Plans D Expériences LAMII NABIL VF

Plans d'expériences
Académie Internationale Mohammed VI de l'Aviation Civile Enseignant : Lamii Nabil
© LAMII Nabil Plans d'expériences

Présentation du formateur

Présentation des Participants

Introduction Supply
Chain Management

Supply Chain Management (SCM)
Supply chain management (Anglais) ou la
gestion de la chaine logistique (Fr) :
Information C’est la gestion des flux de ressource
typiquement les flux d’informations, physiques
et financières, qui relie entre deux ou
plusieurs parties (organisations) dans le but de
satisfaire les besoins de clients.
Physique
Gestion de la série d'activités et d'organisations
dans lesquelles les matériaux passent d'un
fournisseur initial à un client final.
Financière

Comment présenter une SCM ?
Vos Vos clients
fournisseurs
Les fournisseur de Les clients de

vos fournisseurs vos clients
Votre entreprise

But principale de SCM
Le but principale de SCM est de satisfaire les besoins des clients.
SCM essaie de maximiser la valeur totale générée VTG.
VTG = [Ce que le client paye] - [Effort total exécuter pour remplir le besoin de client]

Quatre cycles primaires
Client
Cycle de
commande
client
Détaillant
• Quatre cycles primaires Cycle de
réapprovisionnement
• Cycle de commande client
• Cycle de réapprovisionnement Distributeur
• Cycle de fabrication Cycle de fabrication
• Cycle d'approvisionnement
Fabricant
Cycle
d'approvisionnement
Fournisseur
Les processus de SCM « vue système »
Entreprise / Compagnie
Fournisseur
Client
Gestion de la
Gestion de la
relation Gestion interne
relation client
fournisseurs
Gestion de la relation Gestion interne Gestion de la relation client

fournisseurs • Planification stratégique • Commercialisation
• Approvisionnement • Planification de la demande • Vente
• Négociation • Planification de • Centre d'appels
• Achat l'approvisionnement • La gestion des commandes

Les processus de SCM « cartographie »
P1 Planification de la SCM
P2 planification de P3 planification de la P4 planification la P5 planification

ressource production livraison des retours
Source Production Livraison

Fournisseurs
S1 source de
produits en stock
Clients
Production | Livraison
valeur des produits
S2 source des MP
ajoutée finaux
S3 source des composants

des produits
Le retour de source Gestion de retours
Support

Les fonctions traditionnelles de SCM
Gestion d’achats
• Qu’est-ce qu’il faut acheter et de qui ?
Gestion des stocks

• Quantité de stock ?
• Ou on stock ?
• Plan de réapprovisionnement
Entreposage
• Localisation d’entrepôt
• plan de l’entrepôt
• Réception, prélèvement, emballage, chargement
Gestion des commandes

• prévision de la demande
• Traitement des commandes
Gestion de transport
• Entrant vs sortant
• National vs international
• Le mode de transport (bateau, train, camion…)
• Design de réseau de transport

Les challenges de SCM
• Les métriques, comment on peut mesurer un système ?
• Les politiques et les parties prenantes.
• Visibilité et la gestion efficace de données massives.
• Incertitude (demande variable, saisonnalité, marchés variables, différentes cultures) — qui sait ce qui va se passer ?
• Push vs Pull
• Segmentation (ABC | 80/20, MCDM…)
• Gestion de complexité de systèmes…
• Etc.

Processus
C’est un ensemble d’activités coordonnées qui mettent en œuvre un ou
plusieurs services d’une entreprise permettant la fourniture d’un produit
ou d’un service à un client déterminé
Processus
Valeur ajoutée
Inputs / Entrées Outputs / Sorties

Processus
Inputs Outputs
Une tarte
Processus
Ingrédients %
Température %
Valeur ajoutée
Goût
Temps %
Épaisseur
Couleurs

Processus
Inputs Outputs
Production
Processus
Ressources humaines
Matière première Valeur ajoutée

Qualité
Coûts
informations
Délais

Processus
Inputs Outputs
Prévision de la demande
Processus
L’ensemble des
facteurs qui influence Valeur ajoutée
sur la demande
Quantité optimale à produire

Objectifs du cours
Obtenir un maximum d’information

en un minimum d’expériences

Plan
1. Définitions, intérêts et domaines d’utilisations
2. Démarche
3. Modélisation
4. Plans d'expériences
5. Les plans Taguchi
6. Etude de cas

Définitions, intérêts et
domaines d’utilisations

01
Définitions, intérêts et domaines d’utilisations
Expérience
Les processus ont des entrées qui déterminent comment le processus fonctionne et des sorties qui sont
produites par le processus. Le but d'une expérience est de déterminer comment les entrées affectent les
sorties.
Des expériences peuvent être réalisées pour documenter le comportement des entrées et des sorties, mais
le but de l'expérimentation d'ingénierie est d'apprendre à contrôler les entrées du processus afin de
produire les sorties souhaitées ou prévoir les sorties possibles.

01
Définition du plan d’expérience
 Les plans d'expériences consistent à sélectionner et ordonner les

essais afin d'identifier, à moindres coûts, les effets des paramètres
sur la réponse du produit. Il s'agit de méthodes statistiques faisant
appel à des notions mathématiques simples.

01
Définition du plan d’expérience
 Le plan d'expériences est une technique structurée formelle pour

étudier toute situation qui implique une réponse qui varie en fonction
d'une ou plusieurs variables.
 Le plan d’expérience remplace les méthodes inférieures telles que la

méthode traditionnelle mais malheureusement encore courante
consistant à étudier l'effet d'un facteur à la fois UFAF (monocritère).

01
Domaine d’utilisations des plans d'expériences
Le plan d’expérience est utilisé partout où des données expérimentales sont collectées et analysées.
Son utilisation est attendue dans toutes les branches de la recherche scientifique.
Le plan d’expérience est de plus en plus répandu dans :
 l’ingénierie, la fabrication, la biologie, la médecine, l’économie, la sociologie, la psychologie, le

marketing, l’agriculture, etc.

