 0.000
Temp*Form Cnc
-18.125
-9.063
1.104
-8.21 0.000
Temp*Agit.
16.625
8.313
1.104
7.53 0.000
Jan-16

Fethi Derbeli

Remarquez que
le bloc a t
dtermin
comme ntant
pas significatif.
Nous devons
donc repasser le
modle en
machine sans le
bloc.

58

Exemple 2k avec blocage


Etape 6: Excuter un passage en machine du modle rduit en supprimant
les effets ayant des valeurs-P non significatives, les effets indiqus en bas
sur les graphiques des effets.
Stat > DOE > Analyze Factorial Design
Graph > Residual Plots
4

Residual

Frequency

3
2

1
-5
0
-6

-4

-2

0
Residual

8
10
12
Observation Order

14

16

2
5

Normal
Score

Residual

1
0
-1
-5
-2
40

Jan-16

50

60

70
80
Fitted Value

90

100

-5

Fethi Derbeli

0
Residual

59

Exemple 2k avec blocage


Etape 7: Avec le tableau ANOVA, examiner les valeurs-p des
interactions significatives dabord. Evaluer dabord la signification des
interactions les plus importantes.
Si la valeur-p est < .05, rsumer les donnes comme suit:
Stat > DOE > Fractional Plots > Interactions
-1

-1

-1

Temp

90

70

-1

50

Form
Cnc

90
70

-1

50
StirRate
1
-1

Jan-16

Les interactions
significatives sont:
Temp * Form Conc
Temp * Vitesse dagitation

Fethi Derbeli

90
70
50
60

Exemple 2k avec blocage


Etape 8: A partir du tableau ANOVA, examiner
les valeurs-p des effets principaux
Stat > DOE > Factorial Plots > Main Effects & Cube Plots

-1

-1

-1

-1

80

80

Filtrate

75

65

1 48

70
65

Press

60
Temp

Press

Form
Cnc

StirRate

-1 45
-1

65
68

Temp

45

601
71-1Form
Cnc
-1

Jan-16

Fethi Derbeli

70

96
104

75
43

StirRate

86
100

61

Exemple 2k avec blocage


Etape 9: Enoncer le modle mathmatique
obtenu. Calculer e2 si possible en utilisant
Stat > ANOVA > Balanced ANOVA
Source

DF

SS ____ Epsilon

Temp

1870.6

32.6%

Form Cnc

90.1

1.6%

Agitation

855.6

14.3%

Temp*Form Cnc

1314.1

22.9%

Temp*Agit.

1105.6

19.3%

Erreur

10

195.1

3.4%

Total

15

5730.9

Terme
Effet
Coef
Constante
70.062
Temp
21.625
10.812
Form Cnc
9.875
4.937
Agitation
14.625
7.312
Temp*Form Cnc -18.125
-9.063
Temp*Agit.
16.625
8.313

Cadence de filtrage = 70.062 + 10.812 (T) + 4.973 (F) + 7.312 (S) - 9.063 (T*F) + 8.313 (T*S)

Jan-16

Fethi Derbeli

62

Exemple 2k avec blocage


Etape 10: Traduire le modle mathmatique en termes de
processus. Formuler les conclusions et recommandations:
Question pratique: O devons-nous fixer les paramtres de

Temprature
Pression
Concentr formol
Vitesse dagitation

Rponse: T = 1, P = niveau rentabilit maximum, F = -1, S = 1

Etape 11: Reproduire les conditions optimales. Planifier la


prochaine exprience ou mettre en oeuvre le changement.

Filtrage = 70.062 + 10.812 (T) + 4.973 (F) + 7.312 (S) - 9.063 (T*F) + 8.313 (T*S)
Jan-16

Fethi Derbeli

63

Types dexpriences factorielles 2-k


Une observation par combinaison de traitements
En gnral faible puissance statistique
Utiliser des graphiques normaux au lieu de tests-F
On peut crer des expriences factorielles compltes en
omettant les facteurs sans importance.

Plus dune observation par combinaison de


traitements

Jan-16

De meilleures estimations des erreurs


Une meilleure puissance statistique
On peut tout de mme se servir de modles rduits
On peut utiliser des tests-F et des graphiques normaux.
Fethi Derbeli

64

Rsum
Lors de cette session, nous avons:
Dcrit le concept global des expriences factorielles 2-k
Cr des modles dexprience standard
Cr des expriences factorielles 2k et analys celles-ci
avec Anova
avec des graphiques deffets
des graphiques et des graphiques rsiduels

Examin lusage des points centraux


Appliqu le blocage aux factorielles 2-k.

