Académique Documents
Professionnel Documents
Culture Documents
-d’améliorer le rendement
-d’assurer la qualité de la production
-de mettre au point de nouveau produits plus performant
-de régler au mieux appareils et unités
L’efficacité de chaque plan sera évaluée par l’incertitude sur les poids
pi. Le plan le plus efficace sera celui qui nous donnera la valeur des poids des
trois objets avec l’incertitude la plus faible.
I.1.b.premier plan de pesée
Ce premier plan est décrit dans le tableau, dans lequel chaque ligne décrit
une pesée Objet Objet Objet poids
1 2 3
Pesée 0 0 0 y1
1
Pesée 1 0 0 y2
2
Pesée 0 1 0 y3
3
Pesée 0 0 1 y4
0 : objet n’est sur aucun plateau 4
1 : objet sur le plateau de droite
y : poids placé sur le plateau de gauche pour établir l’équilibre.
L’état de la balance pour la pesée n°3 est schématisé par :
2
Pour le réglage de zéro, nous avons pesé un objet fictif de poids p0, nous
pouvons donc écrire :
p0 = y1
p0 + p1 = y2 p1 = y2 - y1
p0 + p2 = y3 p2 = y3 - y1
p0 + p3 = y4 p3 = y4 - y1
Appelons pi, l’incertitude sur le poids pi. pi est proportionnel à la racine
carré de la variance Var(pi) soit :
pi = Var(pi)
Les pesées sont indépendantes les unes des autres. Si nous supposons la
variance sur les pesés constante et égale à Var(y) et chacun des poids étant
la différence de deux pesées nous obtenons :
Var(pi) = 2 Var(y) i
Ce premier plan de pesée nous a fourni les poids de trois objets (la
moindre des choses) et son efficacité est : [2 Var(y)].
I.1.c.deuxième plan de pesée
La stratégie choisie consiste à peser deux par deux les objet après avoir
« fait le zéro de la balance ».
Objet Objet Objet poids
1 2 3
Pesée 0 0 0 y1
1
Pesée 1 1 0 y2
2
Pesée 1 0 1 y3
3
Pesée 0 1 1 y4
4
1 2
p0 = y1
p0 + p1 + p2 = y2 p1 = ½ (y2 + y3 – y1 – y4)
p0 + p1 + p3 = y3 p2 = ½ (y2 + y4 – y1 – y3)
p0 + p2 + p3 = y4 p3 = ½ (y3 + y4 – y1 – y2)
La variance a pour expression : Var(pi) = ¼ [4Var(y)] = Var(y)
Le deuxième plan de pesée a fourni les poids des trois objets avec
une efficacité de Var(y).
Ce plan est donc plus efficace que le précédent puisque l’incertitude
sur les poids est divisée par 2.
I.1.d.troisième plan de pesée
Une autre stratégie est possible, elle consiste à peser les trois objets
ensemble, puis à mettre successivement chacun dans le plateau opposé.
Objet Objet Objet poids
1 2 3
Pesée 1 1 1 y1
1
Pesée -1 1 1 y2
2
Pesée 1 -1 1 y3
3
Pesée 1 1 -1 y4
4
1 : objet sur le plateau de droite
-1 : objet sur le plateau de gauche
L’état de la balance pour la pesée n° 3 est schématisé par :
2 1 3
p0 + p1 + p2 + p3 = y1 p1 = ½ (y1 – y2)
p0 - p1 + p2 + p3 = y2 p2 = ½ (y1 – y3)
p0 + p1 – p2 + p3 = y3 p3 = ½ (y1 – y4)
p0 + p1 + p2 - p3 = y4
Le troisième plan de pesée a fourni les poids des trois objets et l’efficacité
du plan vaut : Var(y)/2.
2 3 1
Nous pouvons écrire les quatre relations suivantes :
X1 = X2 =
x1i x2i
x1k x2k
k
Se traduit par l’égalité : x1i x2i = 0
1
L’orthogonalité de la matrice est une propriété importante qui
permet des calculs plus faciles, l’indépendance des estimations. Seule, la
matrice du quatrième plan de pesées est orthogonale.
