Académique Documents
Professionnel Documents
Culture Documents
UNIVERSITE DE LUBUMBASHI
FACULTE POLYTECHNIQUE
Département de Chimie Industrielle
Il est question de maximiser la densité de la peinture à une valeur d’au moins 1,25 et minimiser
le pouvoir couvrant en termes de nombre de couches de peinture qu’il faut pour couvrir
entièrement une surface bien préparée à une valeur d’au moins une couche.
Pour ce faire, des essais de formulation ont été réalisés au laboratoire de Chimie Physique de
la faculté Polytechnique de l’Université de Lubumbashi en tenant compte des proportions des
réactifs ou composants, en faisant usage d’un plan des mélanges sous contraintes. Ce plan de
mélanges a été effectué en deux applications dont l’une avec charge et l’autre personnalisée
sans charge sans considérer les variables de procédé. L’élaboration et le traitement des résultats
de ce plan ont été effectués avec le logiciel Minitab. Les additifs ajoutés dans les essais de
peintures ont été pris en proportions égales variant dans l’ensemble jusqu’à 5% en dehors du
plan de mélanges.
Après optimisation, les conditions donnant une meilleure formulation selon la deuxième
application sont : 40 % de résine, 40 % de dioxyde de titane et 20 % de pétrole lampant. Et donc
les valeurs de réponses optimisées sont respectivement 1,384 pour la densité de la peinture et
un pouvoir couvrant d’une couche. La concentration pigmentaire volumique s’élève à 43,06 %
de l’optimum, une peinture satinée.
Page|I
ABSTRACT
This work presents the results of a study to optimize the conditions for obtaining a paint formula
whose main components are glycerophthalic resin, titanium dioxide, calcium carbonate and
lamp oil (kerosene) and a addition of a number of additives.
It is therefore a question of maximizing the density of the paint to a value of at least 1 .25 and
minimizing the covering power in terms of the number of coats of paint it takes to completely
cover a well-prepared surface to a value of at least one layer.
To do this, formulation tests were carried out in the Physical Chemistry Laboratory of the
Polytechnic Faculty of the University of Lubumbashi; taking into account the proportions of
the reactants or components by making use of a mixing plan underconstraints. This mix plan
was done in two applications one with load and one custom without load; regardless of process
variables. The development and processing of the results of this plan were carried out in the
Minitab software. The additives added in the paint tests were taken in equal proportions varying
on the whole up to 5% outside the mixing plan.
After optimization, the conditions giving satisfactory results according to the second
application are: 40% resin, 40% titanium dioxide and 20% kerosene. And so the optimized
response values are 1 .384 respectively for the density of the paint and the hiding power of a
coat. The volume pigment concentration is 43,06 % of the optimum, a satin paint.
P a g e | II
TABLE DES MATIERES
RESUME ................................................................................................................................... I
ABSTRACT ............................................................................................................................. II
REMERCIEMENTS ................................................................................................................ IX
CHAPITRE I .............................................................................................................................. 4
CHAPITRE II ........................................................................................................................... 23
P a g e | III
II.3 Etablissement Camaïeu (Camaïeu Archives) ................................................................. 23
CHAPITRE IV ......................................................................................................................... 42
IV.3 Résultats de l’application du plan sous contrainte personnalisé sans charge ............... 55
BIBLIOGRAPHIE ................................................................................................................... 65
ANNEXES ............................................................................................................................... 68
P a g e | IV
LISTE DES ABREVIATIONS ET SIGLES
Page|V
LISTE DES FIGURES
Figure 1 - Représentation simplifié d’un système de penture .................................................... 4
Figure 2 - Structure simplifiée de la résine glycérophtalique .................................................... 6
Figure 3 - Illustration du dioxyde de titane ................................................................................ 8
Figure 4 - Différentes étapes du processus de la dissolution d’un polymère ........................... 10
Figure 5 - Quelques colorations de la peinture........................................................................ 12
Figure 6 - Flowsheet simplifié de la fabrication des peintures ................................................ 13
Figure 7 - Formation d’un film par évaporation du solvant ..................................................... 15
Figure 8 - Principe de la siccativation ...................................................................................... 16
Figure 9 - Mécanisme simplifié de la réaction de siccativation .............................................. 16
Figure 10 - Logo de la société Camaïeu ................................................................................... 24
Figure 11 - Logo de la société Vivco ....................................................................................... 26
Figure 12 - Illustration par image de la balance et d’une seringue .......................................... 30
Figure 13 - Tableau noir utilisé pour la détermination des réponses ....................................... 31
Figure 14 - Malaxeur électrique utilisé pour agiter les mélanges agencé du récipient de
préparation ................................................................................................................................ 31
Figure 15 - Limites inférieures et supérieures dans un plan de mélange contraint .................. 34
Figure 16 - Diagrammes des valeurs résiduelles pour la densité ............................................. 50
Figure 17 - Diagrammes des valeurs résiduelles pour l’extrait sec .......................................... 51
Figure 18 - Diagrammes des valeurs résiduelles pour le pouvoir couvrant ............................. 52
Figure 19 - Diagrammes des valeurs résiduelles pour le temps de séchage............................. 53
Figure 20 - Diagramme d’optimisation des réponses ............................................................... 54
Figure 21 - Diagrammes des valeurs résiduelles pour densité et pouvoir couvrant ................. 59
Figure 22 - Diagrammes d'optimisation des réponses du plan personnalisé ............................ 61
P a g e | VI
LISTE DES TABLEAUX
Tableau 1 - Principaux liants utilisés ......................................................................................... 5
Tableau 2 - Principaux pigments des peintures .......................................................................... 7
Tableau 3 - Charges fréquemment utilisées en peinture ............................................................ 8
Tableau 4 - Classification des solvants ...................................................................................... 9
Tableau 5 - Valeurs de quelques concentrations pigmentaires volumiques ............................. 20
Tableau 6 - Types de matières premières utilisées par Camaïeu et Vivco Paints .................... 23
Tableau 7 - Différents types de peintures produites par Camaïeu ........................................... 25
Tableau 8 - Types et marques de peintures produites par Vivco ............................................. 26
Tableau 9 - Matières premières utilisées .................................................................................. 29
Tableau 10 - Récapitulatif du plan sous contraintes ................................................................ 37
Tableau 11 - Bornes des composants de chaque mélange ....................................................... 37
Tableau 12 - Matrice d’expériences du plan sous contrainte avec charge (proportions) ........ 38
Tableau 13 - Récapitulatif du plan ........................................................................................... 38
Tableau 14 - Bornes des composants à 60 % ........................................................................... 39
Tableau 15 - Matrice d’expériences du plan sous contraintes personnalisé sans charge
(proportions) ............................................................................................................................. 39
Tableau 16 - Réponses des critères d’évaluation ..................................................................... 42
Tableau 17 - Coefficients de régression estimé pour la densité ............................................... 43
Tableau 18 - Récapitulatif du modèle pour la densité .............................................................. 44
Tableau 19 - Coefficients de régression estimé pour l’extrait sec ........................................... 44
Tableau 20 - Récapitulatif du modèle pour l’extrait sec .......................................................... 45
Tableau 21 - Coefficients de régression estimés pour Pouvoir couvrant (N.C) ....................... 46
Tableau 22 - Récapitulatif du modèle pour le pouvoir couvrant .............................................. 46
Tableau 23 - Coefficients de régression estimés pour Temps de séchage (h) .......................... 47
Tableau 24 - Récapitulatif du modèle pour le temps de séchage ............................................. 48
Tableau 25 - Analyse de la variance ........................................................................................ 49
Tableau 26 - Informations sur les optimums des réponses choisis .......................................... 54
Tableau 27 - Point de départ de chaque composant ................................................................. 54
Tableau 28 - Réponses de critères d’évaluation du plan personnalisé ..................................... 55
Tableau 29 - Coefficients de régression estimé pour la densité ............................................... 55
Tableau 30 - Récapitulatif du modèle pour la densité .............................................................. 56
Tableau 31 - Coefficients de régression estimé pour le pouvoir couvrant ............................... 57
P a g e | VII
Tableau 32 - Récapitulatif du modèle pour le pouvoir couvrant .............................................. 57
Tableau 33 - Analyse de la variance ........................................................................................ 58
Tableau 34 - Informations sur les optimums des réponses choisies......................................... 60
Tableau 35 - Point de départ de chaque composant ................................................................. 60
Tableau 36 - Solution globale Composantes ............................................................................ 60
Tableau 37 - Réponses prévues ................................................................................................ 60
Tableau 38 - Concentrations Pigmentaires Volumiques (CPV) des optimums ...................... 61
Tableau 39 - Prix des matières premières ................................................................................ 61
Tableau 40 - Prix de 1,05 kg de peinture optimisée ................................................................. 62
P a g e | VIII
REMERCIEMENTS
Ce travail scientifique n’est exclusivement pas le fruit des efforts personnels ; il me serait donc
traité d’ingrat d’ignorer tous ceux qui, de près ou de loin, d’une manière ou d’une autre, ont
apporté une pierre à l’édifice.
De prime à bord mes sentiments de gratitude sont adressés à l’Eternel Dieu, créateur de
l’univers pour le souffle de vie et la force qu’il nous accorde jusqu’en ce jour.
Je tiens à remercier quelques personnes en particulier pour avoir joué un rôle prédominant dans
mon développement personnel et professionnel.
Au professeur émérite ILUNGA NDALA et l’assistant Sony TSHIYUKA pour avoir accepté
de diriger et encadrer ce travail avec passion, malgré leurs multiples occupations.
A mes parents BULA NGIMBI Jérémie, NLANDU NSITU Solange et NZATI NLENZO
Mireille qui m’ont toujours guidé, soutenu et encouragé dans les projets que j’entreprends ; je
vous dis grand merci et je vous dédie cette réussite.
Au couple Gaspard et Gisèle KONGENE, nous vous disons merci pour vos conseils si précieux
qui nous ont donné la discipline nécessaire pour aboutir à bon port à la fin de ce cycle.
Enfin, à ceux et à celles qui nous ont soutenus et encouragés durant ce cursus, et dont les noms
n’ont pas été mentionnés ci-haut ; recevez nos remerciements et notre gratitude profonde.
P a g e | IX
INTRODUCTION GENERALE
En faisant une étude statistique selon les trois dernières années en prenant en compte quinze
travaux pris au hasard à la bibliothèque de la faculté, nous avons constaté que la plupart des
travaux de fin d’étude à la faculté Polytechnique plus précisément ceux du département de
chimie industrielle se focalisaient plus en métallurgie chimique. Soit en 2018 quatre-vingt-sept
pourcents, en 2019 nonante-trois pourcents et en 2020 quatre-vingt pourcents (Polytech/Unilu-
Biblio). Ceci a suscité notre curiosité quant à son apport pour le développement de la société
mais aussi de ses conséquences vis-à-vis du progrès de la science.