Jan-16

Fethi Derbeli

65

Expriences factorielles
K
fractionnelles 2

Jan-16

Fethi Derbeli

66

Utilit des expriences factorielles fractionnelles


A mesure quaugmente le nombre de facteurs, le nombre de passages
en machine ncessaires augmente en parallle.
Factorielle 2x2 = 4 passages en machine
Factorielle 2x2x2 = 8 passages en machine
Factorielle 2x2x2x2 = 16 passages en machine
Factorielle 2x2x2x2x2 = 32 passages en machine, etc...
Si lexprimentateur peut supposer que les interactions importantes
sont ngligeables, il est possible deffectuer une fraction de
lexprience factorielle complte tout en ayant de bonnes estimations
des interactions peu importantes et des effets principaux.
Les expriences factorielles fractionnelles sont appeles expriences
avec filtrage/screening, dans lesquelles un nombre relativement
lev de facteurs peut tre examin en un nombre relativement limit
de passages en machine.
Jan-16

Fethi Derbeli

67

Dfinitions:expriences factorielles fractionnelles

Expriences avec filtrage (fractionnelles):


des expriences qui vous permettent dexaminer les principaux effets et/ou les interactions
moins importantes sans avoir besoin dexcuter les expriences factorielles compltes.
Demi-fraction:
des expriences qui vous permettent dexaminer les principaux effets et/ou les interactions
moins importantes sur la moiti des combinaisons de traitements requises pour une exprience
factorielle complte.
Quart de fraction:
des expriences qui vous permettent dexaminer les principaux effets et/ou les interactions
moins importantes sur le quart des combinaisons de traitements requises pour une exprience
factorielle complte.
Rsolution du modle:
une notation en chiffres romains qui vous permet de dcrire le programme de confusion li au
modle.
Repli:
La possibilit dajouter des expriences factorielles une exprience fractionnelle existante avec
lintention destimer des effets principaux spcifiques ou des interactions exemptes de problmes de
confusion particuliers.
Assimilation un alias ou confusion:
limpossibilit de dterminer quels effets sont la cause du vritable effet. Un ou plusieurs effets ne
peuvent pas tre attribus avec une certitude absolue un facteur ou une interaction.

Jan-16

Fethi Derbeli

68

Notation factorielle fractionnelle


La notation gnrale pour dsigner un modle dexprience factorielle
fractionnelle est:
kp
2R
k est le nombre de facteurs examiner
2k-p est le nombre de passages en machine
R est la rsolution
Exemple: la dsignation ci-dessous signifie que quatre facteurs vont
tre examins en 3
passages en machine. Ce modle est
2 8
une rsolution IV.
41

2 IV

1 5
1 5
5 1
5 1
2 2 2 2 2 2
2
Jan-16

Fethi Derbeli

69

factorielle fractionnelle - Demi-fraction


Souvenez-vous que ceci est une reprsentation largie dune exprience factorielle 2x2x2.
Supposons que nous voulions examiner quatre variables de dpart.
Etant donn que tous les contrastes sont indpendants (orthogonaux) nous pouvons
slectionner nimporte quelle interaction comme contraste pour reprsenter la quatrime
variable. En gnral nous slectionnons linteraction la plus importante, dans le cas prsent,
linteraction AxBxC.
Facteur D
A
-1
1
-1
1
-1
1
-1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
-1
-1
-1
1
1
1
1

AXB
1
-1
-1
1
1
-1
-1
1

AXC
1
-1
1
-1
-1
1
-1
1

BXC
1
1
-1
-1
-1
-1
1
1

AXBXC
-1
1
1
-1
1
-1
-1
1

Dans ce cas prsent, lorsque nous remplaons linteraction AxBxC par le facteur D, nous disons
que ABC a t assimil ou confondu avec D. Bien sr, ABC ne peut alors plus tre estime.
Jan-16

Fethi Derbeli

70

Demi-fraction
Le nouveau modle dexprience se prsente comme ceci:
A
-1
1
-1
1
-1
1
-1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
-1
-1
-1
1
1
1
1