X’X = I N
Où :
• X’ est la matrice transposée de X
• I est la matrice unité
• N est le nombre d’expériences
1 1 1 1 1 1 1 1
1 -1 -1 1 1 -1 1 -1
X= X’ =
1 1 -1 -1 1 -1 -1 1
1 -1 1 -1 1 1 -1 -1
4 0 0 0
0 4 0 0
X’X = ; X’X = 4 I
0 0 4 0
0 0 0 4
1 1 1 -1 -1 1
N = 2; X = 1 -1 1 1 -1 -1
N = 4; X =
1 -1 1 -1
1 1 1 1
Le plan optimal sera le plan pour lequel la valeur la plus grande sur
la diagonale de (X’X) -1 sera la plus faible possible. Notons que, si un plan
est décrit par une matrice d’Hadamard, il satisfait aux trois autres critères.
I.3.f. classement des plans
Les critères que nous venons d’énoncer permettent de classer les
plans d’expériences par ordre d’efficacité.
Var(y)/N Variance des effets
Réponse : grandeur que l’on mesure pour connaître l’effet des facteurs sur
le système. La réponse est généralement notée Y.
De nombreux paramètres liés aux matières premières, aux
conditions opératoires peuvent faire varier le rendement ou le point de
congélation.
Exemple :
Niveau -1 Niveau +1
Solvant S1 S2
Taux de solvant 2 vol/vol 3 vol/vol
température -15 °C -20 °C
y2 -
y2 – y1 : effet global
y1 -
(y2 – y1)/2 : effet moyen
-1 +1
Le calcul d’un effet ou d’une interaction est basé sur des résultats de
mesure expérimentale portant sur la réponse (y1 et y2). L’écart observé
entre y2 et y1 est-il dû uniquement aux erreurs de mesures ? On répond à
cette question par des tests statistiques.
• si oui, nous dirons que le facteur X n’influe pas sur la réponse Y.
• si non, nous dirons que le facteur X est un facteur influent sur la
réponse, ou significatif.
II.1.e. démarche préliminaire à une recherche expérimentale
planifiée
• Faire le plan.
X1 X2
Essai1 -1 -1
Essai2 +1 -1
Essai3 -1 +1
Essai4 +1 +1
Essai3 +1 Essai4
-1 +1
Essai1 -1 Essai2
- si k = 3, nous obtenons un cube dont les huit sommets figurent les huit
essais du plans.
6 8
2 4
5
X1 7
1 3 X3
X2
II.2.c. optimalité
II.3. PLANS 22
température concentration
Essai1 -1 -1
Essai2 +1 -1
Essai3 -1 +1
Essai4 +1 +1
Niveau -1 50 °C 20 g/l
Niveau +1 100 °C 30 g/l
Après avoir effectué les quatre essais dans les conditions indiquées,
nous reportons les résultats obtenus.
température concentration Rendement %
Essai1 -1 -1 70
Essai2 +1 -1 85
Essai3 -1 +1 75
Essai4 +1 +1 90
75 - 75 -
*
70 - * 70 - *
-1 0 +1 T -1 0 +1 T
-1 0 +1 C -1 0 +1 C
Niveau -1 Niveau +1
Catalyseur Type 1 Type 2
Eau Présent Non présent
Cet exemple permet de voir que les facteurs étudiés peuvent être
qualitatifs. Les résultats expérimentaux du plan 22 sont les suivant :
L’effet moyen d’un facteur sur la réponse est obtenu par : la somme
algébrique de chaque valeur de la réponse affectée du signe correspondant
dans la colonne du facteur divisée par le nombre d’essai.
calcul de l’interaction
½(31 - 25)
½(38 - 24)
L’interaction globale est définie par la différence de ces deux valeurs :
REMARQUE :
La colonne « interaction » s’obtient en multipliant ligne à ligne les
colonnes des deux facteurs (catalyseur – eau).