Bien que la République Démocratique du Congo soit riche en minéraux utiles plus encore la
province du Haut-Katanga, l’orientation de ces travaux vers la métallurgie seule a retardé le
développement des autres secteurs de la chimie industrielle ; telles que la chimie de base, la
parachimie.
Selon la publication du rapport de l’Office Congolaise de Contrôle de 2021 ayant trait aux
produits importés en République Démocratique du Congo, il stipule que plus de 95 pourcents
des produits issus de la chimie de base ou de la parachimie sont importés de l’étranger. Ces
statistiques sont dues essentiellement à un manque d’exploration scientifique de ces secteurs
mais aussi à l’inexistence d’entreprises en la matière.
Ces observations ont orienté les recherches de ce travail de fin d’étude vers un autre secteur de
la chimie industrielle, à savoir la parachimie. En effet la parachimie regroupe des activités de
transformation qui font appel à des traitements physiques ou à des opérations de mélange et de
conditionnement (Perrin, 1995).
Cette étude aura pour objectifs de « formuler une peinture à base de résine glycérophtalique
par application du plan de mélanges sous contraintes » ; Une peinture qui puisse être
scientifiquement acceptable et susceptible d’être commercialisée afin de répondre aux besoins
de la société et décourager l’importation par la création d’une unité locale de production des
peintures.
Il y aura deux applications du plan sous contraintes ou sommets extrêmes dont la première sera
du second degré avec charge et la deuxième du premier degré sans charge. La première
application sera réalisée en tenant compte des constituants et des proportions ci-dessous: résine
glycérophtalique (20%-30%), le dioxyde de titane (15%-25%), le carbonate de calcium (10%-
20%), le pétrole lampant (45%-60%) (FIPEC, 2004). Tandis que la seconde application du plan
Page |1
sous contraintes sera personnalisée selon les constituants et les proportions suivants : résine
glycérophtalique figée à 40 %, le dioxyde de titane (35% - 40%), le pétrole lampant (20% -
25%).
Les critères d’évaluation retenus sont : la densité, le temps de séchage (heure), le pouvoir
couvrant (N.C) et l’extrait sec (%) (Hamza, 2013). Mais en ces quatre critères d’évaluation,
seuls la densité et le pouvoir couvrant feront l’objet d’une optimisation puisqu’ils sont les
critères influençant le plus la qualité de la peinture.
Les essais au laboratoire seront réalisés dans les mêmes conditions opératoires pour y dégager
la meilleure formulation possible édictée par le plan de mélanges. Le travail se fera à
température ambiante et aux conditions de pression atmosphérique. Le temps de malaxage ou
dispersion sera de 10 minutes par essai.
Le logiciel Minitab est l’outil numérique choisi pour l’exécution du plan des mélanges de la
préparation du plan d’essais jusqu’à l’évaluation des réponses.
Pour ce faire, en dehors de l’introduction et de la conclusion, cette étude est construite en quatre
parties :
- La première partie parlera d’un bref aperçu sur la production des peintures ;
- La deuxième partie se focalisera sur l’industrie des peintures de la province du Haut-
Katanga ;
- La troisième décrira le matériel et les méthodes utilisés pour aboutir aux résultats ;
- La quatrième s’occupera de la présentation et de l’analyse des résultats.
Page |2
Partie I : Partie bibliographique
Page |3
CHAPITRE I
BREF APERÇU SUR LA PRODUCTION DE LA PEINTURE
I.1 Introduction
Une peinture est un produit liquide ou pulvérulent qui, après l’application d’une couche mince
sur un support, donne, par un processus physique ou chimique, un film mince adhérent,
protecteur et/ou décoratif. Elle peut s’étaler en couche mince sur toutes sortes de matériaux
appelés subjectiles. La couche mince forme, après séchage ou durcissement, un revêtement
mince adhérent et résistant (INRS, 2006).
L'art de peindre remonte aux débuts de la civilisation : décors rituels, à l'origine inscrits dans
les profondeurs des cavernes. Les peintures murales étaient réalisées simplement par un
mélange de poudres colorantes (ocre naturel ou noir de charbon), amalgamées à l'eau, et qui
finissaient par s'incorporer à la pierre calcaire (Ngandou, 1966).
De nos jours, l’industrie des peintures est un secteur économique important dans le monde
moderne et un secteur d’investissement potentiel en Afrique. En effet, les usages de la peinture
sont nombreux. Dans le domaine architectural, on utilise des peintures appropriées pour
l’intérieur et pour l’extérieur des habitations.
Dans ce chapitre il sera question de mettre en valeur les bases théoriques nécessaires conduisant
à la formulation des peintures ; partant des matières premières jusqu’ aux différents processus
physiques et chimiques aboutissant à son élaboration.
Page |4
I.2 Procédé de production
I.2.1 Constituants principaux
C’est l’ensemble d’éléments aboutissant à la peinture ; valables pour tous types de peintures,
les peintures sont généralement constituées par un ou plusieurs liant(s), un ou plusieurs
pigment(s), un ou plusieurs solvant(s), une ou plusieurs charge(s) et/ou un ou plusieurs
additif(s) (Ramanankoarivo, 2015).
1° Liants
Un liant, c’est la partie non volatile du milieu de suspension des peintures et vernis. Appelé
également résine, le liant joue un rôle important dans la formulation de la peinture. Composant
principal de la peinture, il lie ensemble des constituants de la peinture. Il assure également la
cohésion du film de peinture, son adhérence sur le support ainsi que la protection contre les
agressions extérieures (Laout, 2015).
Les liants sont classés-en :
- Liants non hydrophiles, On les classe liants parmi les non hydrophiles s’ils ne sont pas
aptes à être parfaitement mouillés par l’eau sans être dissout ;
- Liants hydrophiles, Les liants sont dits hydrophiles s’ils sont aptes à être parfaitement
mouillés par l’eau sans être dissout. Le liant peut être d’origine naturelle ou synthétique.
Le tableau 1 ci-dessous répertorie une liste non exhaustive des principaux liants fréquemment
utilisés.
Page |5
La figure 2 ci-dessous illustre la formule chimique de la résine glycérophtalique.
A noter que le liant est le principal facteur influençant le plus sur le temps de séchage d’une
peinture en phase solvant, plus sa proportion est élevée dans une formule plus le temps de
séchage est conséquent (Eco-peinture, 2015).
2° Matières pulvérulentes
Ce sont des produits solides constitués de fines particules, peu ou pas liées entre elles, qui, dans
certaines conditions, aura le comportement d’un liquide (INRS, 2006).
Il y a deux sortes de matières pulvérulentes pour les peintures, qui sont : les pigments et les
charges.
a. Pigments
Les pigments sont dans la plupart des cas, des produits solides en poudre colorée insolubles
dans le milieu utilisé qui sont incorporés au liant des peintures pour leur donner une couleur.
Les pigments ont pour rôle de donner du corps à la peinture, ensuite de la coloration, de
l’opacité et enfin de renforcer éventuellement son action protectrice, notamment de
l’influence des rayons UV. Ils se présentent sur le marché soit à l’état micronisé et sec soit en
pâte à l’eau ou à l’huile, ils sont les principaux éléments qui influent sur le pouvoir couvrant
d’une formule de peinture. (Zo, 2018).
Les pigments minéraux peuvent être d’origine naturelle (ocre) ou d’origine synthétique
comme la plupart des oxydes de fer jaune ou rouge qui sont très utilisés dans les bâtiments.
Les pigments organiques sont généralement d’origine synthétique. Ils offrent une grande
variété de couleurs (violet, magenta, etc.). En revanche, ils sont généralement moins résistants
à la lumière et aux acides que les pigments minéraux (Ramanankoarivo, 2015).
Page |6
- Pigments couvrants : ce sont les plus largement utilisés. Ils confèrent une opacité à la
peinture grâce à l’effet combiné de leur indice de réfraction par rapport au liant, à leur
granulométrie et aux phénomènes de réflexion de la lumière qui a une incidence sur la
couche de peinture ;
- Pigments anticorrosion : utilisés dans les enduits ou les premières couches en contact
direct avec l’acier, ils préviennent et inhibent la corrosion par passivation anodique ou
cathodique du courant électrochimique produit à la surface du métal ;
- Pigments spéciaux : certains pigments utilisés dans les revêtements industriels qui ne
peuvent être classifiés dans les catégories ci-dessus en raison de leur spécificité
(pigments métalliques, pigments nacrés, pigments intumescents, pigments toxiques,
etc.). Les pigments couvrants restent le type de pigments utilisé en formulation des
peintures (Hayen-Ghez, 2015).
Exemple de la description d’un des pigments, à savoir le dioxyde de titane ou titane blanc :
Le blanc de titane est une substance de couleur blanche éclatante utilisé comme pigment. Il est
un ingrédient minéral composé d’oxygène et de titane, et dont la formule chimique est TiO2. Il
est responsable de l’opacité de la peinture et donne à la peinture sa couleur de base (couleur
blanche pour celle de ce travail). Il a une grande capacité à diffuser la lumière et résiste
efficacement aux rayons UV.
Page |7
La figure 3 ci-contre montre le dioxyde de titane utilisé pour l’email blanc (de ce travail).
Le carbonate de calcium en est un exemple; on l’utilise surtout pour des raisons économiques.
C’est donc la charge la plus répandue.
Le tableau 3 qui suit donne les différents minéraux employés comme charges.
Exemple de la description d’un des charges les plus courants, à savoir la calcite synthétique
ou le carbonate de calcium synthétique :
Le carbonate de calcium synthétique ou la craie est un PCC (Carbonate de Calcium Précipité) ;
qui est un produit de synthèse obtenu après un processus de déshydratation d’une pierre calcaire
tendre, finement broyée. Il est de formule chimique CaCO3.
Page |8
3° Solvants
Le solvant est une substance importante dans la formulation et la fabrication des peintures.
Notamment pour le réglage de sa viscosité de telle sorte que son application soit adéquate. Les
solvants sont aussi des composées qui servent à solubiliser le liant polymère (résines) et pour
faciliter l’étalement sur le support. Après leur utilisation, ils sont éliminés du film par
évaporation pendant le séchage. A l’exception de l’eau, les solvants sont aussi appelées
composés organiques volatils (COV).
Les composés organiques volatils sont des composés contenant au moins l’élément de carbone
et un ou plusieurs autres éléments tels que l’hydrogène, l’oxygène, l’azote, les halogènes, le
souffre (Louiza, 2019). Les produits de revêtement ne peuvent dépasser 30 % en termes de
teneur en COV ; dans les peintures, vernis, mastics, etc. (U.E, 2010).
Le tableau 4 qui vient donne la classification des solvants en tenant compte des divers critères.
