Application sur la pratique des plans d’expériences

Ex1) Lors de l'étude de la formulation de matériaux, on sélectionne ceux-ci d'après leurs propriétés
physiques. On a retenu trois facteurs pour cette étude et le domaine expérimental est le suivant :

Niveau bas : -1 Niveau haut :+1

A : Taux de durcisseur (excès) 10 % 30 %
B : Taux de fibres textiles 0% 10 %
C : Taux de charge 5% 15 %
La réponse étudiée est le module d'élasticité E' à 0o (la réponse est multipliée par 100). On envisage
un plan factoriel complet 23 construit selon l' algorithme de Yates classique. Les réponses pour les 8
expériences sont, dans l'ordre : 1,26 - 1,35 - 4,46 - 3,38 - 2,29 - 1,23 - 5,11 - 5,12
1,26 1,35 4,46 3,38 2,29 1,23 5,11 5,12

1. Donner l'expression du modèle complet en faisant apparaître la matrice d'expérience.

Compte tenu des résultats obtenus, on décide de négliger les interactions AB et AC.
2. Ecrire l'équation du modèle dans ce cas et calculer les 8 valeurs prédites par ce nouveau
modèle.
3. En déduire une estimation s de l'écart-type σ de la variable aléatoire intervenant dans la
modèle, et celle des effets (commune à toutes les actions)
4. Donner, au risque de 5 %, l'intervalle de confiance de chacun des effets principaux, et
discuter leur signification

Ex2) Un test d'arrachement lors de l'utilisation d'une colle met en jeu 3 facteurs : X1 : la température
de pressage. X2 : la pression lors du pressage. X3 : le temps de pressage.

Les contraintes de l'expérimentation permettent de faire varier chacun des trois facteurs dans des
fourchettes tenues confidentielles et notées [-1 ; +1].

La réponse Y étudiée est la tenue de la colle à l'arrachement mesurée à l'aide d'un dynamomètre
électronique. On admet un modèle polynomial linéaire par rapport aux coefficients. On effectue donc
un plan d'expérience 23, à l'aide d'une matrice factorielle utilisant « l'algorithme de Yates ». Les
résultats sont les suivants, en respectant l’ordre de Yates

18,1 16 17,1 17 17,8 17,2 18,1 17

1. Donner la matrice complète des expériences

2. Rechercher les coefficients représentant les estimations des effets et donner l’expression du
modèle
3. Repérer les effets importants et les effets qui sont a priori négligeables et réécrire le modèle
4. Conclure pour avoir une colle de bonne tenue (une valeur d’arrachement élevée) (on peut
garder tous les facteurs)
Procéder pas à pas en commençant par le facteur le plus influant et écrire l’équation à
chaque étape, puis vous donnez la valeur obtenue

Ex3) On teste sur un pilote de nouvelles conditions de floculation à l'aide d'un plan d'expériences. On
décide de réaliser un plan factoriel complet. Dans la fabrication entre en jeu 3 facteurs:
A: vitesse d'agitation B: durée d'agitation C: type de floculant
Les contraintes de fabrication imposent de faire varier les facteurs A et B dans les intervalles
suivants:
A: 120 tr.min-1 200 tr.min-1
B: 2 min 5 min
C: N90 N93
Le facteur C est un facteur qualitatif: N90 et N93 sont deux noms de floculant.
La réponse étudiée Y est la pureté du surnageant exprimée en ppm de cuivre.
Les essais réalisés sont indiqués ci-dessous avec les réponses obtenues.

L'incertitude sur les coefficients est de ± 1.

1. Indiquer la matrice des effets. Ecrire la forme générale du modèle polynômial de ce plan
factoriel complet à 3 facteurs en négligeant toute interaction d'ordre supérieur à 2.
2. Ecrire le modèle en prenant en compte seulement les facteurs significatifs.
3. Indiquer les conditions opératoires pour diminuer la concentration finale en cuivre.
4. Calculer la réponse prévue pour les conditions suivantes: A: 160 tr.min-1 B: 4 min C: N90
Pour ce faire, transformer les valeurs réelles en variables centrées réduites
L'essai a été réalisé; on obtient expérimentalement une réponse égale à 55 ppm.
5. Que pouvez-vous en conclure sur le modèle ?