01
Intérêts des plans d'expériences
La popularité du PE est due à sa puissance et son efficacité considérables. Lorsqu'il est utilisé correctement,
le PE peut fournir des réponses à des questions spécifiques sur le comportement d'un système, en utilisant
un nombre optimal d'observations expérimentales. Étant donné que les expériences conçues sont
structurées pour répondre à des questions spécifiques avec une rigueur statistique,
 Les expériences avec peu d'observations ne fourniront pas la confiance souhaitée dans les résultats
 Et les expériences avec trop d'observations gaspilleront des ressources.
Les plans d’expériences donne les réponses que nous

recherchons avec un minimum de temps et de ressources

01
Identification des variables d’entrées
Milieu Moyen Méthodes
Input 2 Input 4
Input 1
Input 5 Input 1
Input 3
Cause 2
Input 2
Output Output Cause 1
Input 6
Cause 3 Input 3
Input 8
Input 7
Matière Main d’œuvre
Cause effet Arbre des causes

01
Les types des variables d’entrées
Les entrées d'un processus sont appelées variables ou facteurs.

Chaque variable d'une expérience possède ses propres paramètres uniques appelés niveaux. La relation
entre les niveaux d'une variable détermine si la variable est qualitative ou quantitative.
Température moule(T1,T2)
Epaisseur pièce
Quantitative Pression retenue(P1,P2)
fabrication de
pièces moulées par Autres caractéristiques
Durée retenue (D1,D2)
géométriques pièce
injection
MP Couleurs rouge, bleu, jaune
Qualitative % de pièces non conformes
MP fournisseur 1, 2, 3

01
Les types des variables d’entrées

01
Interactions
Lorsqu'un processus contient deux variables ou plus, il est possible que certaines variables interagissent
entre elles.
Une interaction existe entre variables lorsque l'effet d'une variable sur la réponse dépend du niveau d'une
autre variable.
La gestion des interactions entre variables est une force du plan d’expérience et une faiblesse des méthodes
un facteur à la fois (UFAF) monocritères.

Démarche

02
Démarche
Planification Conception Direction L’analyse Confirmation

02
Démarche
I. Planification
Toutes les décisions concernant le projet, telles que les objectifs, leur méthode de mesure et les facteurs
pouvant influencer les résultats, sont prises par les membres participants dans un processus méthodique.

02
Démarche
II. Conception
Les séances de planification se terminent avec toutes les informations nécessaires pour la stratégie
expérimentale. En se basant dur les facteurs et les niveaux identifiés, une expérience est conçue qui précise
facilement le nombre d'expériences et la manière dont chaque expérience sera réalisée.

02
Démarche
III. Direction
Une fois les expériences conçues, elles sont menées en suivant la combinaison de conception exacte et dans
l'ordre de la conception pour la validité statistique.

02
Démarche
IV. Analyse
Dans cette étape, les résultats recueillis à partir des expériences sont analysés. Les procédures d'analyse
sont normalisées pour déterminer les informations sur le projet à l'étude. En fonction du nombre
d'échantillons testés dans chaque condition expérimentale, différentes techniques d'analyse sont proposées.
L'objectif principal de l'analyse est d'obtenir des informations sur la nouvelle condition de conception et une
estimation de l'amélioration attendue.

02
Démarche
V. Confirmation
Généralement, la meilleure condition de conception prédite par l’analyse n’est pas celle qui existe
actuellement ou celle qui a été testée. Par conséquent, pour vérifier si une amélioration est réellement
réalisable ou pour déterminer dans quelle mesure l’estimation correspond aux performances réelles, un
certain nombre d’échantillons fabriqués selon les nouvelles spécifications de conception sont testés.

Modélisation

03
Modélisation
Les facteurs:
Des paramètres correspondent à des grandeurs physiques du produit industriel, que l'on peut régler
directement ou que l'on s'autorise à modifier lors d'une conception ou d’une re-conception.
Epaisseur pièce
Pression retenue(P1,P2)
fabrication de
injection
% de pièces non conformes

03
Modélisation
Les niveaux:
les valeurs que l'on souhaite donner aux facteurs. les paramètres peuvent varier de façon continue
(avec une infinité de valeurs possibles) ou discrète (avec un nombre fini de valeurs possibles).

03
Modélisation
La réponse :
La grandeur mesurée lors de l'essai.
Epaisseur pièce
fabrication de
injection
% de pièces non conformes

03
Modélisation
Domaine du facteur :
 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 présente le niveau bas par –1 et le niveau haut par +1.

03
Modélisation
Espace expérimental
Des points expérimentaux
Chaque facteur est représenté par un axe gradué et
l’espace expérimental
orienté. Les axes des facteurs sont orthogonaux entre eux.
L’espace ainsi défini est l’espace expérimental.
Dans l’espace expérimental, les niveaux des facteurs

définissent des points expérimentaux.

03
Modélisation
Exemple
On étudie l’influence de la vitesse du véhicule sur la consommation, celle-ci peut varier, par exemple, entre
80 et 120 km/h. La vitesse de 80 km/h est le niveau bas et la vitesse de 120 km/h est le niveau haut.

03
Modélisation
Exemple
Supposons que le second facteur soit la surcharge du

véhicule définie comme toute masse supplémentaire à
celle du véhicule et du chauffeur. Le niveau bas de la
surcharge est 0 kg et le niveau haut 300 kg.

03
Modélisation
Exemple de contraintes sur le domaine d’étude
Il peut être impossible d’atteindre la vitesse de 120 km/h

avec une surcharge trop élevée.

03
Modélisation
Variables centrées réduites(V.C.R)
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 déplace l’origine des mesures.
2. On change l’unité de mesure.
Ces deux modifications entraînent l’introduction de nouvelles variables que l’on appelle variables centrées
réduites: centrées pour indiquer le changement d’origine et réduites pour signaler la nouvelle unité.