Exemple de la description d’un des solvants de la peinture à huile, à savoir le pétrole lampant
ou kérosène :
Le pétrole lampant est un produit issu de la distillation du pétrole brute. C’est un mélange
d’hydrocarbures contenant des alcanes de formule chimique C10H22 à C14H30.
Page |9
La figure 4 ci-contre illustre la manière dont se passe la dissolution par le pétrole lampant
4° Additifs et adjuvants
Ce sont des substances souvent incorporées à faible dose dans les liants, vernis ou peintures
pour y développer certaines propriétés propres à en améliorer soit les conditions de fabrication
et/ou de conservation et/ou d’application, soit certaines propriétés spécifiques (Laout, 2015).
Ci-dessous sont exposés quelques types d’additifs et adjuvants utilisés fréquemment en
peinture.
a. Agents rhéologiques
Leur rôle principal est de favoriser l’application des peintures en forte épaisseur. Ils permettent
également d’assurer la stabilité au stockage des peintures liquides. De plus, ils facilitent la
dispersion des pigments (l’épaississement qu’ils induisent améliore l’efficacité mécanique de
dispersion).
- Bentonite ;
- Montmorillonite ;
- Huile de ricin hydrogénée ;
- Résine de polyamide ;
- Silice pyrogénée ;
- Etc.
Par exemples :
P a g e | 10
- Lécithine de soja ;
- Polyacrylates ;
- Silicones ;
- Etc.
c. Agents antibulles
Luttent contre la formation des bulles pendant et après le processus de fabrication de la peinture.
Par exemples :
- Composés de silicone ;
- Polyacrylates ;
- Etc.
d. Agents antipeaux
Ils sont ajoutés aux peintures séchant par oxydation à l’air, afin d’éviter un séchage prématuré
de la peinture en pot mais aussi luttent contre la formation des peaux sur les surfaces peintes.
Par exemples :
- Méthyléthylcétoxime ;
- Butyraldoxime ;
- Heptanaldoxime ;
- Cyclohexanoxime.
e. Siccatifs
Ils ont pour rôle d’accélérer la polymérisation (réticulation) et par conséquent le durcissement
de certains liants. En guise d’exemples :
- Naphténates ;
- Octoates de plomb ;
- Octoates de cobalt ;
- Octoates de manganèse ;
- Etc.
5° Colorants
Ce sont des produits qui donnent leurs couleurs à la solution (peinture), ils peuvent être naturels,
artificiels ou synthétiques, généralement ils sont solubles dans les milieux de suspension et qui,
à la différence des pigments, ont un pouvoir opacifiant faible ou nul dans ces milieux auxquels
communiquent une couleur déterminée (Abdelkader, 2013).
P a g e | 11
La figure 5 suivantes montre les différentes colorations que peuvent prendre une peinture.
Pour obtenir finalement la peinture liquide homogène prête à être conditionnée dans les
emballages qui serviront à la faire parvenir sur les lieux de sa mise en œuvre.
- Une pré-dispersion ;
- Un pré-mélange ou une pré-dissolution ;
- Un traitement granulométrique (broyage d’agglomérats de pigments) ;
- Une préparation des pigments sous forme de poudre ou enrobés de vernis.
La préparation des pigments sous forme de poudre sèche consiste à filtrer la suspension de
base des synthèses et récupérer les pigments sous forme d’agrégats (par exemple par filtration)
et de les sécher, les broyer par la suite.
P a g e | 12
3° Conditions opératoires et flowsheet
Fabriquer une peinture consiste à disperser les matières pulvérulentes dans une solution ou une
dispersion de résine. C’est parfois le même processus qui est utilisé dans la fabrication des
colles et adhésifs qui contiennent des charges minérales (Louiza, 2019).
Les peintures sont produites selon les étapes ci-dessous.
a. L’empâtage (mouillage) : Au cours duquel les éléments solides (pigments et charges) sont
dispersés dans une partie du liant ; des solvants et d'adjuvants.
b. Le broyage et dispersion : Les forces de cisaillement développées dans cette phase doivent
être supérieures aux forces de cohésion qui unissent les particules pour désagglomérer les
pigments et charges et avoir un mélange uniforme et obtenir la finesse maximale recherchée
pour le film.
c. La finition et ajustement : Au cours de cette étape les compléments sont bien répartis de façon
homogène dans la pâte c’est-à-dire réservé un temps de mélangeage suffisant pour éviter une
réagglomération des particules. Donc le broyage de formule est complété, la teinte est ajustée
et la peinture est conduite aux caractéristiques désirées.
d. La filtration : La filtration est effectuée pour enlever les impuretés et pour attraper de petites
particules les moyens de broyage (billes de verre, billes de zirconium, billes de céramique). Les
peintures peuvent être filtrées par une multitude de moyens et l'utilisation finale du produit
détermine le type de filtration. L’utilisation des filtres de 40 à 80 µm est recommandée pour la
filtration des peintures et laques de finition.
e. Conditionnement: remplir la peinture dans des bidons ou futs et qui seront palettisés.
f. Le stockage : Dans les bâtiments de stockage à l’abri et sous une température ambiante.
La figure 6 qui suit illustre un processus de fabrication de peinture de manière schématique.
P a g e | 13
colorant, et les unités d'extension de colorant. Il est clair que la différence majeure entre les
deux procédés réside dans l’utilisation de solvant ou d’eau
Différents équipements sont utilisés pour la formulation des peintures entre autres :
- Mélangeurs
- Disperseurs ou malaxeurs industriels ;
- Broyeurs à billes ;
- Etc.
Dans les industries de production de peinture diverses conditions doivent être respectées pour
éviter les accidents et veiller à la santé des employés, on citer :
1° Séchage physique
C’est principalement le cas des liants thermoplastiques. On a alors formation de liaisons
physiques (Van der Waals, liaisons hydrogène) entre les macromolécules. On distinguera 3
modes de séchage physique :
C’est le cas des liants thermoplastiques en solution (en phase organique dans la majorité des
cas) ; de cette façon, le liant est solubilisé. Le système est donc homogène dès le départ
(solution) : on obtient donc, par simple évaporation du solvant, un film homogène. Le séchage
par évaporation du solvant est un séchage très rapide qui permet facilement d’obtenir des hauts
brillants.
P a g e | 14
La figure 7 suivante illustre la formation d’un film de peinture par évaporation du solvant
2° Séchage chimique
Il y a alors formation de liaisons covalentes, fortes. Les films formés par séchage chimique sont
en général plus résistants aux agressions mécaniques (déformation, abrasion, choc, rayure, etc.)
et chimiques (solvants, humidité, etc.).
C’est principalement le cas des liants thermodurcissables, dont les macromolécules sont
capables de former entre elles des liaisons covalentes, ce qui provoque leur durcissement.
a. Siccativation
C’est un séchage provoqué par le dioxygène de l’air ; c’est une oxydation des insaturations d’un
polymère (huiles siccatives, résines alkydes) par l’oxygène, conduisant à la formation de
liaisons covalentes entre les macromolécules.
Le séchage par siccativation s’effectue très lentement. Il peut cependant être accéléré en
présence de siccatifs, qui sont des composés métalliques solubles (exemple : sels organiques de
cobalt).
Lors du stockage, les siccatifs peuvent cependant provoquer la formation de peaux au-dessus
des peintures, en particulier lorsque le conditionnement a déjà été ouvert. On utilise alors des
agents anti-peau, qui sont des inhibiteurs de la siccativation qui forment avec les siccatifs des
complexes réversibles inactifs. Etant volatils, ces agents s’évaporent après l’application de la
peinture, et les siccatifs retrouvent leur efficacité.
P a g e | 15
Les figures 8 et 9 illustrent la manière dont se passe le séchage chimique par siccativation.
1° Peinture mate
Elle est surtout utilisée pour masquer au maximum les imperfections de la surface. En d’autre
terme, une peinture mate va gommer les imperfections du mur qui n’est pas totalement plan.
Plus une peinture est mate, moins il y aura de reflet de lumière et plus elle est poreuse. Une
peinture poreuse peut résister au lavage, c’est-à-dire à l’abrasion humide. En revanche, elle ne
résiste pas aux taches qui ont pénétré dans le film poreux.
Idéale pour les chambres à coucher et le salon, elle est surtout utilisée pour le plafond.
2° Peinture satinée
Les peintures satinées sont utilisées pour les pièces à fort passage comme les couloirs et les
entrées puisqu’elles permettent d’obtenir un aspect poché. Elles sont également adaptées aux
chambres d’enfants, aux cuisines et aux salles de bains. En effet, plus une peinture est satinée,
plus elle réfléchit la lumière et résiste aux lessivages et aux taches. En d’autre terme, une
peinture satinée, avec une brillance modérée, possède, par conséquent, un degré élevé de
résistance.
P a g e | 16
3° Peinture brillante
Elle apporte une luminosité qui tend à rendre les pièces plus grandes en raison de son effet
miroir. De ce fait, elle rend les couleurs éclatantes et valorise les éléments d’architecture. Elle
est très résistante, c’est pour cette raison qu’elle est utilisée pour les pièces utilitaires comme
la cuisine, la salle de bains et les sanitaires.
4° Peinture laquée
Elle offre une finition avec une brillance et un effet de miroir. Elle génère plus de profondeur
et plus de luminosité qu’une simple peinture brillante. Toutefois, elle est à appliquer avec
prudence puisque dans le plan, la luminosité de la peinture va créer une ombre dès la moindre
irrégularité. Elle ne doit s’appliquer que sur des supports qui ne présentent aucun défaut et ne
doit donc être utilisée qu’après un travail rigoureux de préparation de support.
Elles sont constituées des solvants organiques qui servent à dissoudre les différents constituants
de la peinture.
Il est à noter que les COV sont des substances dont le point d’ébullition se situe entre 50 et
260°C. Par conséquent, ils peuvent se trouver sous forme de vapeur à la température
ambiante. L’air à l’intérieur des logements est alors chargé de substances nocives pour
l’organisme.
P a g e | 17
Les impacts des COV sur la santé dépendent des individus. Cela va de la gêne olfactive aux
effets cancérigènes en passant par les allergies, l’altération du système nerveux, les troubles
hépatiques, digestifs et rénaux ainsi qu’un effet négligeable sur la reproduction (Schuman,
2006).
Citons quelques risques que l’on pourrait rencontrer lors de l’exposition face à des peintures
en phase solvant organique :
- Sèche rapidement ;
- Odeur faible ;
- Réduction du risque d’incendies ;
- Se dilue dans l’eau.
P a g e | 18
Il est sans ignorer que l’utilisation de diluant aqueux a fortement remplacé celui des
hydrocarbures mais il faut savoir que les particules non dissoutes contenues dans les peintures
en phase aqueuse, (puisque la résine n’étant pas dissoute mais bien en émulsion ou en dispersion
selon le cas) sont plus grosses que celles des peintures solvatées, ce qui a pour conséquence :
- Une moins bonne pénétration dans le support (d’ailleurs on utilise souvent des peintures
solvatées en première couche, pour bloquer le fond sur subjectiles poreux tel que le
plâtre, etc.) ;
- Une épaisseur plus importante qu’une peinture solvatée, du coup une plus grande
consommation de peinture au m².