Type 2
31 38
Oui Non
Eau
25 24
Type 1
X1 X2 X1 X 2 moyenne
essai 1 -1 -1 +1 +1
essai 2 +1 -1 -1 +1
essai 3 -1 +1 -1 +1
essai 4 +1 +1 +1 +1
Dans la matrice des effets, les colonnes dédiées aux interactions s’obtiennent
en effectuant le produit ligne à ligne des colonnes des facteurs concernés.
La matrice des effets permet d’obtenir seize informations qui portent sur :
•les effets de chaque facteur ; X1 ; X2 ; X3 ; X4 ; au nombre de quatre,
•les interactions du 1er ordre : X1 X2 ; X1 X3 ; X1 X4 ; X2 X3 ; X2 X4 ; X3X4 ;
au nombre de six
•les interactions du 2ème ordre : X1 X2 X3 ; X1 X2 X4 ; X1 X3X4 ; X2X3X4 ; au
nombre de quatre
•interaction du 3ème ordre : X1 X2 X3 X4 au nombre de un
X1 X2 X3 X4 X1 X2 X1 X3 X1 X4 X2 X3 X2 X4 X3 X4 X1 X2 X3 X1 X2 X4 X1 X3X4 X2 X3 X4 X1 X2 X3 X4 M
oy
1 - - - - + + + + + + - - - - + +
2 + - - - - - - + + + + + + - - +
3 - + - - - + + - - + + + - + - +
4 + + - - + - - - - + - - + + + +
5 - - + - + - + - + - + - + + - +
6 + - + - - + - - + - - + - + + +
7 - + + - - - + + - - - + + - + +
8 + + + - + + - + - - + - - - - +
9 - - - + + + - + - - - + + + - +
10 + - - + - - + + - - + - - + + +
11 - + - + - + - - + - + - + - + +
12 + + - + + - + - + - - + - - - +
13 - - + + + - - - - + + + - - + +
14 + - + + - + + - - + - - + - - +
15 - + + + - - - + + + - - - + - +
16 + + + + + + + + + + + + + + + +
En général, à k facteurs, le plan comporte N = 2k expériences qui
permettent d’obtenir 2k informations suivantes :
- la moyenne
- les k effets des facteurs
N° des essais 1 2 3 4 5 6 7 8
Déformation (mm) 2 1 4 3 7 2 5 6
1 +1 -1 -1 -1 +1 +1 +1 -1 2
2 +1 +1 -1 -1 -1 -1 +1 +1 1
3 +1 -1 +1 -1 -1 +1 -1 +1 4
4 +1 +1 +1 -1 +1 -1 -1 -1 3
5 +1 -1 -1 +1 +1 -1 -1 +1 7
6 +1 +1 -1 +1 -1 +1 -1 -1 2
7 +1 -1 +1 +1 -1 -1 +1 -1 5
8 +1 +1 +1 +1 +1 +1 +1 +1 6
8 8 8 8 8 8 8 8
Le modèle s’écrit :
Y 3,75 0,75 X1 0,75 X 2 1,25 X 3 0,75 X12 0,25 X13 0,25 X 23 0,75 X123
Tableau des réponses moyennes
X1 X2 X3
2475
4,5
Niveau -1 4 3 2,5
Niveau +1 3 4,5 5
6 5
4,5
5 X1=-1
4
4 3,5
3
3 2,5
X1=+1
X1 X2 2
2 X3 1,5
1 1
0,5
0 0
-1 +1 -1 +1 -1 +1 -1 +1
Ainsi par exemple, pour une étude à cinq facteurs le plan complet
propose 32 expériences, alors que nous ne sommes intéressé que par 16
informations :
• effet des facteurs au nombre de cinq
• interactions du 1er ordre au nombre de dix
• la moyenne unique
1 -1 -1 +1
1 +1 -1 -1 +1
2 +1 -1 -1
2 +1 +1 -1 -1 AB = C
3 +1 -1 +1 -1 3 -1 +1 -1
4 +1 +1 +1 +1 4 +1 +1 +1
z1 y2 - y3 z4 - y1 z6 z7 y4
a' 23 on remarque alors que
8 a1=a’1+a’23
a1 obtenu avec le plan fractionnaire n’est pas un effet pur, d’où :
Exp I A B C AB AC BC ABC
A = CB a1 = a'1+a'23 1 +1 -1 -1 -1 +1 +1 +1 -1
2 +1 +1 -1 -1 -1 -1 +1 +1
B = CA a2 = a'2 + a'13
3 +1 -1 +1 -1 -1 +1 -1 +1
C = AB a3 = a'3 + a'12 4 +1 +1 +1 -1 +1 -1 -1 +1
5 +1 -1 -1 +1 +1 -1 -1 +1
6 +1 +1 -1 +1 -1 +1 -1 -1
7 +1 -1 +1 +1 -1 -1 +1 -1
8 +1 +1 +1 +1 +1 +1 +1 +1
III.2.a. aliases
• 4 effets principaux,
• 6 interactions 1er ordre,
• 4 interactions 2ème ordre,
• 1 interaction 3ème ordre,
• 1 moyenne.