03
Modélisation
Variables centrées réduites(V.C.R)
On utilise également le terme de variables codées ou d’unités codées. Le passage des variables d’origine 𝑉𝑛
aux variables codées 𝑉𝑐 , et inversement, est donné par la formule suivante :
𝑠𝑛 +1
2𝑉𝑛 − (𝑆𝑛 + 𝐼𝑛 )
𝑉𝑐 =
(𝑆𝑛 − 𝐼𝑛 )
𝑉𝑛 𝑉𝑐
𝑉𝑐 𝑆𝑛 − 𝐼𝑛 + (𝑆𝑛 + 𝐼𝑛 )
𝑉𝑛 =
2
𝐼𝑛 -1
L’intérêt des unités codées est de pouvoir présenter les plans d’expériences de la même manière quels que
soient les domaines d’étude retenus et quels que soient les facteurs..
03
Modélisation
Exemple d’application 1
Un expérimentateur choisit pour le facteur « vitesse de la voiture » 80 km/h comme niveau bas et
120 km/h comme niveau haut. Quelle est, en variables codées, la valeur de la vitesse de 90 km/h ?
2𝑉𝑛 − (𝑆𝑛 + 𝐼𝑛 ) 120 𝑠𝑛 +1

𝑉𝑐 =
(𝑆𝑛 − 𝐼𝑛 )
2 × 90 − (120 + 80)
𝑉𝑐 = = −0,5
(120 − 80) 90 𝑉𝑛 𝑉𝑐 -0,5
80 𝐼𝑛 -1
03
Modélisation
Exemple d’application 2
On peut aussi chercher la valeur normale connaissant la valeur codée. Quelle est, en unités normales, la
valeur de la vitesse de +0,5 en unités codées ?
120 𝑠𝑛 +1
𝑉𝑐 𝑆𝑛 − 𝐼𝑛 + (𝑆𝑛 + 𝐼𝑛 )
𝑉𝑛 =
2 110 𝑉𝑛 𝑉𝑐 +0,5
0,5 120 − 80 + (120 + 80)

𝑉𝑛 = = 110
2
80 𝐼𝑛 -1
03
Modélisation
TD1 : Exercice 1, Exercice 2, Excercice 3

03
Modélisation
Modèle de comportement:
C’est la relation mathématique donnant la réponse en fonction, entre autres, des facteurs.
nous supposerons que la réponse s'exprime à l'aide d'une fonction des facteurs, et uniquement des facteurs :
y = f(x1, ..., xn)
où y est la réponse et x1, ..., xn sont les facteurs.
Ce modèle est déterministe.

03
Modélisation
Modèle affine sans interactions
Il s'agit d'un modèle affine par rapport à chacun des facteurs
𝑦 = 𝑐 + ෍ 𝑎𝑖 𝑥𝑖
𝑖=1
En fixant tous les facteurs autres que 𝑥𝑖 , on a une relation du type 𝑓(𝑥𝑖 ) = 𝑎𝑥𝑖 + 𝑏 .

03
Modélisation
Modèle affine avec interactions doubles
En réalité, la forme précédente est souvent insuffisante, car les facteurs agissent rarement de manière
indépendante les uns des autres ; l'influence d'un facteur sur la réponse peut dépendre du niveau des
autres facteurs. Pour introduire cette dépendance, on peut ajouter des termes « croisés » au modèle
précédent ; on obtient alors la forme suivante :
𝑛 𝑛 𝑛−1
𝑦 = 𝑐 + ෍ 𝑎𝑖 𝑥𝑖 + ෍ ෍ 𝑏𝑖𝑗 𝑥𝑖 𝑥𝑗
𝑖=1 𝑖=1 𝑗=𝑖+1

03
Modélisation
Modèle affine avec interactions d'ordre supérieur
La notion d’interaction peut se généraliser à plus de deux variables. Par exemple, un modèle avec
interactions d’ordre 3, ou interactions triple, s’écrira sous la forme suivante :
𝑛 𝑛 𝑛−1 𝑛 𝑛−1 𝑛−2
𝑦 = 𝑐 + ෍ 𝑎𝑖 𝑥𝑖 + ෍ ෍ 𝑏𝑖𝑗 𝑥𝑖 𝑥𝑗 + ෍ ෍ ෍ 𝑐𝑖𝑗𝑘 𝑥𝑖 𝑥𝑗 𝑥𝑘
𝑖=1 𝑖=1 𝑗=𝑖+1 𝑖=1 𝑗=𝑖+1 𝑘=𝑗+1
Les produits triples permettent de modéliser des phénomènes se produisant lorsque trois facteurs sont à
un niveau donné. On définit de même des interactions d’ordre 4, 5… Dans un modèle à n facteurs, il existe
ainsi des interactions jusqu’à l’ordre n.

03
Modélisation
Modèle affine avec interactions d'ordre supérieur
Cependant, en pratique, les interactions d'ordre élevé ont souvent une influence très faible sur la réponse.
Il est donc possible de ne pas les inclure dans le modèle, ce qui conduit à faire moins d'essais.
ce principe est utilisé dans la construction de nombreux plans d'expériences, comme nous le verrons dans
la partie suivante. Dans de nombreuses applications, on obtient des résultats tout à fait satisfaisants en se
limitant aux interactions doubles.


04
Une fois le modèle choisi, l'étape suivante est de définir l'ensemble d'essais qui permettra d'en identifier les
coefficients. En effet, les études expérimentales sont généralement coûteuses ; les concepteurs souhaitent
donc les réaliser de manière :
Efficace : c'est-à-dire en effectuant le moins d'essais possible pour aboutir au résultat,
Robuste : c'est-à-dire en minimisant l'impact des erreurs de mesure et de modélisation sur les résultats.