D
-1
1
1
-1
1
-1
-1
1

Nous appelons ceci une demi-fraction car une exprience factorielle


complte 2x2x2x2 (24) ncessiterait 16 passages en machine pour tre
ralise en entier. Ici, nous pouvons estimer 4 facteurs en 8 passages.
Mais tout un prix: nous perdons linteraction la plus importante.
Lorsque nous valuons ce que nous avons perdre, nous utilisons le
concept de la rsolution. Il sagit ici d un modle rsolution IV.
Jan-16

Fethi Derbeli

71

La rsolution du modle
Les expriences fractionnelles ont un inconvnient, celui denlever la
possibilit destimer les interactions importantes. Nous utilisons donc le
concept de la rsolution pour dcrire ce que nous perdrons dans une
exprience.
Modles rsolution III:
Aucun effet principal nest assimil aux autres effets principaux. Les
effets principaux sont assimils aux interactions deux facteurs.
Modles rsolution IV
Aucun effet principal nest assimil aux autres effets principaux ni aux
interactions deux facteurs.
Les interactions deux facteurs sont assimiles dautres interactions
deux facteurs.
Modles rsolution V
Effets principaux OK, interactions deux facteurs assimiles aux
interactions 3 facteurs.
Jan-16

Fethi Derbeli

72

Les factorielles fractionnelles et Minitab


Voyons les cases de dialogue de Minitab pour la commande
Stat > DOE > Create Factorial Design :

Jan-16

Fethi Derbeli

73

Crer un modle de factorielle fractionnelle


Supposons que nous voulions voir les divers modles possibles pour une exprience
avec 5 facteurs mais que nous ne pouvions pas effectuer une exprience factorielle
complte de 32 passages en machine. Stat > DOE > Create Factorial Design

Jan-16

Fethi Derbeli

74

Modles possibles

Ce tableau montre trois options: deux modles fractionnels


et le modle factoriel complet
Jan-16

Fethi Derbeli

75

Les tapes :Exprience factorielle fractionnelle

Etape 1: noncer le problme pratique


Etape 2: noncer les facteurs et niveaux auxquels on sintresse, crer sur Minitab une
feuille de donnes de lexprience avec les facteurs dans leurs colonnes respectives.
Stat > DOE > Create Factorial Design
Etape 3: slectionner la taille dchantillon approprie et randomiser les passages en
machine. Raliser lexprience.
Etape 4: laborer le tableau ANOVA pour le modle complet:
Stat > DOE > Analyze Factorial Design
Graphs > Effects Plots (normal or Pareto)
Etape 5: revoir le tableau ANOVA et supprimer les effets ayant des valeurs-p >0.05.
Passer le modle rduit en machine. A ce stade nous avons besoin danalyser les valeurs
rsiduelles. Donc:
Stat > DOE > Analyze Factorial Design
Graphs > Residuals Plots
Etape 6: examiner les graphiques de valeurs rsiduelles pour sassurer que le modle est
adquat.
(Ceci a t fait lors de ltape 5) Stat > DOE > Analyze Factorial Design
Graphs > Residual Plots
Jan-16

Fethi Derbeli

76

Les tapes: Exprience factorielle fractionnelle


Etape 7: examiner les interactions significatives (valeur-p < .05). Evaluer la
signification des interactions les plus importantes d abord.
Pour les interactions 3 directions, dclasser les donnes superposes et
analyser.
Stat > DOE > Factorial Plots > Interaction Plot
Une fois que les interactions les plus importantes ont t interprtes,
analyser lensemble suivant dinteractions un peu moins importantes.
Etape 8: examiner les interactions significatives (valeur-p < .05).
Stat > DOE > Factorial Plots > Main Effects Plot
Stat > DOE > Factorial Plots > Cube Plots
Etape 9: noncer le modle mathmatique obtenu. Si possible calculer epsilon
au carr et dterminer la signification pratique.
Etape 10: traduire le modle mathmatique en termes de processus et formuler
des conclusions et recommandations.
Etape 11: reproduire les conditions optimales. Planifier l exprience suivante
ou mettre en oeuvre le changement.