X1 X2 X3 X4
1 - - - -
2 + - - +
3 - + - +
4 + + - -
5 - - + +
6 + - + -
7 - + + -
8 + + + +
X 4 = X 1 X2 X3
- Dans la colonne 1 nous avons le facteur X1. Avec quel effet est - il
aliasé ?
I = X 1 X 2 X3 X4
X1 I = X 1 X 1 X2 X3 X4
X1 = IX2X3X4 car X1X1 = I
X1 = X 2 X3 X4
X1 = température
Domaine expérimental :
X2 X3 X 4 X1 X3 X4 X1 X2 X4 X1 X2 X 3 X3 X4 X1 X4 X2 X4 X1 X2 X3 X4
X1 X2 X3 X4 X1 X2 X2 X3 X1 X3 I Y
1 - - - - + + + + 61
2 + - - + - + - + 78
3 - + - + - - + + 72
4 + + - - + - - + 29
5 - - + + + - - + 81
6 + - + - - - + + 61
7 - + + - - + - + 33
8 + + + + + + - + 68
Conclusion :
Remarque : ces huit essais constituent une moitié du plan complet à quatre
facteurs 24 = 16 essais. Les huit autres expériences restantes forment
également un plan 24-1. C’est le plan complémentaire du précédant. Il est
défini par l’aliase : X4 = - X1X2X3.
Lorsqu’on ne peut pas conclure à l’issue du premier plan, nous
avons la possibilité de poursuivre le plan complémentaire.
III.3. PLANS FRACTIONNAIRES 25-2 POUR L’ÉTUDE DE CINQ
FACTEURS
III.3.a. présentation de l’exemple
La matrice des effets utilisée est celle d’un plan 23. Nous plaçons X1 ; X2
et X3 dans les trois premières colonnes et comme précédemment pour :
- le facteur X4 la colonne de l’interaction X1 X2 X3
- le facteur X5 est placé dans la colonne de l’interaction X1 X2
Ce choix conduit à la matrice d’expérience suivante :
X1 X2 X3 X4 X5
1 - - - - +
2 + - - + -
3 - + - + -
4 + + - - +
5 - - + + +
6 + - + - -
7 - + + - -
8 + + + + +
Il faut donc définir les aliases du plan, pour placer 32 effets dans huit
colonnes
Déterminer les générateurs d’aliases :
- Choix 1 : X4 = X1 X2 X3 I = X1 X2 X3 X4
- Choix 2 : X5 = X1 X2 I = X1 X2 X5
A chacun des deux choix initiaux correspond un générateur d’aliases
indépendant. Les générateurs d’aliases dépendant sont obtenus par
multiplication des générateurs indépendant 2 à 2 ou 3 à 3. Dans notre cas il
y a un seul générateur dépendant.