04
L’efficacité et la robustesse dépendent d’une part du choix des combinaisons testées et d’autre part de l’ordre
dans lequel ces tests sont effectués. C’est précisément l’objet des plans d’expériences.
« Un plan d’expériences n’est rien d’autre qu’une liste ordonnée d’essais à effectuer, permettant d’identifier les
coefficients d’un modèle donné de manière efficace et robuste. Ces plans reposent sur des théories statistiques. »

04
Application 3
Examiner l'influence de la pression et de la température sur le rendement y d'une réaction chimique
Le modèle choisi a priori est le suivant :
𝑦 = 𝑎0 + 𝑎1 . 𝑥1 + 𝑎2 . 𝑥2 + 𝑎12 . 𝑥1 . 𝑥2
où 𝑥1 et 𝑥2 représentent respectivement les variables codées représentatives des facteurs pression et

température.

04
Application 3
N° essai Pression Température Rendement
1 -1 -1 60
2 +1 -1 78
3 -1 +1 63
4 +1 +1 89
Niveau bas -1 2 bar 50 °C
Niveau haut +1 4 bar 70 °C
On utilise un tableau nommé matrice d'expériences pour récapituler l'ensemble des essais. Elle comprend plusieurs
colonnes; la première identifie les essais, les suivantes indiquent les états des facteurs exprimés en "unités codés",
chaque colonne étant représentative d'un facteur. La dernière colonne indique les réponses obtenues pour chaque
essai. Les lignes inférieures rappellent les valeurs des niveaux en unités naturelles.

04
Méthode Yates et Hunter
Plus généralement, la matrice d'expériences comporte k colonnes pour les facteurs principaux et 2𝑘 lignes soit 2𝑘 essais.
Elle se construit selon la règle suivante:
 Colonne du 1er facteur: alternance de -1 et +1
 Colonne du 2e facteur: alternance de -1 et +1 de 2 en 2

04
Matrice de Hadamard
Une matrice N×N contenant les valeurs de ±1 telles que chaque ligne de la matrice s’accord en moitié N/2 avec toutes les
autres lignes.
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
La taille de la matrice Hadamard est toujours soit 2 ou multiple de 4.

04
Nombre d'expériences réalisé
N le nombre d'expériences réalisée, il doit être un multiple de 4.

Par exemple: pour un plan complet à n facteurs à deux niveaux , le nombre d'expériences N sera égal à :
𝑁 = 2𝑛
Soit 8 expériences avec 3 facteurs, 16 expériences avec 4 facteurs …

04
Application 4
Sur la catapulte, limitons-nous pour simplifier aux trois facteurs suivants, classés dans l'ordre qui suit, chacun étant
supposé n'avoir que deux niveaux.
𝑥1 : bandage (niveau haut : position 4, niveau bas : position 2)
𝑥2 : angle d'armement (niveau haut : 180°, niveau bas : 150°)
𝑥3 : accrochage (niveau haut : position 3, niveau bas : position 1)

04
Application 4
Bandage Angle armement Accrochage Distance en mm
La liste des essais à effectuer est alors Essai x1 x2 x3 Réponse
la suivante : 1 -1 -1 -1 10
2 +1 -1 -1 20
3 -1 +1 -1 200
4 +1 +1 -1 140
5 -1 -1 +1 60
6 +1 -1 +1 100
7 -1 +1 +1 205
8 +1 +1 +1 172
04
Solution
 Le model de comportement (avec interaction):
𝑦 = 𝑎0 + 𝑎1 . 𝑥1 + 𝑎2 . 𝑥2 + 𝑎3 . 𝑥3 + 𝑏12 . 𝑥1 . 𝑥2 + 𝑏13 . 𝑥1 . 𝑥3 + 𝑏23 . 𝑥2 . 𝑥3 + 𝑐123 . 𝑥1 . 𝑥2 . 𝑥3

04
Solution
Essai x1 x2 x3 x1 . x2 x1 . x3 x2 . x3 x1 . x2 . x3 Réponse
 La matrice d’expérience:
1 -1 -1 -1 +1 +1 +1 -1 10
2 +1 -1 -1 -1 -1 +1 +1 20
3 -1 +1 -1 -1 +1 -1 +1 200
4 +1 +1 -1 +1 -1 -1 -1 140
5 -1 -1 +1 +1 -1 -1 +1 60
6 +1 -1 +1 -1 +1 -1 -1 100
7 -1 +1 +1 -1 -1 +1 -1 205
8 +1 +1 +1 +1 +1 +1 +1 172
a0 a1 a2 a3 a12 a13 a23 a123

04
Effets global d’un facteur
 Pour une matrice de deux facteur X1 et X2 l’effet global est :
−𝑌1 + 𝑌2 − 𝑌3 + 𝑌4 EXP X1 X2 Réponse Y

𝑎1 = 1 -1 -1 𝑌1
4
2 +1 -1 𝑌2
3 -1 +1 𝑌3
−𝑌1 − 𝑌2 + 𝑌3 + 𝑌4 4 +1 +1 𝑌4
𝑎2 = Effets 𝑎𝑖 𝑎1 𝑎2
4

04
Suite solution
10 + 20 + 200 + 140 + 60 + 100 + 205 + 172 Essai Moy x1 x2 x3 x1 . x2 x1 . x3 x2 . x3 x1 . x2 .x3 Réponse
C= = 113,4
8
1 +1 -1 -1 -1 +1 +1 +1 -1 10
−10 + 20 − 200 + 140 − 60 + 100 − 205 + 172 2 +1 +1 -1 -1 -1 -1 +1 +1 20
𝑎1 = = −5,375
8 3 +1 -1 +1 -1 -1 +1 -1 +1 200
−10 − 20 + 200 + 140 − 60 − 100 + 205 + 172 4 +1 +1 +1 -1 +1 -1 -1 -1 140
𝑎2 = = 65,875
8 5 +1 -1 -1 +1 +1 -1 -1 +1 60
6 +1 +1 -1 +1 -1 +1 -1 -1 100
−10 − 20 − 200 − 140 + 60 + 100 + 205 + 172
𝑎3 = = 20,875 7 +1 -1 +1 +1 -1 -1 +1 -1 205
8
8 +1 +1 +1 +1 +1 +1 +1 +1 172
+10 − 20 − 200 + 140 + 60 − 100 − 205 + 172 𝑎0 𝑎1 𝑎2 𝑎3 𝑎12 𝑎13 𝑎23 𝑎123
𝑏12 = = -17,875
8