D’autres inconvénients :
- Faible résistance ;
- Non lavable ;
- Retiens les saletés.
- L’extrait sec ;
- La viscosité ;
- La finesse du broyage ;
- Le pouvoir couvrant ;
- La densité.
Par ailleurs, pour qualifier les produits appliqués, c'est-à-dire pour faire l’évaluation des
propriétés liées à la fonction et à la dureté du revêtement, il y a des normes à ne pas négliger
tels que :
- Le temps de séchage ;
- L’adhérence au support et entre couches ;
- Les résistances mécaniques, c’est-à-dire la dureté, la résistance à la rayure, au choc, au
quadrillage et à l’abrasion ;
- L’aspect : la texture, la couleur, la brillance après l’application et après vieillissement ;
- La durabilité de l’aspect ;
- La résistance à la corrosion, aux agressions chimiques et biologiques ;
P a g e | 19
- La résistance à des agressions spécifiques (Ramanankoarivo, 2015).
VOLUME pulvérulents
CP V (en%) = 𝑉𝑂𝐿𝑈𝑀𝐸 𝑝𝑢𝑙𝑣é𝑟𝑢𝑙𝑒𝑛𝑡𝑠+𝑉𝑂𝐿𝑈𝑀𝐸 𝑙𝑖𝑎𝑛𝑡 𝑠𝑒𝑐
Parfois plusieurs liants peuvent être utilisés dans une même formulation, c’est pourquoi la
somme est mentionnée dans l’expression ci-haut.
Le tableau 5 présente les domaines d’utilisation des peintures en fonction de leur concentration
pigmentaire volumique exprimée en pour-cent.
P a g e | 20
On peut encore la nommer émulsion ou même suspension si la peinture est parfaitement
hydrodiluable dans un milieu aqueux (Métaltop, 2021).
- Un milieu dispersé ;
- Un milieu de dispersion.
1° Milieu dispersé
C’est un Système dans lequel une phase est dispersée sous la forme de particules ayant une
taille typique de l’ordre du micromètre, dans une autre phase dans laquelle elle est immiscible
(phase dispersante, phase continue ou milieu de dispersion).
En apparence, un milieu dispersé semble homogène. Il est le plus souvent opaque, en raison du
phénomène de diffusion de la lumière par les particules. Cependant, il est hétérogène à l’échelle
microscopique, les deux substances occupant deux phases distinctes (Antzoulatos, 2017).
En effet les milieux dispersés pour les peintures sont : les charges, les pigments, les additifs et
parfois les résines.
2° Milieu de dispersion
Le milieu de dispersion est un milieu continu dans lequel la phase dispersée est répartie dans
l’ensemble. C’est la phase dans laquelle la phase dispersée est distribuée. Il peut être dans
n’importe quel état de la matière : solide, liquide, ou gazeux. On l’appelle aussi la phase externe
car le milieu dispersé est à l’intérieur du milieu de dispersion (Antzoulatos, 2017). Les milieux
de dispersion sont les solvants, parfois aussi les résines.
L’accrochage reste donc fondamental dans la résistance au décollement par arrachage, par
pelage ou par écaillage. Il peut être mis-en mal par une traction exercée sur une extrémité d’un
feuil préalablement décollé. On utilise cette fragilité dans le cas des peintures pelables par
exemple.
P a g e | 21
L’adhérence d’une peinture dépend des diverses forces de liaisons interfaciales. Ces pressions
exercées changent en fonction de la nature de la surface. Elles peuvent donc être très différentes
selon les types de supports en contact. En effet, certains matériaux sont bien plus cohésifs que
d’autres.
Ces forces restent dépendantes des liaisons intermoléculaires développées lors du durcissement
du film après séchage. Elles s’appellent encore forces de Van der Waals. L’adhérence d’un feuil
se vérifie à l’aide d’essais conventionnels appropriés. On peut ainsi contrôler un décollement
grâce à un essai de traction selon la norme T30-062. Il existe aussi un essai d’adhérence sur
film quadrillé selon la norme NFT 30-038 (Métaltop, 2021).
P a g e | 22
CHAPITRE II
L’industrie de la peinture du Haut-Katanga est une industrie jeune puisqu’elle n’existe que
depuis quelques années. A cause de la jeunesse de ce type d’industrie, on en dénombre que très
peu dans la province et presqu’en majorité dans la ville de Lubumbashi qui est le chef-lieu de
cette province.
M.P Types
Liants Alkydes, époxydes, acrylique, polyuréthane.
Pigments Titane blanc, oxyde de fer, bleu de cobalt, rouge de molybdène.
Charges Carbonate de calcium, diatomée, etc.
Solvants White spirit, eau, etc.
P a g e | 23
est situé à Lubumbashi sur l’avenue Hewa Bora au numéro 10, quartier industriel dans la
commune de Kampemba.
MONDIALE : c’est une marque de production de la peinture de base, économique, pour les
bâtiments commerciaux, hangars, usines, bureaux ;
CAMAIEU : c’est une marque de peinture haut de gamme, plus riche en matières premières,
une finition impeccable avec un meilleur pouvoir couvrant.
Les matières premières (résines, liants, pigments, conservateurs, additifs, solvants et charges)
utilisées par Camaïeu proviennent de Turquie, Egypte, Liban, Indonésie, Allemagne et Europe.
Toutes les formules de fabrication de Camaïeu sont mises à jour ont-ils déclaré avec l’expertise
d’un laboratoire partenaire situé à Beyrouth au Liban.
P a g e | 24
Le tableau 7 suivant montre les différents types de peintures produites par Camaïeu.
Les règlements ayant trait à la prévention interdisent formellement l’allumage de tout type de
flamme soit pour un feu ou pour fumer une cigarette.
3° Respect de l’environnement
Dans le monde moderne actuel, aucune entreprise responsable ne peut produire sans tenir
compte de la protection de l’environnement, et donc conformer son procédé par rapport à la
législation du pays ayant trait au respect de l’environnement.
Dans le but de s’aligner parmi les entreprises qui ont le souci de générations futures, Camaïeu
traite ses eaux usées, et ses déchets de nettoyage passent par des puits de décantation. Les eaux
utilisées par l’usine sont traitées sur charbon actif avant qu’elle soit relâchée dans la nature.
P a g e | 25
II.4 Etablissements Vive Congo Paints (Vivco Archives)
1° Présentation et description
Vive Congo Paints en sigle Vivco est une société de production de la peinture créée en 1985 au
Liban par monsieur Ahmad Khalifeh avant de décider d’amener la société sur un nouveau
marché prospère qui est l’Afrique. Arrivée au Congo qu’en 2016, l’usine Vivco est située à
Lubumbashi sur l’avenue Industrielle au numéro 37, quartier industriel dans la commune de
Kampemba.
Vive Congo Paints est un fabricant de peintures et revêtements, utilisant des matières premières
de haute qualité selon ses dirigeants, ayant pour mission de fournir à ses clients le meilleur
produit possible. Sa capacité de production est de plus ou moins 5 tonnes de peinture par jour.
P a g e | 26
2° Sécurité du personnel
Vivco disponibilise des sessions de formation pour ses employés afin de limiter et prévenir de
manière efficace les accidents et autre méfaits pouvant survenir lors de l’exercice de fonction
de ses travailleurs a rétorqué l’un des responsables.
En dépit de la formation, la société veuille sur la tenue de travail appropriée de ses employés
lors du déroulement de ses activités. Voici ici-bas quelques équipements exigés pour les
opérateurs de l’usine :
- Combinaison en coton ;
- Gants ;
- Lunettes ;
- Baskets de sécurité.
3° Respect de l’environnement
Bien que produisant des produits ayant un certain degré des composés organiques volatiles,
Vivco s’assure que ses effluents soit traités avant de les renvoyer dans la nature par l’épuration
de ses eaux usées et d’autres solutions chimiques issues de son usine pour se conformer aux
règlements et normes ayant trait à l’environnement.
P a g e | 27
Partie II : Partie expérimentale
P a g e | 28
CHAPITRE III
MATERIEL ET METHODES
Ce chapitre a pour objectif de présenter les techniques analytiques ainsi que le protocole utilisé
dans ce travail. Il est subdivisé en deux parties :
III.1 Matériel
III. 1.1 Matières premières
Cette partie présente tous les réactifs utilisés ainsi que leurs caractéristiques pour la réalisation
de ce travail.
Le tableau 9 présente la liste complète des matières premières de qualité commerciale utilisées
pour les essais.
Il est à retenir que la formule chimique de la résine glycérophtalique n’est pas donnée dans le
tableau ci-dessus à cause de la longueur de sa chaine, elle a été représentée au premier chapitre
par la figure 2.
La résine glycérophtalique dont on fera usage dans ce travail a une teneur en huile de 55 % et
de classification Afnor NFT 30-003.L’antipeau est de marque commerciale Additol.
P a g e | 29
III.1.2 Dispositifs d’expérience
Cette partie décrit l’ensemble des matériels utilisés pour rendre possible la passation des
essais au laboratoire. En voici l’essentiel :
1° Seringue : est un instrument constitué d’un piston et d’un corps de pompe cylindrique muni
d’un embout où s’adapte une aiguille et servant à injecter ou à prélever des liquides dans les
tissus, les vaisseaux, les cavités naturelles ou tout simplement des récipients.
Dans ce travail elle a servi à prélever le solvant pour un respect optimal des quantités de masse.
On a fait usage à trois seringues à savoir celles de : 5ml, 10 ml, et 20 ml.
2° Balance électronique à précision : elle a été utilisée comme instrument de mesure pour
déterminer le poids des échantillons.
- Portée de 4200 g ;
- Résolution de 1 g ;
- Précision de 0,1 g ;
- Ecran amovible.
4° Etiquette : une fiche placée sur les bouteilles contenant les échantillons pour en indiquer le
contenu pour chaque essai.
P a g e | 30
5° Pinceau : petit instrument ayant pour but de revêtir de la peinture les surfaces utilisées pour
déterminer les réponses.
6° Morceau de métal : instrument utilisé comme surface revêtue pour déterminer l’extrait sec
de la peinture à cause de sa résistance à la chaleur.
7° Tableau carrelé en noir et blanc : instrument utilisé pour déterminer le pouvoir couvrant, le
rendement de la peinture et l’efficacité de la peinture à la coloration.
Figure 14 - Malaxeur électrique utilisé pour agiter les mélanges agencé du récipient de
préparation
P a g e | 31
9° verrerie du laboratoire :
10° Logiciel Minitab utilisé comme outil d’analyse et de traitement des données.