Ex4) On produit du styrène par déshydrogénation catalytique de l’éthylbenzène. Pour étudier le

rendement de cette production, on réalise un plan d’expérience complet construit selon l’algorithme
de Yates. Les trois facteurs sont : : la nature du catalyseur ; : la température ; : le
rapport molaire d’eau/éthylbenzène. En fonction du domaine expérimental, on attribue les niveaux
suivants à chacun des facteurs :

Niveau -1 +1
: catalyseur C1 C2

: température 800K 1000K

: rapport molaire 4/1 9/1

On réalise les huit expériences dont les résultats sont donnés par le tableau suivant :
Expérience 1 2 3 4 5 6 7 8
catalyseur C1 C2 C1 C2 C1 C2 C1 C2
température 800K 800 1000K 1000K 800K 800K 1000K 1000K
K
rapport molaire 4/1 4/1 4/1 4/1 9/1 9/1 9/1 9/1
rendement (%) 46 40 92 80 48 42 95 85
Le modèle retenu pour le rendement Y est :

1) Donner la matrice complète des expériences et des effets. Calculer une estimation ponctuelle
de chacun des coefficients du modèle.
2) On considère qu’un effet dont l’estimation ponctuelle est en valeur absolue inférieure à 1,
est non significatif. Donner l’expression du modèle.
3) Pour des raisons de disponibilité, seul le catalyseur 2 est
utilisé ; donner la nouvelle expression du modèle
4) Comment faire pour un meilleur rendement
5) On donne la représentation graphique de l’effet du facteur
.
Justifier les valeurs de Y données sur le graphique.
Quel est l’effet moyen du facteur ?

Ex5) On s'intéresse à la formulation d'une suspension concentrée d'un pesticide solide. Dans la
fabrication d'un pesticide solide entrent en jeu 3 facteurs :
X1: granulométrie de la matière active.
X2 : quantité d'agent tensioactif.
X3 : quantité d'huile.
Les contraintes de fabrication permettent de faire varier chacun des trois facteur dans les fourchettes
suivantes :

La réponse Y étudiée est le pourcentage d'attaque du parasite sur la plante test.

On admet un modèle polynomial sans interaction, linéaire par rapport aux coefficients. On effectue
donc un plan d'expérience 23, à l'aide d'une matrice factorielle utilisant l'algorithme de Yates. Les
résultats sont les suivants : 6,75 ; 52,5 ; 2,5 ; 15,5 ; 3,75 ; 67,5 ; 2,5 ; 38,75
1. Donner l’expression du modèle avec seulement les effets principaux
2. Comment faut il fixer les niveaux des trois facteurs pour optimiser Y (il s’agit d’une
minimisation)
Nous nous intéressons aux interactions d’ordre 2
3. Réécrire le modèle

Par ailleurs, nous avons réalisé une série d’expériences pour évaluer l’erreur expérimentale, elle est
donnée par l’écart type s(y)= 3. Quelques interactions paraissent faibles, au vu de leur intervalle de
leur variation aléatoire

4. En déduire, au risque de 5 %, un intervalle de confiance des effets principaux et des

interactions (On suppose que la variable aléatoire représentant l'estimateur d'un effet suit
une loi normale d'écart-type s/racine(N))

5. Réécrire le nouveau modèle en ne tenant compte que des effets significatifs

6. Recalculer les réponses de toutes les combinaisons (x1, x2, x3) et proposer la combinaison
qui donne le meilleur résultat
Ex6) L'extraction par hydrodistillation de l'huile essentielle de Cymbopogon Citratus est étudiée afin
de déterminer les paramètres permettant d'obtenir le meilleur rendement d'hydrodistillation. Ce
rendement correspond au volume d'huile essentielle extraite de 250 g de matériel végétal. Les
paramètres étudiés dans le plan d'expérience sont décrits dans le tableau suivant :

1. Ecrire l'expression théorique du modèle du volume d'huile essentielle recueillie Y dans le

cadre de ce plan factoriel complet et Représenter la matrice des effets d'un tel plan.
Quatre mesures de volume ont été réalisées dans les conditions suivantes :
% d'eau perdue par le végétal : 46,5 %
Débit de condensat : 160 mL.h-1
Longueur des feuilles coupées : 4 cm
Les résultats sont en : 2,0 2,3 2,3 1,9
2. Indiquer à quoi correspondent les conditions expérimentales choisies.
3. Calculer l'écart type de ces mesures.
4. En déduire la limite à partir de laquelle les coefficients du modèle seront significativement
différents de 0 avec un risque de 5 %. (marge)

Vous admettrez de prendre en compte uniquement les coefficients ai tels Que soit supérieur à 0,23
(attention en valeur absolues) (risque a de 5%).