04
Solution
 Le model de comportement (avec interaction):
𝑦 = 𝑎0 + 𝑎1 . 𝑥1 + 𝑎2 . 𝑥2 + 𝑎3 . 𝑥3 + 𝑏12 . 𝑥1 . 𝑥2 + 𝑏13 . 𝑥1 . 𝑥3 + 𝑏23 . 𝑥2 . 𝑥3 + 𝑐123 . 𝑥1 . 𝑥2 . 𝑥3
𝑦 = 113,375 - 5,375 𝑥1 + 65,875 𝑥2 + 20,875 𝑥3 - 17,875 𝑥1 . 𝑥2 + 7,125 𝑥1 . 𝑥3 - 11,625 𝑥2 . 𝑥3 - 0,375 𝑥1 . 𝑥2 . 𝑥3
Les variables dans le modèle mathèmatique doivent être remplacées par des valeurs codées

04
TD1 : Exercice 4, Exercice 5, Excercice 6

04
Effets moyens d’un facteur
 Pour chaque facteurs on peut calculer deux effets moyens :
 Effet moyen positif 𝑎1+ :

EXP X1 X2 Réponse Y
𝑌2 + 𝑌4
𝑎1+ = 1 -1 -1 𝑌1
2
2 +1 -1 𝑌2
3 -1 +1 𝑌3
 Effet moyen négatif 𝑎1− :
4 +1 +1 𝑌4
𝑌1 + 𝑌3 Effets 𝑎1+ 𝑎2+

𝑎1− = moyens 𝑎1− 𝑎2−
2

04
Effets moyens d’un facteur
 On calcule les effets moyens pour :
 Avoir une idée claire sur l’effet ou l’impact des facteurs principaux:
 Et étudier l’interaction entre les facteurs :

04
L’effet ou l’impact des facteurs principaux:
𝒀𝟐 + 𝒀𝟒 𝟒𝟐 + 𝟒𝟒 𝒀𝟑 + 𝒀𝟒 𝟕𝟑 + 𝟒𝟒
+ 𝒂+ = = = 𝟓𝟖, 𝟓
𝒂𝟏 = = = 𝟒𝟑 𝟐
𝟐 𝟐
𝟐 𝟐
𝒀𝟏 + 𝒀𝟑 𝟒𝟔 + 𝟕𝟑 𝒀𝟏 + 𝒀𝟐 𝟒𝟔 + 𝟒𝟐
𝒂−
𝟏 = = = 𝟓𝟗, 𝟓 𝒂−
𝟐 = = = 𝟒𝟒
𝟐 𝟐 𝟐 𝟐
N° essai 𝒙𝟏 𝒙𝟐 𝒚
1 -1 -1 46
2 +1 -1 42 𝒙𝟏 𝒙𝟐
− −
3 -1 +1 73 Niveau bas -1 𝒂𝟏 = 𝟓𝟗, 𝟓 𝒂𝟐 = 𝟒𝟒
4 +1 +1 44 Niveau haut +1 𝒂+
𝟏 = 43 𝒂𝟐+ = 𝟓𝟖, 𝟓
Niveau bas -1 100 10
Niveau haut +1 200 30

04
L’effet ou l’impact des facteurs principaux: y
Effet négatif Effet positif
𝟓𝟗,𝟓
𝟓𝟖, 𝟓
Signe de
𝒙𝟏 𝒙𝟐 l’ongle + ou -
Niveau bas -1 𝒂−
𝟏 = 𝟓𝟗, 𝟓 𝒂−
𝟐 = 𝟒𝟒
Niveau haut +1 𝒂+
𝟏 = 43
+
𝒂𝟐 = 𝟓𝟖, 𝟓
𝟒𝟒
𝟒𝟑
-1 𝒙𝟏 +1 -1 𝒙𝟐 +1
04
L’effet ou l’impact des facteurs principaux: y On peut dire qu’il existe une interaction
forte entre 𝒙𝟏 et 𝒙𝟐
N° essai 𝒙𝟏 𝒙𝟐 𝒙𝟏 *𝒙𝟐 𝒚 −+
𝒂𝒙𝟏𝒙𝟐 = 𝟕𝟑
1 -1 -1 +1 46
2 +1 -1 -1 42
3 -1 +1 -1 73
4 +1 +1 +1 44
−−
𝒂𝒙𝟏𝒙𝟐 = 46 𝒙𝟐 (-1)
++
𝒂𝒙𝟏𝒙𝟐 = 𝟒𝟒
+−
𝒂𝒙𝟏𝒙𝟐 = 𝟒𝟐
𝒙𝟏 (-1) 𝒙𝟏 (+1)
𝒙𝟐 (-1) 𝒂− −
𝒙𝟏𝒙𝟐 = 46 𝒂+ −
𝒙𝟏𝒙𝟐 = 𝟒𝟐
−+
𝒙𝟐 (+1) 𝒂𝒙𝟏𝒙𝟐 = 𝟕𝟑 𝒂+ +
𝒙𝟏𝒙𝟐 = 𝟒𝟒
-1 𝒙𝟏 +1
04
une interaction forte une interaction forte une interaction faible Sans interaction

04
TD 1 : Exercice 4
Étudier les interactions

04
Plans complets
Un plan factoriel complet est un plan pour lequel toutes les combinaisons possibles aux limites du domaine d'étude auront
été réalisées : c'est le nombre maximal d'essais pour un plan d'expériences factoriel. Le nombre d'essais N se calcule d'après
la formule suivante :
𝑁 = 𝑃𝑘
où
 k est le nombre de facteurs
 P nombre des niveaux du facteur.
Le nombre d'essais est exactement égal au nombre de coefficients du modèle à déterminer.