III.2 Méthodes
III.2.1 Les plans d’expériences
La notion de plan d’expérience est ancienne mais l’utilisation systématique de protocoles
d’expériences définis à l’avance dans l’industrie est une chose récente. L’idée de planifier de
manière rationnelle les expériences est à l’origine du concept plans d’expériences.
Les plans d’expériences, sont en fait une suite d’essais organisée à l’avance de manière à
déterminer l’influence de multiples paramètres sur une ou plusieurs réponses et apportent une
solution permettant de réduire considérablement le nombre d’expériences à réaliser par rapport
aux méthodes traditionnellement employées (Nkulu, 2012).
Dans les plans d’expériences classiques (plans factoriels, plans pour surfaces de réponse, plans
de Taguchi, etc.) les facteurs sont indépendants. Cela signifie que l’on peut choisir en toute
liberté le niveau d’un facteur quels que soient les niveaux déjà attribués aux autres facteurs. Par
exemple, si, pour un plan 24, on a choisi les niveaux des trois premiers facteurs, on pourra
encore choisir librement les niveaux du quatrième facteur. Cette liberté n’existe pas lorsque
l’on étudie des mélanges car, en général, on étudie les réponses en fonction des proportions des
constituants du mélange. Dans ce cas les facteurs d’étude sont les proportions des constituants
du mélange. Comme la somme de ces proportions est toujours égale à 100 %, le pourcentage
du dernier constituant est imposé par la somme des pourcentages des premiers composés du
mélange (Goupy, 2006).
III.2.2 Plans de mélanges
Le plan de mélanges est un type des plans d’expérience qui met en jeu un ensemble de mixtures
obtenues en mélangeant différents ingrédients en certaines proportions. Le fait que les
proportions des différents facteurs doivent totaliser 100% rend impossible l’utilisation des plans
d’expériences ordinaires ou classiques. Il y a plan de mélanges lorsque la réponse étudiée
P a g e | 32
dépend des proportions des constituants du mélange et non des quantités de mélange utilisées.
(Goupy, 2006).
Lorsque les composants du mélange sont soumis à la contrainte qu’ils doivent s’additionner, il
existe des plans de mélange standard pour l’ajustement, telles que les Plans de Mélange en
Réseaux et les Plans de Mélange Centrés. Lorsque des composants de mélange sont soumis à
des contraintes supplémentaires, telles qu’une valeur maximale et / ou minimale pour chaque
composant, des plans autres que les plans de mélange standard, appelées plans de mélange
contraints ou Plans Sommets Extrêmes, sont appropriés (Daas, 2019).
1° Modèle Mathématique
La contrainte fondamentale des mélanges fait disparaître la constante et les termes du second
degré se réduisent aux termes rectangles. Pour trois composants, le modèle du premier degré
est donc :
P a g e | 33
Les contraintes sont de la forme Ii ≤ xi ≤ Si; (i = 1; 2 ;…; q), où Ii est la limite inférieure du
nième composant et Si la limite supérieure du nième composant (Daas, 2019).
La forme générale d’un problème de mélange contraint (Plan de sommets extrêmes) est :
- x1 + x2 +… + xq = 100 %
- Ii ≤ xi ≤ Si pour i = 1, 2,…, q Avec : Ii ≥ 0 et Si ≤ 100 %
L’objectif d’un plan de sommets extrêmes est de choisir des points du plan qui couvrent de
manière adéquate l’espace du plan.
La figure 15 montre les sommets extrêmes d’un plan à trois composants avec des contraintes
supérieures et inférieures :
P a g e | 34
de la variabilité totale selon les différentes sources présentes dans les données.
La variabilité totale est divisée en deux sources : la variabilité intra due à l’erreur expérimentale,
et la variabilité inter due aux écarts de moyennes entre les différentes modalités d’un facteur
(Espace_réservé1). Ci-dessous est reprise la formule mathématique de l’analyse de la variance.
1 2 3
1 : Somme des carrés totaux exprime la variabilité totale des observations (SCT)
2 : Somme des carrés expliqués exprime la variabilité expliquée, à savoir la variation que le
facteur explique (SCE)
3 : Somme des carrés résiduels exprime la variabilité résiduelle, à savoir la variation que le
facteur n’arrive pas à expliquer (SCR)
- Etudier un certain nombre de facteurs en vue d’identifier celui ou ceux qui s’avèrent
avoir le plus d’effet sur la réponse (Borcard, 2008)
- Etudier un ou plusieurs facteurs, en vue de déterminer des conditions optimales de
production ou de fabrication (Bernard, 2005).
On fait recours aux sommes des carrés (SC ou Sum of Squares en anglais) et aux degrés de
liberté (DL ou degree of freedom df en anglais) pour calculer les carrés moyens (CM ou Mean
Squares MS).
P a g e | 35
variance, Minitab divise les sommes des carrés en différentes composantes qui décrivent
la variation due à différentes sources.
- CM ajust : Les carrés moyens ajustés mesurent la proportion de variation expliquée par
un terme ou un modèle, en supposant que tous les autres termes sont dans le modèle,
quel que soit l'ordre dans lequel ils ont été saisis. Contrairement aux sommes des carrés
ajustées, les carrés moyens ajustés tiennent compte des degrés de liberté. Le carré
moyen ajusté de l'erreur (également noté CME) est la variance autour des valeurs
ajustées.
- Valeur F : Le tableau d'analyse de la variance répertorie une valeur F pour chaque terme.
La valeur F est une statistique de test utilisée pour déterminer si le terme est associé à
la réponse. Une valeur F suffisamment élevée indique que le terme ou le modèle est
significatif.
- Valeur de p : C’est la probabilité qui mesure le degré de certitude avec lequel il est
possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider
l'hypothèse nulle avec plus de certitude. Pour déterminer si l'association entre la réponse
et chacun des termes du modèle est statistiquement significative, comparez la valeur de
p du terme à votre seuil de signification pour évaluer l'hypothèse nulle. L'hypothèse
nulle est qu'il n'existe aucune association entre le terme et la réponse. En général, un
seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification
de 0,05 indique qu'il existe un risque de 5 % de conclure à tort que le coefficient n'est
pas 0.
d. Coefficient de détermination
Le coefficient de corrélation R2, appelé aussi coefficient de détermination, est un nombre entre
0 et 1 qui mesure le degré auquel deux variables sont linéairement liées. Un coefficient de
corrélation de 0 signifie qu'il n'y a aucun rapport linéaire entre les variables ou les composants.
P a g e | 36
2° Optimisation du plan de mélanges
Selon les résultats des essais d’orientation, nous aurons à réaliser une série d’essais
d’optimisation selon deux plans de mélanges dont le premier comportant 15 essais, pour quatre
composants tandis que le second ayant 5 essais pour trois composants.
Ces essais permettront d’optimiser le mélange par calcul des différents critères d’appréciation,
afin de choisir les conditions qui donne une peinture plus performante.
Dans ce travail nous utilisons les plans de mélanges contraint ou sommets extrêmes puisque les
proportions de composants choisis varient en valeur minimale et maximale.
Les composants suivants ont été pris en compte pour les essais expérimentaux de formulation
de la peinture par les plans de mélanges :
Pour la première catégorie des essais (plan sous contraintes avec charge), les composants sont :
le pétrole lampant, la résine glycérophtalique, le dioxyde de titane et carbonate de calcium ou
calcite. Le tableau 10 suivant présente le récapitulatif du plan :
Chaque composant du plan a été pris selon une tranche de proportion exprimée en pourcentage
suivant les bornes des mélanges, comme indiquer dans le tableau 11.
P a g e | 37
Le tableau 12 donne la matrice d’expérience du plan de mélanges avec les valeurs des
proportions de chaque composant.
Tableau 12 - Matrice d’expériences du plan sous contrainte avec charge (proportions)
Les mélanges ont été réalisés au laboratoire en quantité de 100 g par essai.
Pour la seconde catégorie des essais (plan sous contraintes personnalisé sans charge), les
composants sont : la résine glycérophtalique, le dioxyde de titane et le pétrole lampant. Le
tableau 13 qui suit présente le récapitulatif du plan.
N.B : La proportion de la résine (C) a été figée à 40 % puisqu’elle est l’élément essentiel
jouant sur la densité recherchée et seuls le dioxyde de titane (A) et le pétrole (B) varient en
proportion jusqu’à 60 %.
P a g e | 38
Le tableau 14 suivant montre les bornes de variation du mélange du dioxyde de titane (A) et du
pétrole (B).
Remarque : Les bornes ont été ajustées pour s'adapter aux contraintes spécifiées.
Le tableau 15 suivant, donne la matrice d’expériences du plan de mélanges.
Tableau 15 - Matrice d’expériences du plan sous contraintes personnalisé sans charge
(proportions)
Pour se conformer à la formulation se passant en milieu industriel, divers additifs ont été ajoutés
aux plans de base. En vue de ne pas perturber les plans de mélanges construits, ces additifs ont
été ajoutés en proportion égale pour chaque essai pour minimiser leur apport sur l’ensemble des
mélanges et pour ne pas influencer négativement les réponses ou les critères d’évaluations
recherchés.
Dans la formulation de peintures, ces additifs entrent en termes de proportion pour l’ensemble
jusqu’à 5 % (FIPEC, 2004).
Et donc les additifs apportés aux plans de mélanges pour chaque essai de la matrice
d’expérience en quantité de 5 g par essai (pris à 5 %) sont :
- Lécithine de soja à 1 g ;
- Siccatif de cobalt à 2 g ;
- Butanone à 1 g ;
- Bentonite à 1 g.
P a g e | 39
III.2.4 Modes opératoires et critères d’évaluations
1° Modes opératoires
a. Plan sous contraintes avec charge
2° Critères d’évaluation
a. Densité : C’est une grandeur sans unité utilisée dans ce travail dans le but de connaitre la
consistance de la peinture.
masse de la peinture
𝑀𝑎𝑠𝑠𝑒 𝑣𝑜𝑙𝑢𝑚𝑖𝑞𝑢𝑒 =
volume de la peinture
P a g e | 40
- Verser 10 ml de peinture dans une éprouvette graduée vide préalablement pesée.
- Peser sur la balance à précision l’éprouvette de peinture en minimisant la masse de
l’éprouvette vide ;
- Diviser la masse de la peinture contenue dans l’éprouvette par les 10 ml de volume.
- Diviser la masse volumique de la peinture par celle de l’eau.
b. Extrait sec (%) : C’est une grandeur exprimée en pourcentage. Il a pour but de déterminer la
matière sèche de la peinture et donc sa valeur en termes de rapport résine/pigment et charge,
ou tout simplement résine/pigment.
c. Temps de séchage: Il est exprimé en heure dans ce travail. Il a pour but de connaitre après
combien de temps la peinture peut sécher après application sur une surface.