I = I x I = (X1 X2 X3 X4) (X1 X2 X5) = X3 X4X5
1 2 3 4 5 6 7 8
X1 X2 X3 X1 X2
X1 X2 X3 X4 X5 X2 X3 X1 X3 I
1 - - - - + + + +
2 + - - + - + - +
3 - + - + - - + +
4 + + - - + - - +
5 - - + + + - - +
6 + - + - - - + +
7 - + + - - + - +
8 + + + + + + - +
Pour obtenir la signification complète d’une colonne nous multiplions le
facteur ou interaction par tous les générateurs d’aliases.
Exemple : colonne 1
X1 I = X1(X1 X2 X3 X4) = X2 X3 X4
X1 I = X1(X1 X2 X5) = X2 X5
X1 I = X1(X3 X4 X5) = X1 X3 X4 X5
Donc, dans la colonne 1, le contraste h1 s’écrit par ordre
d’interaction croissant:
h1 = X1 + X2 X5 + X2 X3 X4 + X1 X3 X4 X5
De même:
h2 = X 2 + X 1 X 5 + X 1 X 3 X 4 + X 2 X 3 X 4 X 5
h3 = X 3 + X 4 X 5 + X 1 X 2 X 4 + X 1 X 2 X 3 X 5
h4 = X 4 + X 3 X 5 + X 1 X 2 X 3 + X 1 X 2 X 4 X 5
h5 = X 5 + X 3 X 4 + X 1 X 2 + X 1 X 2 X 3 X 4 X 5
h6 = X 2 X 3 + X 1 X 4 + X 1 X 3 X 5 + X 2 X 4 X 5
h7 = X1 X3 + X2 X4 + X2 X3 X5 + X1 X4 X5
h8 = moy + X1X2X5 + X3 X4 X5 + X1 X2 X3 X4
les huit contrastes contiennent au total 32 effets :
- cinq effets principaux des facteurs
- dix interactions de 1er ordre
- dix interactions du 2ème ordre
- cinq interactions de 3ème ordre
- une interaction de 4ème ordre
- moyenne
h1 = X1 + X 2 X5
h2 = X2 + X 1 X5
h3 = X3 + X 4 X5 il nous parait possible d’obtenir des
h4 = X4 + X 3 X5 résultats intéressant, nous réalisons le
h5 = X5 + X 3 X4 + X 1 X2 plan suivant.
h6 = X 2 X3 + X 1 X4
h7 = X 1 X3 + X 2 X4
h8 = moy
III.3.c. exploitation des resultats
1 2 3 4 5 6 7 8
X2 X5 X 1 X5 X4 X5 X3 X5 X3 X4 X1 X4 X2 X4
X1 X2
X1 X2 X3 X4 X5 X2 X3 X1 X3 I Y
1 - - - - + + + + 17,9
2 + - - + - + - + 19,5
3 - + - + - - + + 12,8
4 + + - - + - - + 22,1
5 - - + + + - - + 16,5
6 + - + - - - + + 20,0
7 - + + - - + - + 14,1
8 + + + + + + - + 21,2
La précision des mesures sur la réponse est de 0,3. Donc h3, h6, et h7
sont non significatifs, par contre h1, h2, h4, et h5 sont significatifs. h1 et h5
montrent que X1 et X5 sont influents mais X1 X5 ne peut être éliminé.