Jan-16

Fethi Derbeli

77

Exercice
Objectif: crer et analyser une exprience factorielle
fractionnelle laide de Minitab
Variable darrive: % Raction
Donnes de dpart:
Bas Elev

Dbit (litres/minute)
Catalyseur (%)
Vitesse dagitation (rpm)
Temprature (C)
Concentration (%)

(-1) 10
(-1)
1
(-1) 100
(-1) 140
(-1)
3

(1) 15
(1) 2
(1) 120
(1) 180
(1) 6

Utiliser Minitab pour crer le modle d exprience


Vous navez les moyens deffectuer que 16 passages en
machine
Utilisez le fichier:React
Jan-16

Fethi Derbeli

78

Exercice
Etape 1: noncez le problme pratique: quels facteurs puis-je changer pour augmenter
le % de raction dans un processus chimique.
Etape 2: quels sont les facteurs et quels niveaux doivent-ils tre fixs pour maximiser
le % de raction. Entrez cette information dans Minitab pour crer le modle
dexprience.

Jan-16

Fethi Derbeli

79

Exercice
Lorsque nous crons le modle dexprience, quoi ressemble la structure assimile
et que signifie-t- elle ?
Structure des
assimils

Exprience factorielle
Modle factoriel fractionnel

I + ABCDE

Facteurs: 5
Base:
5, 16
Rsolution: V
Passages: 16 Reproductions:
1
Fraction:
Blocs: aucun
points centraux (total):= 0
Gnrateurs:

1/2

E = ABCD

Dans lencadr ci-dessus, on nous dit que E est confondu


avec linteraction ABCD. Si nous multiplions les deux
cts par E, nous identifions la Relation de dfinition
indique sur la droite.
I, llment d identit, est =1 (pour des raisons
pratiques), A2=1, comme B2=1, etc.
La structure des assimils identifie les principaux effets et
interactions qui sont confondus.
Jan-16

Fethi Derbeli

A + BCDE
B + ACDE
C + ABDE
D + ABCE
E + ABCD
AB + CDE
AC + BDE
AD + BCE
AE + BCD
BC + ADE
BD + ACE
BE + ACD
CD + ABE
CE + ABD
DE + ABC
80

Exercice
Etape 3: slectionnez la taille dchantillon approprie. Randomisez les
passages en machine de lexprience et ralisez lexprience.
Std O
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Jan-16

Passages O
6
7
9
15
1
5
12
14
16
3
13
8
11
10
2
4

Blocs
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Agitation
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10
15

Catalyseur Agitation
1
100
140
1
100
140
2
100
140
2
100
140
1
120
140
1
120
140
2
120
140
2
120
140
1
100
180
1
100
180
2
100
180
2
100
180
1
120
180
1
120
180
2
120
180
2
120
180
Fethi Derbeli

Temp
6
3
3
6
3
6
6
3
3
6
6
3
6
3
3
6

Conc
56
53
63
65
53
55
67
61
69
45
78
93
49
60
95
82

Raction

81

Exercice

Etape 4: laborez le tableau ANOVA


STAT > DOE > Analyze Factorial Design
Graphs > Effects Plots (Normal and/or Pareto)
Graphique de probabilit normale des effets

Normal Probability Plot of the Effects


(response is Reacted, Alpha = .10)

Graphique Pareto des effets

(la rponse est Raction , Alpha = 10


B

Normal Score

Note normale

D
BD

A: Feedrate
B: Catalyst
C: Agitatio
D: Temp
E: Concentr

Pareto Chart of the Effects


(response is Reacted, Alpha = .10)

(la rponse est Raction , AlphaA:=Feedrate


10

B:
C:
D:
E:

D
BD

Catalyst
Agitatio
Temp
Concentr

DE

E
CE
A

-1

BC

AB
BE

DE

AE
AD

-10

10

20

AC
CD

Effect

Effet

10

20

Quels facteurs omettons-nous du modle ?