Voici les étapes pour sa détermination :
- Peser 2 g de peinture ;
- L’appliquer sur une surface ;
- Observer et prélever le temps de séchage au touché.
P a g e | 41
CHAPITRE IV
Dans ce chapitre, il sera question de présenter, commenter et discuter des résultats en tenant
compte de l’objectif de l’étude en deux étapes :
Dans ce tableau, il y a lieu de constater que la densité varie entre 0,758 et 1,053, l’extrait sec
entre 40 % et 50 %, le pouvoir couvrant en termes de nombre de couches varie entre 4 et 5
P a g e | 42
couches pour couvrir totalement une surface, tandis que le temps de séchage est situé entre 2,27
heures et 3,98 heures.
Dans les lignes qui suivent il sera question d’essayer d’optimiser la densité et le pouvoir
couvrant par une analyse sur le logiciel Minitab, en considérant que le temps de séchage peut
être figé tandis que l’extrait sec dépend essentiellement de la densité et donc écarté.
Le tableau 17 montre les coefficients de régression pour la densité en tenant compte des
proportions de composants des mélanges.
Dans le tableau ci-dessus se trouve l’ensemble des coefficients (coeff) du modèle mathématique
ayant trait à la densité dont les valeurs sont 0,30 pour le pétrole, 2,51 pour la résine
glycérophtalique, 0,54 pour le dioxyde de titane et 0,91 pour la calcite (carbonate de calcium).
Il y a lieu de constater qu’aux vues de la grandeur des coefficients des valeurs, la résine
glycérophtalique avec 2,51 est le composant qui impacte plus positivement sur la densité de la
peinture tandis que celui qui l’influence le moins est le pétrole.
Le facteur d’inflation de la variance (FIV) indique dans quelle mesure la variance (d’un
coefficient) est augmentée par les corrélations existant entre les prédicteurs du modèle. En
tenant compte de l’état du prédicteur avec : FIV égal à 1 ceci implique que les prédicteurs sont
non corrélés (moins problématiques), avec 1< FIV <5 les prédicteurs sont modérément corrélés
(moyennement problématiques) et afin avec un FIV > 5 les prédicteurs sont hautement corrélés
P a g e | 43
(plus problématiques). En comparant avec les valeurs de FIV trouvées dans le tableau ci-dessus,
on constate que tous les composants à savoir le pétrole avec 72,54, la résine avec 38,57, le titane
avec 26,29 et la calcite avec 15,18 ont des FIV au-delà de 5 concluant que les prédicteurs sont
hautement corrélés.
Nous avons constaté que l’apport bien plus élevé du solvant dans le modèle a fait en sorte que
la densité soit inférieure à 1. Cet important apport du solvant a rendu la dispersion de la peinture
difficile, nécessitant une augmentation de la proportion en lécithine de soja (n’a pas été fait).
Pour augmenter le R2 du modèle il faut diminuer les proportions de solvant.
L’écart type (S) est utilisé pour évaluer la capacité du modèle à décrire la réponse ; il représente
la distance entre les valeurs des données (R2) et les valeurs ajustées (R2 ajust). Plus S est petit
mieux le modèle décrit la réponse ; S est mesuré dans l’unité de la réponse (Minitab, 2020). Ce
modèle a un écart type (S) de 0,019 ; aux vues de sa faible valeur on peut affirmer que le modèle
décrit de façon favorable la réponse.
A cause des erreurs types des coefficients de la régression et des facteurs d’inflation de la
variance, on se réserve de commenter les coefficients de détermination ajustés et prévus.
Le tableau 19 suivant montre les coefficients de régression pour l’extrait sec en tenant compte
des proportions de composants des mélanges.
P a g e | 44
Les coefficients (coeff) du modèle mathématique ayant trait à l’extrait sec présentés dans le
tableau ci-dessus ont pour valeurs 14,40 pour le pétrole, 57,20 pour la résine glycérophtalique,
128,60 pour le dioxyde de titane et 14,40 pour la calcite (carbonate de calcium). Nous
constatons qu’aux vues de la grandeur des valeurs de coefficients, le dioxyde de titane avec
128,60 est le composant qui impacte plus positivement sur l’extrait sec de la peinture tandis que
ceux qui l’influencent le moins sont respectivement le pétrole et la calcite avec 14,40 du point
de vue statistique. Mais de façon pratique en tenant compte des notions de base sur la
formulation des peintures décrites au premier chapitre, le composant influençant le plus l’extrait
sec de la peinture est la charge ( la calcite pour le cas de ce travail).
Avec des erreurs type de : 17,50 pour le pétrole, 26,70 pour la résine, 28,20 pour le titane et
29,60 pour la calcite ; il y a lieu d’affirmer que le coefficient ayant le moins d’erreur possible
est celui du pétrole avec 17,50 tandis que celui de la calcite avec 29,60 a la marge d’erreur la
plus grande.
En comparaison avec les valeurs de FIV trouvées dans le tableau ci-dessus, on constate que
tous les composants à savoir le pétrole avec 72,54, la résine avec 38,57, le titane avec 26,29 et
la calcite avec 15,18 ont des FIV au-delà de 5 concluant que les prédicteurs sont hautement
corrélés , très problématiques pour une prévision cohérente du modèle.
Avec un coefficient de détermination (R2) égale à 49,25 %, le modèle est représentatif à 0,49.
Etant donné que l’extrait sec dépend essentiellement de la charge de façon pratique, il faudra
augmenter les proportions de la charge si on veut améliorer le R2 du modèle.
Ce modèle a un écart type (S) de 3,78 % ; aux vues de sa valeur on peut dire que le modèle
décrit la réponse de façon acceptable puisque le S a une valeur assez faible.
A cause des erreurs types des coefficients de la régression et des facteurs d’inflation de la
variance, on se réserve de commenter les coefficients de détermination ajustés et prévus.
P a g e | 45
3° Régression pour le pouvoir couvrant
Le tableau 21 montre les coefficients de régression pour le pouvoir couvrant en tenant compte
des proportions de composants des mélanges.
Les valeurs des coefficients (coeff) du modèle mathématique ayant trait au pouvoir couvrant
sont 10,12 pour le pétrole, -4,17 pour la résine glycérophtalique, 1,55 pour le dioxyde de titane
et la calcite (carbonate de calcium). Nous constatons que statistiquement le pétrole est le
composant ayant le plus grand coefficient à savoir 10,12, influençant plus positivement la
réponse tandis que la résine est celui qui l’influence le moins agissant à l’opposé des autres
composants avec un coefficient négatif de -4,17. Bien que l’analyse de la régression ait montré
que le composant qui impacte plus positivement sur le pouvoir couvrant de la peinture soit le
pétrole, de manière pratique c’est plutôt le dioxyde de titane qui augmente l’opacité ou le
pouvoir couvrant de la peinture, ceci justifie par les notions théoriques vues au premier chapitre.
Avec des erreurs type des coefficients (coef Er T) de : 1,71 pour le pétrole, 2,62 pour la résine,
2,77 pour le titane et 2,90 pour la calcite ; il y a lieu d’affirmer que le coefficient ayant le moins
d’erreur possible est celui du pétrole avec 1,71 tandis que celui de la calcite avec 2,90 a la marge
d’erreur la plus grande.
En comparaison avec les valeurs des facteurs d’inflation de la variance (FIV) trouvées dans le
tableau ci-dessus, on constate que tous les composants à savoir le pétrole avec 72,54, la résine
avec 38,57, le titane avec 26,29 et la calcite avec 15,18 ont des FIV au-delà de 5 concluant que
les prédicteurs sont hautement corrélés , très problématiques pour une prévision cohérente du
modèle.
P a g e | 46
Avec un coefficient de détermination (R2) de 54,64 %, le modèle est représentatif à 0,5464.
Ce modèle a un écart type (S) de 0,37 couche ; aux vues de sa valeur on peut dire que le modèle
décrit partiellement la réponse puisque le S a une valeur assez significative.
A cause des erreurs types des coefficients de la régression et des facteurs d’inflation de la
variance, on se réserve de commenter les coefficients de détermination ajustés et prévus.
Le tableau 23 montre les coefficients de régression pour le temps de séchage en tenant compte
des proportions de composants des mélanges.
Les coefficients (coeff) du modèle mathématique ayant trait au temps de séchage présentés
dans le tableau ci-dessus ont pour valeurs 1,43 pour le pétrole, 4,32 pour la résine
glycérophtalique, 3,92 pour le dioxyde de titane et 5,69 pour la calcite (carbonate de calcium).
Nous constatons statistiquement qu’aux vues de la grandeur des valeurs de coefficients, la
calcite avec 5,69 est le composant qui impacte plus positivement sur l’extrait sec de la peinture
tandis que celui qui l’influence le moins est le pétrole avec un coefficient de 1,43. Mais du point
vue pratique selon les notions théoriques liées aux liants, la résine glycérophtalique ayant pour
coefficient de 4,32 est le composant qui augmente le plus le temps de séchage de la peinture
puisqu’il est responsable du séchage chimique prend plus de temps que le séchage physique
influencé par le pétrole.
Avec des erreurs type des coefficients (coef Er T) de : 1,67 pour le pétrole, 2,56 pour la résine,
2,70 pour le titane et 2,83 pour la calcite ; il y a lieu d’affirmer que le coefficient ayant le moins
d’erreur possible est celui du pétrole avec 1,67 tandis que celui de la calcite avec 2,83 a la marge
d’erreur la plus grande.
P a g e | 47
En comparaison avec les valeurs des facteurs d’inflation de la variance (FIV) trouvées dans le
tableau ci-dessus, on constate que tous les composants à savoir le pétrole avec 72,54, la résine
avec 38,57, le titane avec 26,29 et la calcite avec 15,18 ont des FIV au-delà de 5 concluant que
les prédicteurs sont hautement corrélés , très problématiques pour une prévision cohérente du
modèle.
Ce modèle est faiblement représentatif puisque son coefficient de détermination (R2) est de
0,103. Cette faible valeur de R2 se justifie puisque la moyenne du temps de séchage est trop
faible et cela signifie que la qualité de la peinture n’est pas bonne. Pour augmenter le temps de
séchage et donc la qualité de la peinture ; il faudra augmenter les proportions du liant (Résine).
Ce modèle a un écart type (S) de 0,36 heure ; aux vues de sa valeur on peut dire que le modèle
décrit partiellement la réponse puisque le S a une valeur assez significative.
A cause des erreurs types des coefficients de la régression et des facteurs d’inflation de la
variance, on se réserve de commenter les coefficients de détermination ajustés et prévus.
P a g e | 48
Le tableau 25 qui suit, présente l’analyse de la variance de la densité, de l’extrait sec, du pouvoir
couvrant et du carbonate de calcium en fonction des proportions de composants.