X4 = X1 X2 X3 et X5 = - X1 X2
X4 = - X1 X2 X3 et X5 = X1 X2
X4 = - X1 X2 X3 et X5 = - X1 X2
X4 = X1 X2 X3 X4 = X1 X2 X3
X5 = X1 X2 X5 = - X1 X2
X4 = -X1 X2 X3 X4 = - X1 X2 X3
X5 = X1 X2 X5 = - X1 X2
Quel plan complémentaire choisir ? le problème vient du fait que X1X5 et
X2 sont influent et sont aliasés avec leur interaction dans les contrastes :
h1 = X 1 + X 2 X 5
h2 = X 2 + X 1 X 5
h5 = X5 + X3 X4 + X1 X2
h1 ’ = X 1 - X 2 X 5
h2 ’ = X 2 - X 1 X 5
h5 ’ = X 5 - X 3 X 4 - X 1 X 2
•Générateur indépendant :
I = X 1 X2 X3 X4 ; I = - X1 X2 X5
•Générateur dépendant :
I = - X3 X4 X5
I = X 1 X2 X 3 X4 ; I = - X1 X2 X5 ; I = - X3 X4 X5
X1 X2 X3 X4 X5
1 - - - - -
2 + - - + +
3 - + - + +
4 + + - - -
5 - - + + -
6 + - + - +
7 - + + - +
8 + + + + -
La matrice des effets complémentaire est la suivante :
1 2 3 4 5 6 7 8
1 - - - - - + + + 12,6
2 + - - + + + - + 24,2
3 - + - + + - + + 17,0
4 + + - - - - - + 17,6
5 - - + + - - - + 13,3
6 + - + - + - + + 23,3
7 - + + - + + - + 18,0
8 + + + + - + - + 17,1
Le calcul des contrastes donne :
h1 ’ = + 2,7
h2 ’ = - 0,5 Vérifions que:
h3’ = 0 h6 ’ = h6
h4 ’ = 0 h7 ’ = h7
h5 ’ = + 2,7 h8 ’ = h8
h6 ’ = + 0,1
h7 ’ = - 0,4
h8 ’ = + 17,9
Représentation graphique :
X2
18 22,1
17 21,2
14,1 17,6
12,8 17,1
X1
17,9 24,2
16,5 23,3
13,3 20,0
12,6 19,5
Chaque sommet du carré, représente quatre résultats qui sont divisé en
deux groupes de deux.
- les deux résultats les plus élevés ont été obtenus avec X5 au niveau +1.
- les deux résultats les moins élevés ont été obtenus avec X5 au niveau -1.
Quand X1 est niveau -1, X2 n’influe pas sur la réponse. Quand X1 est niveau
+1, X2 a une influence sur la réponse. La sensibilité est meilleure quand X2
est niveau -1. Pour améliorer la sensibilité de l’appareil, nous avons donc
intérêt de fixer :
- X5 est niveau +1
- X1 est niveau +1
- X2 est niveau -1
Résumé :
Nous avons réalisé 16 essais pour conclure cette étude. Ces essais
constituent la moitié du plan factoriel 25.
Les contrastes ont été calculés au moyen de 16 résultats de mesure.
Leur variance est var(h) = var(y)/16.
CHAPITRE III : MODELISATION ET OPTIMISATION
I. MODELISATION
I.1.PRINCIPES GÉNÉRAUX
Les facteurs influents, X1, X2 et … Xk étant connus, nous cherchons à
représenter par une équation mathématique les variations de la réponse Y
en fonction de ces facteurs.
L’interet d’ une telle équation est de :
Y = a0 + a1T + a2P
Le nombre minimal des essais à effectuer est égal au nombre des inconnues
ai .ce nombre augmente rapidement avec le degré du polynôme et k le
nombre de facteurs.
Y = a0 + a1 X1 + a2 X2 + ---- + ak Xk
Y = a0 + a1 X1 + a2 X2 + --- + ak
Niveau -1 150 15
Niveau 1 200 5
- effet moyen X2 ; h2 = + 5
- moyenne ym = 32
Donc on a : a1 = h1; a2 = h2 ; et a0 = ym
Y = 32 + 2,5 X1 + 5,0 X2
X1 X1 Y
1 0 0 31
2 0 0 32
Niveau 0 175 10
La brillance observée est Y = ½(31 + 32) = 31,5
La brillance estimée est Y = 32 + 2,5 x 0 + 5 x 0 = 32
Sans l’aide des tests statistiques, le modèle est considéré comme valide et
nous décrirons les variations de Y dans le domaine expérimental exploré
par :
Y = 32 + 2,5 X1 + 5,0 X2
I.2.d. exploitation du modèle
X = (A – A0)/pas
- calculons A0 :
- Appliquons la relation :
Pour cet exemple, la vitesse de 90 Km/h est donc égale à – 0,5 en variables
codées
Les essais complémentaires sont représentés sur chaque axe des facteurs
par des points situés à une distance du centre de domaine (points en
étoile).