04
Plans complets
Le nombre d'essais est exactement égal au nombre de coefficients du modèle à déterminer : 𝑁 = 22
y = a0 +a1x1 + a2x2 + a12x1 x2
N° essai 𝒙𝟏 𝒙𝟐 𝒙𝟏 *𝒙𝟐 𝒚
1 -1 -1 +1 𝒚𝟏
2 +1 -1 -1 𝒚𝟐
3 -1 +1 -1 𝒚𝟑
4 +1 +1 +1 𝒚𝟒
Coefficients 𝒂𝒊 𝒂𝟎 𝒂𝟏 𝒂𝟐 𝒂𝟏𝟐

04
Avantages des plans complets
Une première catégorie de plans d'expériences est destinée à fournir une information la plus complète possible sur des
systèmes présentant relativement peu de facteurs. Ces plans consistent à tester toutes les combinaisons possibles, en
faisant varier tous les facteurs à tous leurs niveaux de manière exhaustive, d'où leur nom de plans factoriels complets ou
plus simplement plans complets.

04
Inconvénients des plans complets
Ils présentent une limite essentielle : le nombre d'essais augmente très rapidement avec le nombre de facteurs.
Exemple: On atteint déjà 128 expériences pour 27 facteurs ce qui devient donc très vite difficile à réaliser dans la pratique.

04
Plans complets
0 200 400 600 800 1000 1200
Facteurs Niveaux Expériences
2
2 2 4
3
3 2 8
4
4 2 16
5
5 2 32
6
6 2 64
7
7 2 128
8
8 2 256
9
9 2 512
10
10 2 1024

04
Plans réduits / les plans fractionnaires :
Les plans fractionnaires ont été conçus pour remédier à l'inflation rapide du nombre d'essais dans les plans complets.
L'objectif des plans fractionnaires va consister à réduire le nombre d'expériences à réaliser par rapport au nombre
maximum donné par le plan complet.

04
On présente le plan fractionnaire par : 2𝑘−𝑝 (p entier < k ) pour indiquer un plan fractionnaire issu du plan complet 2𝑘 .
Exemple : le plan 24−1 est un plan fractionnaire permettant l'étude de 4 facteurs en utilisant la matrice des effets du
plan complet 23 = 8 expériences sont à réaliser au lieu des 16 expériences du plan complet. Le nombre d'expériences est
divisé par 2, il correspond à la réalisation d'un demi plan complet 24 .

04
Exemple : un plan complet de 4 facteurs avec 2 niveaux ( 24 = 16 expériences )
N° essai A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD
1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1
2 +1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1
3 -1 +1 -1 -1 -1 +1 +1 -1 -1 +1 +1 +1 -1 +1 -1
4 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1
5 -1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 +1 -1
6 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1
8 +1 +1 +1 -1 +1 +1 -1 +1 -1 -1 +1 -1 -1 -1 -1
9 -1 -1 -1 +1 +1 +1 -1 +1 -1 -1 -1 +1 +1 +1 -1
10 +1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1
11 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1
12 +1 +1 -1 +1 +1 -1 +1 -1 +1 -1 -1 +1 -1 -1 -1
13 -1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1
14 +1 -1 +1 +1 -1 +1 +1 -1 -1 +1 -1 -1 +1 -1 -1
15 -1 +1 +1 +1 -1 -1 -1 +1 +1 +1 -1 -1 -1 +1 -1
16 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1
y = a0 +a1A + a2B + a3C + a4D +a12 AB+ a13 AC+ a14 AD+ a23 BC+ a24 BD+ a34 CD+ a123 ABC + a124 ABD + a134 ACD + a234 BCD + a1234 ABCD
04
Les statisticiens avec l’expérience disent que les interactions d'ordre égal ou supérieur à 3 peuvent être
négligées. Dans ce cas on va considérer juste les valeurs ou ABCD = +1
1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1
2 +1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1
3 -1 +1 -1 -1 -1 +1 +1 -1 -1 +1 +1 +1 -1 +1 -1
4 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1
5 -1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 +1 -1
6 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1
8 +1 +1 +1 -1 +1 +1 -1 +1 -1 -1 +1 -1 -1 -1 -1
9 -1 -1 -1 +1 +1 +1 -1 +1 -1 -1 -1 +1 +1 +1 -1
10 +1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1
11 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1
12 +1 +1 -1 +1 +1 -1 +1 -1 +1 -1 -1 +1 -1 -1 -1
13 -1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1
14 +1 -1 +1 +1 -1 +1 +1 -1 -1 +1 -1 -1 +1 -1 -1
15 -1 +1 +1 +1 -1 -1 -1 +1 +1 +1 -1 -1 -1 +1 -1
16 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1

04
On dit que ce plan fractionnaire est le demi-plan du plan complet 24 .

24
Puisque 2
= 24−1 = 23 = 8 expériences

1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1
4 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1
6 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1
10 +1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1
11 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1
13 -1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1
16 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1

04
Méthode 1 : On remarque dans notre plan réduit / fractionnaire A = BCD; B = ACD; C = ABD; D = ABC; AB = CD;
AC = BD; AD = BC.
On dit que A est aliasé avec BCD et B est aliasé avec ACD …etc

1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1
4 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1
6 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1
10 +1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1
11 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1
13 -1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1
16 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1

04
y = a0 +a1A + a2B + a3C + a4D +a12 AB+ a13 AC+ a14 AD+ a23 BC+ a24 BD+ a34 CD+ a123 ABC + a124 ABD + a134 ACD + a234 BCD + a1234 ABCD
y = a0 +a1A + a2B + a3C + a4D +a12 AB+ a13 AC+ a14 AD+ a23 AD+ a24 AC+ a34 AB+ a123 D+ a124 C+ a134 B + a234 A + a1234
y = (a0+ a1234 )+(a1+ a234)A + (a2 + a134 )B + (a3 + a124 )C + (a4 + a123 )D +(a12 + a34 )AB+ (a13+ a24)AC+ (a14 + a23 )AD