Le logiciel utilisé dans ce travail utilise la valeur F pour calculer la valeur de p à partir des
degrés de liberté des modèles pour affirmer ou pas l’hypothèse nulle à 5 %. Une valeur de F
suffisamment élevée indique que le modèle est significatif, plus la valeur de F est élevée et plus
la valeur de p diminue. Moins élevée est la valeur de p par rapport au seuil de 0,05 mieux se
porte le modèle (Minitab, 2020).
Dans le tableau ci-haut, les modèles ayant trait à la densité (p = 0,145) et le temps de séchage
(p = 0,741) sont ceux qui sont statistiquement non significatifs au seuil de signification de 0,05.
Le seuil de signification de 0,05 indique qu'il existe un risque de 5 % de conclure à tort que le
coefficient n’est pas 0 et ces deux réponses le dépassent largement. Ceci se justifie par les
faibles coefficients de détermination de ces modèles.
P a g e | 49
Dans le même tableau ; l’extrait sec (p = 0,051) et le pouvoir couvrant (p = 0,029) sont les
facteurs statistiquement significatifs au seuil de signification de 0,05. Ces deux modèles
remplissent approximativement le seuil de signification de 0,05 qui indique qu'il existe un
risque de 5 % de conclure à tort que le coefficient n'est pas 0. Leurs coefficients de
détermination présentés confirment parfaitement l’hypothèse.
On utilise la droite de Henry des valeurs résiduelles afin de vérifier l'hypothèse selon laquelle
les valeurs résiduelles sont normalement distribuées. La droite de Henry des valeurs résiduelles
doit suivre approximativement une ligne droite. Et en nous rapportant à la figure ci-dessus, on
remarque que la droite de Henry ne suit pas approximativement une ligne droite, donc les
valeurs résiduelles ne sont pas normalement distribuées.
On utilise le diagramme des valeurs résiduelles en fonction des valeurs ajustées pour vérifier
l'hypothèse selon laquelle les valeurs résiduelles suivent une loi normale et ont une variance
constante. Dans l'idéal, les points doivent être répartis aléatoirement des deux côtés de 0, sans
schéma reconnaissable.
Le schéma correspondant n’est pas reconnaissable, les points sont repartis aléatoirement des
deux côtés de 0, l’hypothèse énoncée dans le paragraphe précédent est vérifiée.
P a g e | 50
3° Histogramme des valeurs résiduelles
On utilise le diagramme des valeurs résiduelles en fonction de l'ordre pour vérifier l'hypothèse
selon laquelle les valeurs résiduelles sont indépendantes. Les valeurs résiduelles indépendantes
ne présentent aucune tendance ou schéma lorsqu'elles sont affichées dans un ordre
chronologique.
La présence de schémas dans les points peut indiquer que les valeurs résiduelles qui sont
proches les unes des autres peuvent être corrélées, et ne sont donc pas indépendantes.
Idéalement, les valeurs résiduelles du graphique doivent être réparties de façon aléatoire autour
de la ligne centrale. Pour ce travail, l’idéal est observé, et il y’a des schémas dans les points,
donc les valeurs résiduelles peuvent être corrélées.
La figure 17 montre les diagrammes des valeurs résiduelles pour l’extrait sec.
Pour la droite de Henry, l’idéal est observé, il n’y a pas des points plus écartés de la ligne droite,
donc il n’y a pas des valeurs aberrantes ; les valeurs résiduelles sont normalement distribuées.
P a g e | 51
2° En fonction des valeurs ajustées
Le schéma correspondant n’est pas reconnaissable, les points sont repartis aléatoirement de
deux côtés de 0, les valeurs résiduelles suivent une loi normale et ont une variance constante.
Les barres de l'histogramme ne contiennent pas assez d'observations pour afficher l'asymétrie
ou les valeurs aberrantes de manière fiable, il faut au moins 20 observations pour bien analyser
l’histogramme.
La présence des schémas dans les points indique que les valeurs résiduelles qui sont proches
les unes des autres peuvent être corrélées et ne sont donc pas indépendantes.
La figure 18 montre les diagrammes des valeurs résiduelles pour le pouvoir couvrant.
Pour la droite de Henry, l’idéal n’est pas observé, il y a des points plus écartés de la ligne droite,
donc il y a des valeurs aberrantes ; les valeurs résiduelles ne sont pas normalement distribuées.
Le schéma correspondant est reconnaissable sous forme des droites, les points ne sont pas
repartis aléatoirement de deux côtés de 0, les valeurs résiduelles ne suivent pas une loi normale
et n’ont pas une variance constante.
P a g e | 52
3° Histogramme des valeurs résiduelles
La présence des schémas dans les points indique que les valeurs résiduelles qui sont proches
les unes des autres peuvent être corrélées et ne sont donc pas indépendantes.
La figure 19 montre les diagrammes des valeurs résiduelles pour le temps de séchage.
La droite de Henry des valeurs résiduelles, n’est pas approximée à une ligne droite, les
valeurs résiduelles ne sont pas normalement distribuées.
Le schéma correspondant n’est pas reconnaissable, les points sont repartis aléatoirement de
deux côtés de 0, les valeurs résiduelles suivent une loi normale et ont une variance constante.
Les barres de l'histogramme ne contiennent pas assez d'observations pour afficher l'asymétrie
ou les valeurs aberrantes de manière fiable.
La présence des schémas dans les points indique que les valeurs résiduelles qui sont proches
les unes des autres peuvent être corrélées et ne sont donc pas indépendantes.
P a g e | 53
IV.2.3 Optimisation des réponses
L’optimisation des réponses permet de donner les proportions qu’il faut pour chaque composant
susceptible de conduire le plus possible aux valeurs des cibles voulues. On a fait le choix des
critères d’évaluation (réponses) influençant le plus la qualité de la peinture ; à savoir la densité
et le pouvoir couvrant.
Les tableaux 26 et 27 suivants présentent les paramètres fixés en vue de l’optimisation des
réponses.
Pétrole = 0,45
Résine = 0,25
Titane = 0,2
Calcite = 0,1
La figure 20 qui suit, montre le diagramme des réponses optimisées selon les conditions fixées.
P a g e | 54
Au regard des conditions fixées ayant trait à la densité et au pouvoir couvrant d’une peinture
commercialisable, il y a lieu de conclure qu’aucune solution optimale n’a pu être trouvée
puisque la densité maximale est de moins de 1,25 et le pouvoir couvrant minimal est de plus de
3,9 couches.
Dans le tableau ci-dessus, il y a lieu de constater que la densité varie entre 1,24 et 1,39 et le
pouvoir couvrant entre une et deux couches. Seuls ces deux réponses feront l’objet de l’analyse
puisqu’ils sont les plus influents sur la qualité de la peinture.
Dans les lignes qui suivent il sera question d’essayer d’optimiser la densité et le pouvoir
couvrant par une analyse sur le logiciel Minitab.
Le tableau 29 montre les coefficients de régression pour la densité en tenant compte des
proportions de composants des mélanges.
P a g e | 55
Les coefficients (coeff) du modèle mathématique ayant trait à la densité présentés dans le
tableau ci-dessus ont pour valeurs 2,1 pour le dioxyde de titane, 0,14 pour le pétrole et un
coefficient imaginaire de la résine. Avec un coefficient de 2,01 le titane et la résine sont les
composant influençant le plus positivement la réponse (densité) du modèle tandis que le pétrole
tout en ayant comme coefficient de 0,14 est le composant le moins impactant sur la qualité de
la réponse.
Avec des erreurs type des coefficients (coef Er T) de : 0,14 pour le titane et 0,23 pour Le pétrole
; il y a lieu d’affirmer que le coefficient du composant ayant le moins d’erreur possible est celui
du dioxyde de titane avec 0,14 tandis que celui du pétrole avec 0,23 a la marge d’erreur la plus
grande.
En comparaison avec les valeurs des facteurs d’inflation de la variance (FIV) trouvées dans le
tableau ci-dessus, on constate que tous les composants à savoir le dioxyde de titane et le pétrole
avec 63,81 ont un FIV au-delà de 5 concluant que les prédicteurs sont hautement corrélés, très
problématiques pour une prévision cohérente du modèle.
Ce modèle a un écart type (S) de 0,02 ; aux vues de sa valeur on peut dire que le modèle décrit
la réponse de façon acceptable puisque le S a une valeur assez faible.
A cause des erreurs types des coefficients de la régression et des facteurs d’inflation de la
variance, on se réserve de commenter les coefficients de détermination ajustés et prévus.
P a g e | 56
2° Régression pour le pouvoir couvrant
Le tableau 31 montre les coefficients de régression pour le pouvoir couvrant en tenant compte
des proportions de composants des mélanges.
Les valeurs des coefficients (coeff) du modèle mathématique ayant trait au pouvoir couvrant
sont respectivement -3,80 pour le dioxyde de titane et 10,60 pour le pétrole. Nous constatons
que statistiquement le pétrole est le composant ayant le plus grand coefficient à savoir 10,60,
influençant plus positivement la réponse tandis que le dioxyde de titane est celui qui l’influence
le moins agissant à l’opposé des autres composants avec un coefficient négatif de -3,80. Bien
que l’analyse de la régression ait montré que le composant qui impacte plus positivement sur le
pouvoir couvrant de la peinture soit le pétrole, de manière pratique c’est plutôt le dioxyde de
titane qui augmente l’opacité ou le pouvoir couvrant de la peinture, ceci se justifie par les
notions théoriques vues au premier chapitre.
Avec des erreurs type des coefficients (coef Er T) de : 1,81 pour le titane et 3,00 pour Le pétrole
; il y a lieu d’affirmer que le coefficient du composant ayant le moins d’erreur possible est celui
du dioxyde de titane avec 1,81 tandis que celui du pétrole avec 3,00 a la marge d’erreur la plus
grande.
En comparaison avec les valeurs des facteurs d’inflation de la variance (FIV) trouvées dans le
tableau ci-dessus, on constate que tous les composants à savoir le dioxyde de titane et le pétrole
avec 63,81 ont un FIV au-delà de 5 concluant que les prédicteurs sont hautement corrélés, très
problématiques pour une prévision cohérente du modèle.
P a g e | 57
Le coefficient de détermination (R2) est de 75 %, et donc ce modèle est représentatif à 0,75. La
valeur importante du R2 est due à l’augmentation du dioxyde de titane qui joue un rôle
primordial sur l’opacité de la peinture.
Ce modèle a un écart type (S) de 0,32 couche ; aux vues de sa valeur on peut dire que le modèle
décrit partiellement la réponse puisque le S a une valeur assez significative.
A cause des erreurs types des coefficients de la régression (coef Er T) et des facteurs d’inflation
de la variance (FIV), on se réserve de commenter les coefficients de détermination ajustés et
prévus.