Jan-16

Fethi Derbeli

82

Exercice
Les seuls facteurs importants sont le catalyseur, la temprature et la concentration; nous
pouvons refaire passer le modle en machine sans le dbit et la vitesse dagitation. Nous
avons alors un modle complet 3 facteurs avec deux reproductions.
Etape 5: passez le modle rduit en machine et analyser
Stat > DOE > Analyze Factorial Design
Storage > Residual & Fits
Factorielle fractionnelle

Effets estims et coefficients du rendement(units codes)


Terme
Constante
Catalyseur
Temperat
Concentr
Catalyseur*Temp
Temperat*Concentr

Effet
20.500
12.250
-6.250
10.750
-9.500

Coef
65.250
10.250
6.125
-3.125
5.375
-4.750

Coef StDev
T
0.6626
98.47
0.6626
15.47
0.6626
9.24
0.6626
-4.72
0.6626
8.11
0.6626
-7.17

p
0.000
0.000
0.000
0.001
0.000
0.000

Cest la mme chose quune exprience factorielle complte 23


Jan-16

Fethi Derbeli

83

Exercice
Etape 6: Analysez les graphiques rsiduels pour sassurer que nous
avons un modle adquat (ceci a t fait lors de ltape 5; il suffit
danalyser les rsultats.)
Stat > DOE > Analyze Factorial Design
Graphs > Residual Plots
2

6
5
4
3

Residual

Normal Score

2
1
0
-1

-1
-2
-3
-2

-4
-4

-3

-2

-1

45

55

65

Residual

75

85

95

Fitted Value

5
4
3

Residual

Frequency

2
1
0
-1

-2
-3
0

-4
-4

-3

-2

-1

Residual

Jan-16

10

12

14

16

Observation Order

Fethi Derbeli

84

Exercice
Etape 7: examinez les interactions significatives (valeur-p < .05). Evaluez dabord
la signification des interactions les plus importantes.
Pour les interactions 3 directions, dclassez les donnes superposes et
analysez.
Stat > DOE > Factorial Plots > Interaction Plot
Une fois que les interactions les plus importantes ont t interprtes, analysez
lensemble suivant dinteractions un peu moins importantes.
140

180

90

Catalyst
70

2
1

50
90

Temperature
70

180
140

50

Concentratio

Jan-16

Fethi Derbeli

85

Exercice
Etape 8: examinez les interactions significatives
(p-valeur-p < .05).
Stat > DOE > Factorial Plots > Main Effects Plot
Stat > DOE > Factorial Plots > Cube Plots
2

14

0
18

75

Yield

70
47.0

65
60

180

55
Catalyst

Temperature

Concentratio

80.0

64.5

Temperature

94.0

55.5

66.06
Concentratio

140

53.0

62.0
3

2
Catalys t

Jan-16

Fethi Derbeli

86

Exercice
Etape 9: noncez le modle mathmatique obtenu. Si possible calculez
epsilon au carr et dterminez la signification pratique.
Terme
Effet
Coef
Coef StDev
T
p
Constante
65.250
0.6626
98.47 0.000
(B)
Catalyseur
20.500
10.250
0.6626
15.47 0.000
Temprat (D)
12.250
6.125
0.6626
9.24 0.000
Concentr (E)
-6.250
-3.125
0.6626
-4.72 0.001
Catalyseur*Temper (B*D) 10.750
5.375
0.6626
8.11 0.000
Temprat*Concentr (D*E) -9.500
-4.750
0.6626
-7.17 0.000
% Ragi = 65.25 + 10.25 (B) + 6.125 (D) - 3.125 (E) + 5.375 (B*D) - 4.75 (D*E)
Pour lquation ci-dessus, entrer les -1s et 1s cods pris dans le modle pour obtenir le
% des valeurs ragies.
Terme
Constante
Catalyseur
Temprat
Concentr
Catalyseur*Temprat
Temprat*Concentr

Coef
9.87
-65.50
0.21
23.25
0.54
-0.16

% Ragi = 9.87 - 65.5 (B) + 0.21 (D) + 23.25 (E) + 0.54 (B*D) - 0.16 (D*E)
Pour lquation ci-dessus, entrer les niveaux de facteurs pour obtenir le % des valeurs ragies
Jan-16

Fethi Derbeli

87

Exercice
Etape 10: traduisez le modle mathmatique en
termes de processus et formulez des conclusions et
recommandations.
Pour maximiser le % de valeurs ragies, nous
devrions utiliser 2% de catalyseur une
temprature de 180C et fixer la concentration
3%
Etape 11: reproduisez les conditions optimales.
Planifiez lexprience suivante ou mettez en
oeuvre le changement.
Jan-16

Fethi Derbeli

88

Questions?

Jan-16

Fethi Derbeli

89