La matrice d’expériences est indiquée ci-dessous avec les réponses obtenues.

3,4 1,8 3,2 1,6 2,2 1,5 2,0 1,1

5. Calculer les effets principaux et interactions.

6. En déduire le modèle pour le volume d'huile extrait (ne retenir que les actions significatives).
7. Déterminer le modèle en valeurs réelles

8. Indiquer les conditions à utiliser pour optimiser le volume d'huile essentielle recueilli avec les
valeurs réelles

En fait deux autres facteurs auraient pu être étudiés ; il s'agit de la durée d'extraction (facteur D) et
du rapport masse de végétal / masse d'eau (facteur E).
9. Si on ne souhaite réaliser que 8 expériences, indiquer la notation du plan fractionnaire à
réaliser (aliais et générateurs d’aliais).
10. Après avoir indiqué les aliases choisis, indiquer une matrice d'expérience possible.
11. Donner les expressions algébriques des contrastes (effets principaux et interaction d’ordre
deux),
Nous réalisons les expériences, mais les réponses ne changent pas. Par ailleurs, une action est
non significative si sa valeur est inférieure à 0,15
11. En déduire le modèle pour le volume d'huile extrait (ne retenir que les actions significatives).
12. le plan présente t il des ambiguïtés, lesquelles et comment les résoudre ; sinon proposer le
modèle approprié
Validation des modèles proposées

Ex7) La mise au point de la formule d’un ciment nécessite l’équilibre de plusieurs propriétés, nous
traitons ici dans cet exemple deux propriétés importantes, la plasticité et la vitesse de prise

Un ciment ne doit être ni trop dur ni trop coulant

 suffisamment mou pour prendre la forme désirée

 suffisamment rigide pour ne pas couler
 la plasticité est comprise entre deux valeurs bien définies (Plasticité entre 120 et 130)
La vitesse ne doit être ni trop rapide ni trop lente

 la vitesse doit être comprise entre deux valeurs bien définies (Vitesse de prise entre 30 et 40
unités)
Le ciment étudié est composé de trois constituants : le ciment de base, l’eau, la liqueur noire et le
PNS
 Les facteurs mis en jeu sont les suivants :
 Rapport eau/ciment [0,33%, 0,35]
 Pourcentage de liqueur noire [0,12%, 0,18]
 Pourcentage de PNS [0,080%, 0,12]
Le plan est construit en suivant la procédure décrite précédemment. Les valeurs des réponses de la
plasticité et la vitesse de prise sont consignés dans le tableau ci-dessous

N° 1 2 3 4 5 6 7 8 9
plasticité 109 120 110 124 117 130 121 132 120
vitesse 44 45 31 34 42 45 28 26 38
Discuter le modèle et sa validation

Ex8) Plan factoriel complet avec 5 facteurs: Source : D. G. Montgomery, Design and Analysis of
Experiments

L’expérience a pour but d’augmenter le rendement dans la fabrication de semi conducteurs.

La variable de réponse est Y = Yield (%). Les facteurs et leurs modalités ont :
A : aperture setting (small, large)
B : exposure time (-20% en dessous du nominal, 20% au dessous du nominal)
C : development time (30s, 45s)
D: mask dimension (small, large)
E: etch time (14.5 min, 15.5 min)

Les résultats sont consignés dans le tableau ci-dessous

7 9 34 55 16 20 40 60 8 10 32 50 18 21 44 61
8 12 35 52 15 22 45 65 6 10 30 53 15 20 41 63
68 74 76 70
Les quatre dernières expériences sont réalisées aux centres des domaines d’expérimentation