Une valeur de F suffisamment élevée indique que le modèle est significatif, plus la valeur de
F est élevée et plus la valeur de p diminue. Moins élevée est la valeur de p par rapport au seuil
de 0,05 mieux se porte le modèle (Minitab, 2020).
Dans le même tableau ; la densité (p = 0,014) et le pouvoir couvrant (p = 0,058) sont les facteurs
statistiquement significatifs au seuil de signification de 0,05. Ces deux réponses remplissent
approximativement le seuil de signification de 0,05 qui indique qu'il existe un risque de 5 % de
conclure à tort que le coefficient n'est pas 0. Ceci se justifie puisque les coefficients de
P a g e | 58
détermination de deux modèles sont assez élevés à savoir 89,89 % pour la densité et 75,00 pour
le pouvoir couvrant.
La figure 21 qui suit, montre les diagrammes des valeurs résiduelles pour la densité et le pouvoir
couvrant
La droite de Henry des valeurs résiduelles, n’est pas approximée à une ligne droite pour la
densité, les valeurs résiduelles ne sont pas normalement distribuées tandis que pour le pouvoir
ces points s’approchent à la formation d’une droite.
Les schémas correspondant ne sont pas reconnaissables, les points sont repartis aléatoirement
de deux côtés de 0, les valeurs résiduelles suivent une loi normale et ont une variance constante.
Les barres de l'histogramme ne contiennent pas assez d'observations pour afficher l'asymétrie
ou les valeurs aberrantes de manière fiable.
La présence des schémas dans les points indique que les valeurs résiduelles qui sont proches
les unes des autres peuvent être corrélées et ne sont donc pas indépendantes.
P a g e | 59
Les tableaux 34, 35, 36 et 37 présentent les paramètres fixés en vue de l’optimisation des
réponses.
Comp. prop
Titane = 0,40
Pétrole = 0,20
Titane = 0,40
Pétrole = 0,20
P a g e | 60
Figure 22 - Diagrammes d'optimisation des réponses du plan personnalisé
Et donc pour maximiser la densité, et minimiser le pouvoir couvrant, on obtient une seule
solution donnant la formulation selon les proportions suivantes : 40 % de résine ; 40 % de titane
et 20 % pétrole. Cette formule a pour densité de 1,384 et un pouvoir couvrant d’une couche.
La CPV exprime le degré de brillance d’une peinture selon les conditions qui ont été données
dans le tableau 6.
Le tableau ci-dessus montre que les CPV pour les deux optimums valent respectivement 36,47
% et 43,06 ; classant ainsi les deux formules au rang des peintures satinées brillantes et satinées
moyennes.
IV.4 Bilan économique
La plupart des matières premières ont été achetées à Kinshasa sauf le carbonate de calcium et
le pétrole lampant qui ont été achetés dans la ville de Lubumbashi. Les prix exposés ci-dessous
n’ont pas une précision adéquate pouvant être utilisée dans un business plan puisque ces réactifs
ont été commandés en petites quantités par l’intermédiaire d’une connaissance, sans se focaliser
sur les prix d’achat en grande quantité.
P a g e | 61
Etant donné que la plupart des industries de productions de peintures travaillent en termes de
quantité et non en termes de volumes ; nous avons converti tous les produits de base en unité
massique pour faciliter le calcul des prix.
Par calcul des masses des produits liquides, nous avons conclu que :
La peinture présentée dans cette partie est selon la formule optimisée de la deuxième application
du plan de mélanges sous contrainte étant donné que la première application n’a pas rempli
toutes les conditions recherchées.
Le tableau 40 présente les prix en franc congolais et en dollars américain pour produire 1050 g
de peinture soit 1,05 kg.
Ce tableau montre que pour produire environ 1 kg de peinture il faut une somme de 14 875,01
francs congolais. Tandis qu’en unité volumique, pour produire 1 litre de peinture il faut
19 546,65 francs congolais.
Etant donné que les peintures se trouvant sur le marché de la ville de Lubumbashi ont chacune
sa propre caractéristique en termes de densité et de pouvoir couvrant, il nous est impossible de
faire une comparaison de prix entre la formule trouvée dans ce travails et les formules
rencontrées dans les lieux de vente à Lubumbashi. Pour faire une comparaison des prix et
P a g e | 62
déterminer la rentabilité de notre peinture, il faudra faire une analyse économique en tenant
compte du coût de chaque composant utilisé dans ce travail.
Il est important de savoir que le prix de vente d’une peinture est influencé par les proportions
de constituants les plus coûteux pendant le processus de sa fabrication. D’où la justification des
prix mentionnés ci-dessus, puisque la formule contient environ quatre-vingt pourcents des liant
et pigments.
P a g e | 63
CONCLUSION GENERALE
Dans ce travail, il était question de mener une étude d’optimisation d’une formule de peinture
en tenant compte de divers critères d’évaluation de la peinture, entre autres la densité, le pouvoir
couvrant, le temps de séchage et l’extrait sec. L’étude a été menée au laboratoire de Chimie-
Physique. L’optimisation des réponses a été portée essentiellement sur deux critères
d’évaluation, considérés comme les plus influents sur la qualité de la peinture. Pour y arriver,
deux applications du plan sous contraintes ont été associées à l’étude dont le premier avec 15
expériences et le second avec 5 expériences ont été effectuées. Ces dernières ont été conçues
de manière à répondre à une matrice orthogonale. Celle-ci permet en fait de dresser une liste
d'essais dans différentes conditions expérimentales. Chaque critère préétabli est alors vérifié
dans diverses situations.
La méthode des plans de mélanges donne en fait une technique de traitement mathématique
permettant de déterminer les paramètres optimaux. Cette méthode vise à regrouper les mêmes
composants et à effectuer une moyenne de leurs critères d’évaluation. Ces données sont, par la
suite, placées sous forme graphique.
Quatre composants ont été ciblés dans cette analyse. Il s’agit des proportions de la résine
glycérophtalique, du dioxyde de titane, du carbonate de calcium et du pétrole lampant. A ces
quatre composants ont été ajoutés quatre additifs en dehors du plan de mélange, n’ayant pas fait
l’objet d’un sondage dans cette étude.
Le traitement statistique des résultats de ces essais en tenant compte de la seconde application
montre que la résine et le dioxyde de titane sont les composants les plus influents.
L’outil de prévision des résultats a révélé que les meilleures conditions pour atteindre
globalement nos cibles sont : la résine glycérophtalique à 40 %, le dioxyde de titane à 40 % et
le pétrole lampant à 20 %. Ces conditions correspondant à l’essai N°2 (voir tableau 15) du
second plan de mélanges sous contraintes permettent d’obtenir une densité de 1,3840, un
pouvoir couvrant d’une couche et une concentration pigmentaire volumique de 43,06.
Au vu des résultats obtenus, nous disons que l’objectif a été atteint comparativement aux
valeurs de référence d’une peinture de qualité commerciale (la densité située entre 1,2 - 1,5 et
le pouvoir couvrant d’une à deux couches au maximum). Nous proposons aux futurs chercheurs
intéressés par la formulation au plan des mélanges de pouvoir améliorer la première application
de ce travail en vues d’ajuster efficacement les modèles mathématiques.
P a g e | 64
BIBLIOGRAPHIE
Abdelkader, B. (2013). Elaboration des revêtements antisalissure marins à base de
tensioactifs perfluorés: synthèse, étude physicochimique et applications. thèse.
Université d'Oran.
Bernard. (2005). Plan d'expériences de Taguchi. Article. Paris: Adventure works press.
Hayen-Ghez, A. (2015). Caractérisation des pigments sur les peintures de chevalet par les
méthodes optiques non-invasives. thèse. Université de Cergy Pontoise.
Laout, J. (2015). Elaboration de formulation : formulations des peintures, mise en œuvre des
polymères utilisés. article. Techniques de l'Ingénieur.
Louiza, G. (2019). Rôle de l'agent mouillant dans la fabrication d'une peinture vinylique.
Mémoire. Université Akli Mohand Oulhadj-Bouira_Institut de Technologie.
P a g e | 65
Meziane, Z. (2012). Modélisation de la réponse d'un capteur à peroxyde d'hydrogène par les
plans d'expériences. Maitrise. Algérie: Université de Bejaia.
Minitab, A. (2020). Analyse de la variance pour la fonction ANOVA. Récupéré sur Minitab:
support.minitab.com
Oléron. (2022). Usine de production de peintures sécurisée. Récupéré sur Oléron STP:
www.oleronstp.fr
U.E. (2010). Rapport fixant limitation des produits en teneur de COV. Article. European
Edition.
Zo, H. R. (2018). Etude et essai de fabrication d’une peinture à l’eau en utilisant le procédé
de la géo polymérisation. maitrise. Université d'Antananarivo.
P a g e | 66
Les annexes
P a g e | 67
ANNEXES
Annexe 1 : Ensemble d’éléments ayant conduits au calcul de volume de la matière pulvérulente.
Le tableau I qui vient présente le volume des pulvérulents calculés sur Excel, qui ont permis de
trouver les concentrations pigmentaires volumiques de deux applications du plan de mélanges
sous contraintes. Tableau I - Calculs des volumes de pulvérulents
Application 1
Réactifs Masse (kg) Masse vol (kg/L) Volume (L) Vol pulv (L)
Pétrole 0,045 0,770 0,058 -
Résine 0,025 1,550 0,016 -
Titane 0,020 3,600 0,006
Calcite 0,010 2,700 0,004 0,009
Application 2
Réactifs Masse (kg) Masse vol (kg/L) Volume (L) Vol pulv (L)
Pétrole 0,020 0,770 0,026
Résine 0,040 1,550 0,026
Titane 0,040 3,600 0,011 0,011
Annexe 2 : Mini étude statistique des travaux orientés en métallurgie et dans d’autres secteurs.
Le tableau 42 qui vient présente le pourcentage des travaux consultés à la bibliothèque de la
faculté Polytechnique (département de Chimie Industrielle) visant soit la métallurgie chimique
soit les autres domaines de la chimie industrielle comme discipline. Ces travaux ont été pris en
échantillons de 15 thématiques en considérant trois années, soit 2018, 2019 et 2020. En 2018
sur 15 travaux, 13 avaient une thématiques orientées vers la métallurgie ; en 2019 sur 15, 14
travaux et en 2020 sur 15 travaux, 12 orientés en métallurgie Chimique. Ces calculs ont été
effectués sur le logiciel Excel.
Tableau II - Pourcentage des travaux focalisés en métallurgie chimique et ceux des
autres domaines
Années Métallurgie (%) Autres domaines (%)
2018 86,7 13,3
2019 93,3 6,7
2020 80 20
Aux vues de ce tableau, nous constatons que la majorité des travaux ce sont focalisés
essentiellement en métallurgie ces dernières années, laissant ainsi les autres secteurs orphelins
du progrès.
P a g e | 68