1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 -1 -1 -1 -1 +1
4 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 +1
6 +1 -1 +1 -1 -1 +1 -1 -1 +1 -1 -1 +1 -1 +1 +1
7 -1 +1 +1 -1 -1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1
10 +1 -1 -1 +1 -1 -1 +1 +1 -1 -1 +1 -1 -1 +1 +1
11 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1
13 -1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 -1 -1 +1
16 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1
04
Méthode 2 : pour trouver le modèle amélioré algébriquement: on commence par D = ABC, et on multiplie cette égalité
par les autres facteurs et interactions.
AD = AABC = BC AD = BC
BD = ABBC = AC BD = AC
CD = ABCC = AB CD = AB
A B C AB AC AD BC BD CD ABC ABD ACD BCD
ABD = ABABC = C ABD = C
ACD = ACABC = B ACD = B

ADD = ADABC = BCD A = BCD

04
Application :
Trouver le plan réduit / fractionnaire du plan complet de 5 facteurs

04
Hypothèses :
 Hypothèse 1 :les interactions d'ordre égal ou supérieur à 3 peuvent être négligées.
 Hypothèse 2 :si un contraste est négligeable, tous les termes aliasés sont eux-mêmes négligeables ;
 Hypothèse 3 :si deux effets de facteurs sont négligeables, on supposera que leur interaction l'est aussi.
 Hypothèse 4 :une interaction comportant deux facteurs dont l'un a un effet négligeable, est généralement une
interaction négligeable.
Il faut néanmoins être attentif à toute anomalie dans les résultats même si on estime que ces hypothèses sont
vérifiées dans 95 % des cas.

04
Résolution d'un plan fractionnaire
On définit la notion de résolution d'un plan fractionnaire selon les termes de l'expression des contrastes :
 plan de résolution III : effet d'un facteur aliasé avec interaction dont l'ordre le moins élevé est 2
 plan de résolution IV : effet d'un facteur aliasé avec interaction dont l'ordre le moins élevé est 3
 plan de résolution V : effet d'un facteur aliasé avec interaction dont l'ordre le moins élevé est 4

04

04
 Il apparaît que les plans d'ordre III sont risqués car si une interaction n'est pas supposée négligeable, elle s'ajoute
à l'effet d'un facteur. Ce type de plan est à entreprendre pour réduire énormément le nombre d'expériences dans
le cas d'un grand nombre de facteurs. Dans ce cas il est parfois nécessaire de réaliser un plan complémentaire
pour accéder à toutes les interactions .
 Les plans d'ordre V permettent de lever tous les doutes sur la détermination des effets des facteurs et des
interactions. Néanmoins ils sont peu fractionnaires et sont ainsi coûteux en nombre d'essais.
 Les plans d'ordre IV présentent un bon compromis: les effets des facteurs sont faciles à déterminer, il reste par
contre des doutes sur les interactions d'ordre 2.

Plans Taguchi

Genichi Taguchi : C’est un ingénieur et un statisticien
japonais.

05
Plans Taguchi
Les plans Taguchi
 Les plans de Taguchi sont parmi les plans les plus populaires dans l’industrie et particulièrement au sein des
services de conception et de qualité.
 Les plans de Taguchi ont été développés dans une optique d’utilisation industrielle pour optimiser la conception
des produits et améliorer la qualité. Ce sont en fait des plans factoriels fractionnaires, prenant en compte
certaines interactions jugées importantes et en abandonnant d’autres.

05
Plans Taguchi
Le principe des plans Taguchi
L8
Taguchi propose d’organiser les expériences selon des
tables que l’on appelle L4, L8, L16, L32... Dans les Tables 𝑥1 𝑥1 𝑥1 Exp
de Taguchi on a remplacé +1 par 1 et –1 par 2... Le plan 1 1 1

L4 1 1 2
23 est la Table L8 et le plan24 est la Table L16.
1 2 1
𝑥1 𝑥1 𝑥1 Exp 1 2 2
1 1 1 2 1 1
1 2 2 2 1 2
2 1 2 2 2 1
2 2 1 2 2 2
05
Plans Taguchi
Choisir les interactions
Première étape, le choix des interactions. On procède par élimination :
 On supprime les interactions que nous savons nulle.
 On supprime les interactions d'ordre 3 et plus.
 On garde celles que nous savons non nulles
 Pour celles où nous avons des doutes, on choisi en fonction de nos ressources... si nous les gardons ou pas.

05
Plans Taguchi
Choisir la table
Les tables de Taguchi sont identifiés par la forme 𝐿𝑔 (𝑝 𝑓 ) avec :

𝑔 : le nombre de ligne, c'est à dire le nombre d'expériences.
𝑝 : le nombre de niveaux, identique pour l’ensemble des facteurs sauf pour les tables avec un x.
𝑓 : le nombre de colonnes qui correspond au nombre de facteurs et d'interactions que nous souhaitons étudier.
x : le x indique que dans la même table il peut y avoir des facteurs avec un nombre de niveaux différents. On notera qu’ils
peuvent aller jusqu’à 8 niveaux pour un facteur.

05
Plans Taguchi
Les familles du tables
Les tables sont classées en 3 familles

05
Plans Taguchi
Choisir le nombre de colonne
Il faut chercher la table qui a un nombre de colonnes suffisant pour notre étude : c’est-à-dire celle qui au moins autant
de colonnes que nous avons de facteurs et d’interactions à étudier.
Exemple : nous souhaitons étudier 3 facteurs et seulement 2 interactions. Nous allons restreindre nos choix de table dont
les études des interactions sont possibles et pour lesquels nous avons au moins 5 colonnes.

05
Plans Taguchi
Choisir le nombre de niveaux
Parmi les tables que nous avons présélectionnées, on va prendre celles qui ont un nombre de niveau
« 𝑝 » qui correspond à notre contexte. Il existe ici deux possibilités : 1/ Le nombre de niveau doit être
identique pour tous les facteurs. 2/ Le cas contraire, il faudra choisir une table dont la dénomination
contient un « x ».

