Académique Documents
Professionnel Documents
Culture Documents
Votre entreprise
VTG = [Ce que le client paye] - [Effort total exécuter pour remplir le besoin de client]
Détaillant
• Quatre cycles primaires Cycle de
réapprovisionnement
• Cycle de commande client
• Cycle de réapprovisionnement Distributeur
• Cycle d'approvisionnement
Fabricant
Cycle
d'approvisionnement
Fournisseur
© LAMII Nabil Plans d'expériences
Les processus de SCM « vue système »
Entreprise / Compagnie
Fournisseur
Client
Gestion de la
Gestion de la
relation Gestion interne
relation client
fournisseurs
S1 source de
produits en stock
Clients
Production | Livraison
valeur des produits
S2 source des MP
ajoutée finaux
Support
Processus
Valeur ajoutée
Inputs / Entrées Outputs / Sorties
Température %
Valeur ajoutée
Goût
Temps %
Épaisseur
Couleurs
Ressources humaines
Coûts
informations
Délais
L’ensemble des
facteurs qui influence Valeur ajoutée
sur la demande
Quantité optimale à produire
2. Démarche
3. Modélisation
4. Plans d'expériences
6. Etude de cas
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.
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.
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.
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
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
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.
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.
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.
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.
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.
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.
Température moule(T1,T2)
Epaisseur pièce
Pression retenue(P1,P2)
fabrication de
pièces moulées par Autres caractéristiques
Durée retenue (D1,D2)
géométriques pièce
injection
MP Couleurs rouge, bleu, jaune
% de pièces non conformes
MP fournisseur 1, 2, 3
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).
Pression retenue(P1,P2)
Température moule(T1,T2)
Epaisseur pièce
Pression retenue(P1,P2)
fabrication de
pièces moulées par Autres caractéristiques
Durée retenue (D1,D2)
géométriques pièce
injection
MP Couleurs rouge, bleu, jaune
% de pièces non conformes
MP fournisseur 1, 2, 3
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 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.
Lorsqu’on attribue la valeur −1 au niveau bas d’un facteur et la valeur +1 au niveau haut, on effectue deux
modifications importantes :
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.
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..
© LAMII Nabil Plans d'expériences
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 ?
2 × 90 − (120 + 80)
𝑉𝑐 = = −0,5
(120 − 80) 90 𝑉𝑛 𝑉𝑐 -0,5
80 𝐼𝑛 -1
© LAMII Nabil Plans d'expériences
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
80 𝐼𝑛 -1
© LAMII Nabil Plans d'expériences
03
Modélisation
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 = 𝑐 + 𝑎𝑖 𝑥𝑖
𝑖=1
En fixant tous les facteurs autres que 𝑥𝑖 , on a une relation du type 𝑓(𝑥𝑖 ) = 𝑎𝑥𝑖 + 𝑏 .
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
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.
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.
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 :
Robuste : c'est-à-dire en minimisant l'impact des erreurs de mesure et de modélisation sur les résultats.
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. »
𝑦 = 𝑎0 + 𝑎1 . 𝑥1 + 𝑎2 . 𝑥2 + 𝑎12 . 𝑥1 . 𝑥2
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.
Plus généralement, la matrice d'expériences comporte k colonnes pour les facteurs principaux et 2𝑘 lignes soit 2𝑘 essais.
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
𝑁 = 2𝑛
Soit 8 expériences avec 3 facteurs, 16 expériences avec 4 facteurs …
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.
−𝑌1 − 𝑌2 + 𝑌3 + 𝑌4 4 +1 +1 𝑌4
𝑎2 = Effets 𝑎𝑖 𝑎1 𝑎2
4
Les variables dans le modèle mathèmatique doivent être remplacées par des valeurs codées
Avoir une idée claire sur l’effet ou l’impact des facteurs principaux:
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
-1 𝒙𝟏 +1 -1 𝒙𝟐 +1
© LAMII Nabil Plans d'expériences
04
Plans d'expériences
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
© LAMII Nabil Plans d'expériences
04
Plans d'expériences
une interaction forte une interaction forte une interaction faible Sans interaction
TD 1 : Exercice 4
Étudier les interactions
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
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
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.
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.
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.
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
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
© LAMII Nabil Plans d'expériences
04
Plans d'expériences
Plans réduits / les plans fractionnaires :
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
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
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
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
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
Il faut néanmoins être attentif à toute anomalie dans les résultats même si on estime que ces hypothèses sont
vérifiées dans 95 % des cas.
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
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.
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.
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
Pour celles où nous avons des doutes, on choisi en fonction de nos ressources... si nous les gardons ou pas.
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.
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 ».
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.
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.
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.
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
2 4 7
Si l’on observe les interactions, on s’aperçoit que le graphe (a) est le
(a) (b)
plus approprié
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.
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
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
© LAMII Nabil Plans d'expériences
05
Plans Taguchi
TD 2 :