Effectuez une analyse complète des données du plan factoriel complet de 32 essais en excluant
les essais au centre : tableau des effets, ANOVA, graphique Pareto, analyse des résidus, modèle de
prédiction avec les effets significatifs, graphique de la réponse, conditions optimales (max) de la
réponse Y.
Refaire l’analyse en a) avec une transformation de la variable Y. Refaire l’analyse en incluant les 4
essais au centre et un test de courbure.
Ex9) Un plan factoriel complet de 8 essais a été réalisé pour étudier l’effet de 3 facteurs sur la qualité
du fini de surface d’un nouveau type d’acier mesuré par la l’absence de défauts. À chaque essai, 4
pièces ont été produites et les données suivantes ont été obtenues. L’objectif de l’expérience est de
minimiser les défauts de surface.

a) Peut-on dire que les 4 pièces produites à chaque essai constituent des réplications du plan
factoriel complet? Expliquer.
b) Calculer tous les 7 effets associés aux 3 facteurs de l’expérience.
c) Traduire tous ces effets dans une équation de prédiction de la variable de réponse.
d) Calculer un tableau d’analyse de la variance et effectuer les tests de signification.
e) Tracer un diagramme d’éboulement (Pareto) avec les sommes de carrés.
f) Identifier les facteurs critiques pour contrôler la variable de réponse et réviser le modèle de c)
g) Quels sont les choix optimaux des facteurs pour réaliser l’objectif de l’expérience?

Ex10) Plan factoriel complet - étude sur la présence de fissures

nom du fichier de données : Fissures
Source : R.H. Myers, D.C. Montgomery, Response Surface Methodology, 1995, p.128
Étude des fissures d’un composant pouvant résulter à une panne fatale de moteur.
Utilisation d’un plan factoriel complet 24 de 4 facteurs à 2 modalités (-, +) avec une répétition
(n = 2). Les facteurs sont :
A Température de remplissage B Contenu en titanium
C Traitement chaleur D Quantité de grains de raffinage
La variable de réponse Y est la longueur de la fissure mesurée en mm.

a) Calculer tous les effets. Quels sont les effets significatifs importants?
b) Effectuer une analyse de la variance. (ANOVA)
c) Quels sont les facteurs qui ont une influence sur la présence de fissure?
d) Effectuer une analyse des résidus.
e) Des facteurs affectent-ils la dispersion de Y?
f) Proposer une recommandation pour opérer le procédé.
Ex11) La galette des rois
1. Préparation du plan d’expériences
Description de l'étude
La galette des rois est préparée à partir d'une pâte feuilletée spéciale que l'on étale en plaque
d'environ 1 centimètre d'épaisseur et que l'on découpe en forme de cercle. Ces cercles de pâte sont
appelés des abaisses. Pour réaliser une galette il faut deux abaisses. Sur la première abaisse, l'abaisse
inférieure, on dépose un fourrage de pâte d'amandes et l'on place la fève de manière à ce qu'elle soit
parfaitement dissimulée. On recouvre l'ensemble d'une deuxième abaisse identique à la première.
On perce l'abaisse supérieure de nombreux petits trous pour que la vapeur d'eau puisse s'échapper
pendant la cuisson. On obtient une galette que l'on introduit dans un four chauffé de manière
homogène à une certaine température et que l'on laisse cuire pendant 30 minutes. Pour la présente
étude, il s'agit de galettes industrielles qui, une fois cuites sont congelées et acheminées dans les
magasins grâce à un réseau de distribution. À la sortie du four les galettes sont examinées et seules
celles qui ne présentent aucun défaut sont congelées. Les galettes sont ensuite conditionnées et
distribuées chez les revendeurs en préservant la chaîne du froid. Les galettes sont vendues en
général dans les trois semaines qui suivent leur fabrication. Tout serait pour le mieux si des clients
mécontents n'étaient pas revenus réclamer en faisant constater que certaines galettes avaient des
abaisses décollées et présentaient des fentes sur l'abaisse inférieure. Le principal grief était que les
galettes laissaient apparaître la fève et que la magie de la galette des rois s'évanouissait alors
complètement ! Devant une telle catastrophe, l'industriel réagit immédiatement en convoquant ses
meilleurs techniciens. La situation est analysée et la décision de faire une étude pour trouver l'origine
des deux défauts est prise sans tarder. Les galettes ne doivent présenter aucun défaut 4 semaines
après la sortie d'usine. Les défauts visés sont le décollement et les fentes, qui en jargon technique de
pâtisserie, s'appellent des fêles.