Ces nouveaux essais (NA) doivent constituer avec les précédents un plan
optimal.
X1 X2
- -
+ - NF = 22 = 4
Points du plan
- + factoriel
+ +
0 0
0 0 N0 = 2 + 2 = 4
0 0 Points au centre
0 0
- 0
+ 0 NA = 2 X 2 = 4
Points étoile
0 -
0 +
• pour k = 3
X1 X2 X3
- - -
+ - -
- + -
NF = Points du
+ + -
plan factoriel
- - + Complet 23
+ - +
- + +
+ + +
0 0 0
N0 = 2 + 2 = 4
0 0 0
Points au centre
0 0 0
0 0 0
- 0 0
+ 0 0
0 - 0 NA = 2 X 3 = 6
Points étoile
0 + 0
0 0 -
0 0 +
Le modèle du 2ème degré à deux variables s’écrit :
12 0 0 0 4 + 22 4 + 22
0 4 + 22 0 0 0 0
4 + 22 0 0 0
4 0 0
4 + 22 4
4 + 22
X’X est une matrice symétrique avec trois éléments de la demi matrice situé
hors de la diagonale sont non nuls. Il n’y a aucune valeur de qui puisse
rendre cette matrice diagonale.
= NF1/4
I.3.c. exemple
Y = a0 + a1 X1 + a2 X2
X1 X2 Y
1 - - 75
2 + - 71
3 - + 102
4 + + 83
Niveau -1 0,71 643
Niveau +1 1,79 857
L’exploitation de ce plan :
- Moyenne y : y = 82,75
Validité du modèle :
Les résultats des expériences au centre du plan factoriel sont les suivant :
essais X1 X2 Y
5 0 0 76
6 0 0 72
Sachant que l’incertitude sur une mesure est de 5, nous pouvons
déterminer l’intervalle de confiance à 95 % pour la moyenne de ces
résultats par la formule :
NF = 22 = 4 ; N0 = 2 + 2 ; NA = 2 x 2 = 4 ; donc = 1,4
Les effets étant fonction des résultats de mesures, nous nous intéressons
d’abord à la variance des mesures.
De plus, nous admettons que la variance des mesures est la même en tout
point du domaine expérimental.
S’il n’est pas ainsi, il faudrait trouver une transformation mathématique qui
assure cette propriété.
Exemple :
Mesurer la réponse en utilisant une méthode bien connue qui s’appuie sur la
dispersion des mesures caractérisée par :
- à titre de vérification.
Le plan doit prévoir des répétitions. Nous allons voir sur deux exemples les
deux choix les plus courant.
si2 =
y i1
2
yi yi 2 yi
2
1
En remplaçant yi par sa valeur yi1 yi 2 , on obtient :
y y 2
s 2 i1 i 2 i
d 2
2 i
2 2
Chaque estimation si2 est obtenue avec i = 1 degré de liberté (ddl).
s 2 s ... N s
2 2 2 s 2
i
s2 1 1 2 N
i 1
1 2 ... N N
X1 X2 Y Y
Essai 1 -1 -1 172 177
Essai 2 +1 -1 148 142
Essai 3 -1 +1 78 73
Essai 4 +1 +1 170 165
Résultats de l’estimation s2 de la variance :
i di s2i
1 5 12,5
2 6 18,0
3 5 12,5
4 5 12,5
2
0
1 3
2 i 1
s y0 i y0
2
y i
h i 1
N
Les résultats de mesure sont des variables aléatoires indépendantes
donc h est une variable aléatoire et la variance s’écrit :
N
Var (h) Var ( yi ) / N 2
i 1
• test de Student
Connaissant la variance des contrastes, nous pouvons juger de leur
signification par un test de Student. Ce test s’applique à une variable
aléatoire normale. Chaque contraste h étant une moyenne de N résultat de
mesure, avec N = 4 ; 8 ; 16 ; ----.
Nous distinguons deux cas :
(h 2(h) = h 2/N).