05
Plans Taguchi
Quelques conseils
 La définition de la table n’est pas nécessairement exacte à notre problème. Seul le nombre de niveau doit être exact.
 Plus on choisira d’expériences et plus nos résultats seront significatifs. Tout est donc histoire de compromis.
 Par exemple, on pourra très bien utiliser la table L8(27 ), pour étudier 4 facteurs à 2 niveaux et 2 interactions.

05
Plans Taguchi
Construire la matrice d’expériences
La matrice d’expériences de Taguchi repose sur la construction de graphique pour représenter le plan d’expériences
permettant ainsi d’en simplifier la construction.

05
Plans Taguchi
Construire le graphe
Symbole Difficulté de modification des niveaux

1. On indique un nombre de points identique au nombre de
Difficile, donc le nombre de changement de niveaux
facteurs. doit être faible.
2. On affecte à chaque point une forme spécifique en fonction de la Assez difficile, donc changement peut fréquent du
niveau du facteur.
difficulté de modification du facteur (voir tableau) Assez facile
3. On va relier les points par une ligne pour représenter Facile, donc changement fréquent du niveau du
facteur.
l’interaction que nous voulons étudier.

05
Plans Taguchi
Exemple
On a 5 facteurs (A, B, C, D, E) et deux interactions, CD et AC.

D
B
Le facteur A est très compliqué à modifier, alors que les autres sont plutôt simples.
A
On note que pour les calculs et l’interprétation, les points n’ont aucune importance. Ils sont
juste là pour mettre en avant les facteurs les plus compliqués à modifier pour les allouer C E
aux premières colonnes du tableau (ils changent moins souvent de position).

05
Plans Taguchi
Exemple 2
On va comparer notre graphe avec les standards proposés par Taguchi.

7
Dans notre cas, nous allons choisir la table L8 puisque nous avons 3 1
3
facteurs et 2 interactions à étudier et nous voulons faire le moins 5

3 5 1 4
d’expériences possibles. Il y a 2 graphes qui accompagnent cette table. 6
6
2 4 7
Si l’on observe les interactions, on s’aperçoit que le graphe (a) est le
(a) (b)
plus approprié

05
Plans Taguchi
Exemple 2

05
Plans Taguchi
Affecter les facteurs aux colonnes
1. On va classer les facteurs par niveau de difficulté pour les modifier et les affecter aux colonnes de manière
croissante. Reprenons l’exemple précédent :
2. On va directement positionner le facteur A à la colonne 1. C’est en effet ce facteur qui est le plus complexe à
modifier, il est préférable pour gagner du temps de ne le faire qu’une fois.
3. On va arbitrairement mettre le facteur C en 2 car il est assez difficile à modifier.
4. Le facteur D en 4.

05
Plans Taguchi
Affecter les interactions aux colonnes
Lecture du facteur 2
2 3 4 5 6 7
Nous allons désormais positionner les interactions. Pour cela,
(1) 3 2 5 4 7 6
la méthode demande l’utilisation de matrice triangulaire qui (2) 1 6 7 4 5
accompagne chacune des tables. Prenons l’exemple de la (3) 7 6 5 4
matrice triangulaire associée à la Table L8 : Lecture du (4) 1 2 3
facteur 1 (5) 3 2
(6) 1

05
Plans Taguchi
Effectuer les essais
 Faut suivre l’ordre indiqué puisque celui-ci a pris en compte le fait de gagner du temps dans les réglages.
A C AC B AB CB D
1 2 3 4 5 6 7
E1 1 1 2 1 2 2 2
E2 1 1 2 2 1 1 1
E3 1 2 1 1 2 1 1
E4 1 2 1 2 1 2 2
E5 2 1 1 1 1 2 1
E6 2 1 1 2 2 1 2
E7 2 2 2 1 1 1 2
E8 2 2 2 2 2 2 1
05
Plans Taguchi
TD 2 :

Plans D Expériences LAMII NABIL VF

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

Plans D Expériences LAMII NABIL VF

Transféré par

Droits d'auteur :

Formats disponibles

Plans d'expériences

Académie Internationale Mohammed VI de l'Aviation Civile Enseignant : Lamii Nabil

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

Les fournisseur de Les clients de

© LAMII Nabil Plans d'expériences

Le but principale de SCM est de satisfaire les besoins des clients.

SCM essaie de maximiser la valeur totale générée VTG.

© LAMII Nabil Plans d'expériences

• Cycle de fabrication Cycle de fabrication

Gestion de la relation Gestion interne Gestion de la relation client

© LAMII Nabil Plans d'expériences

P2 planification de P3 planification de la P4 planification la P5 planification

Source Production Livraison

S3 source des composants

Le retour de source Gestion de retours

© LAMII Nabil Plans d'expériences

Gestion des stocks

Gestion des commandes

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

Matière première Valeur ajoutée

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

Obtenir un maximum d’information

© LAMII Nabil Plans d'expériences

5. Les plans Taguchi

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

 Les plans d'expériences consistent à sélectionner et ordonner les

© LAMII Nabil Plans d'expériences

 Le plan d'expériences est une technique structurée formelle pour

 Le plan d’expérience remplace les méthodes inférieures telles que la

© LAMII Nabil Plans d'expériences

Le plan d’expérience est de plus en plus répandu dans :

 l’ingénierie, la fabrication, la biologie, la médecine, l’économie, la sociologie, la psychologie, le

© LAMII Nabil Plans d'expériences

Les plans d’expériences donne les réponses que nous

© LAMII Nabil Plans d'expériences

Milieu Moyen Méthodes

Matière Main d’œuvre

Cause effet Arbre des causes

© LAMII Nabil Plans d'expériences

Les entrées d'un processus sont appelées variables ou facteurs.

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

Planification Conception Direction L’analyse Confirmation

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences

© LAMII Nabil Plans d'expériences