Si cet intervalle contient 0, alors h est jugé non significatif. Il est déclaré
significatif dans le cas contraire avec un risque d’erreur inférieur à 5 %.
Exemple : Considérons 22 le plan suivant :
X1 X2 X1 X2 I Y
- - + + 15
+ - - + 18
- + - + 21
+ + + + 25
On donne = 0,5
h 2(h) = h 0,5
- l’effet de X1 est dans l’intervalle (1,75 – 0,5 ; 1,75 + 0,5) qui ne contient
pas de 0 ; donc l’effet est significatif est vaut : 1,75 0,5 à 95 %.
- l’effet de X2 est dans l’intervalle (3,25 – 0,5 ; 3,25 + 0,5) qui ne contient
pas de 0 ; donc l’effet est significatif est vaut : 3,25 0,5 à 95 %.
- l’interaction X1X2 est dans l’intervalle (0,25 – 0,5 ; 0,25 + 0,5) qui contient
la valeur 0 ; donc l’interaction X1X2 est négligeable.
s(h) = 0,42
Dans la table de Student, nous lisons t0,975 = 4,3 les bornes de l’intervalle
de confiance à 95 % sont :
h 4,3x0,42 = h 1,8
Le test de Student donne des résultats très complets. Les deux méthodes
suivantes permettent de juger la signification des contrastes sans connaître
la variance des mesures et sans essais complémentaires.
•La variance des contrastes
Elle n’est plus calculée par la formule Var (h) = Var (y) /N mais estimée au
moyen des interactions d’ordre élevé fournies par un plan complet 2k. Nous
nous intéressons aux interactions à trois facteurs et plus, celles qui sont
presque certainement négligeables. Considérer ces interactions comme
négligeables revient à dire qu’elles font partie d’une population de moyenne
connue égale à 0.
i
( h 0) 2
h 2
s2 i 1
i
n n
II.1.RANDOMISATION
Exemple :
X1 X2 X3 X1 X2 X2 X3 X1 X 3 X1 X2 X3 Moy
Essai1 - - - + + + - +
Essai2 + - - - + - + +
Essai3 - + - - - + + +
Essai4 + + - + - - - +
Essai5 - - + + - - + +
Essai6 + - + - - + - +
Essai7 - + + - + - - +
Essai8 + + + + + - + +
Il est commode de réaliser les expériences dans cet ordre. C’est celui qui
nécessite le moins de manipulation pour chauffer et refroidir le bain de
paraffine. Les essais 1 à 4 peuvent être réalisé dans la même journée et les
essais 5 à 8 le lendemain.
Supposons que l’hygrométrie (% d’humidité) ait brusquement augmenté
pendant la nuit. Dans la colonne 3 les effets de la température et de
l’hygrométrie se trouvent superposés (aliasés). Nous avons donc :
Sachant que les cartons sont sensibles à l’humidité, il est clair que ce plan
ne permet pas d’estimer correctement l’effet de la température sur la
brillance des cartons.
Soit y1’, y2’, -- les valeurs observés pour la réponse et y1, y2, --- les valeurs
qui seraient obtenues en absence de dérive. Nous pouvons écrire en
appelant e l’erreur systématique introduite par la dérive.
etc…
De même pour :
h2’ = h2 + e; h3’ = h3 + 2 e; h4’ = h4 + 0; h5’ = h5 + 0;
Nous remarquons que nous réalisons les essais dans l’ordre de la matrice,
la dérive affecte la moyenne et les effets principaux mais pas les
interactions. La méthode proposée par le time counting, consiste à
effectuer les essais dans un ordre tels que l’alternance des signes pour X1,
X2 et X3 reproduisent celle des colonnes 4 ;5 ;6 et 7.
Premier cas :
Deuxième cas :
Troisième cas :
X1 X2 X3 Y
Essai 1 - - - 12,3
Essai 2 + - - 27,4
Essai 3 - + - 21,6
Essai 4 + + - 38,4
Essai 5 - - + 20,1
Essai 6 + - + 35,5
Essai 7 - + + 34,2
Essai 8 + + + 47,5