Objectif de l’étude

L'objectif de l'étude est de trouver les conditions de fabrication qui permettront de réduire, et si
possible d'éliminer, les décollements et les fêles sur les galettes congelées avant 4 semaines de vie.
Réponses
Le choix de la réponse permettant de bien mesurer la grandeur d'intérêt et de corriger les défauts
constatés est bien souvent difficile à définir. Ici, la mesure du décollement se heurte à plusieurs
difficultés. Le décollement n'est pas régulier et l'on a constaté plusieurs zones de décollement plus
ou moins longues sur la même galette. Il peut y avoir des parties bien collées, d'autres à moitié
collées et enfin d'autres complètement décollées. Les tentatives d'évaluation du décollement par des
mesures de longueur, de profondeur et d'épaisseur se soldèrent par des échecs. Il en fut de même
pour la mesure des fêles, celles-ci étant plus ou moins larges, plus ou moins profondes et plus ou
moins rectilignes. On finit donc par établir un barème avec des défauts tests, ce qui permit de donner
des notes à toutes les galettes participant à l'étude.
Le décollement fut estimé par une note comprise entre 0 et 3 :
— 3 est l'absence de décollement ;
— 0 est le plus mauvais décollement constaté.
La fêle fut estimée par une note comprise entre 0 et 3 :
— 3 est l'absence de fêle ;
— 0 est la galette possédant le plus grand nombre de fêles.
L’objectif chiffré est donc 3 pour le décollement et 3 pour la fêle.
Facteurs et domaine d'étude
L'industriel et son équipe établirent la liste de tous les facteurs pouvant influencer l'apparition des
défauts. Puis, ils sélectionnèrent ceux qui leur paraissaient susceptibles d'engendrer les deux défauts:
Facteur 1 : rapport du poids des abaisses. C'est le rapport : poids de l'abaisse
supérieure/poids de l'abaisse inférieure : niveau bas : 0,9 niveau haut : 1,1
Facteur 2 : nombre de trous dans l'abaisse supérieure : niveau bas : peu niveau haut :
beaucoup
Facteur 3 : profil de chauffage du four de cuisson : niveau bas : fort au début niveau haut : fort à la
fin
Facteur 4 : durée de la cuisson : niveau bas : 29 min niveau haut : 31 min

Ce que l’on peut résumer dans le tableau :

Modélisation et analyse

Proposer une solution pour le problème posé

Ex12) On s'intéresse à la formulation d'une suspension concentré d'un pesticide solide.
Dans la fabrication d'un pesticide solide entre en jeu 4 facteurs :
Facteur 1 : X1 : la granulométrie de la matière active.
Facteur 2 : X2 : la quantité d'agent tensio-actif.
Facteur 3 : X3 : la quantité d'huile.
Facteur 4 : X4 : le poison
Les contraintes de fabrication permettent de faire varier chacun des trois facteurs dans les
fourchettes suivantes :

6,75 52,5 2,5 15,5 3,75 67,5 2,5 38,75 5 49,5 1,5 13 2
60,5 1,5 30

Construire le modèle et réaliser une analyse du plan en cherchant la combinaison pour atteindre
l’objectif souhaité : minimiser les feuilles attaquées
STATISTIQUES APPLIQUEES AUX PLANS D’EXPERIENCES

On a déjà parlé dans le premier chapitre des deux types d’erreurs que l’on commet en proposant un
modèle mathématiques.
l’erreur d’ajustement (lack of fit) traduit le fait que le modèle choisi par l’expérimentateur avant les
expériences est probablement un peu différent du modèle réel
l’erreur aléatoire (pure error) traduisant le fait qu’en répétant une mesure sur une réponse en un
même point expérimental, on n’obtient pas exactement le même résultat.

Il est important de connaître l’ordre de grandeur de ces deux types d’erreur.

Les calculs présentés dans ce chapitre permettent de tester l’adéquation de notre modèle calculé
avec la réalité. Ces calculs mettent en jeu la notion de régression multilinéaire. La régression
multilinéaire est le pendant de la régression linéaire (c'est-à-dire pour un modèle en dimension 2 du
type y = ax + b), mais pour des dimensions supérieures à 2 ce qui est toujours le cas pour les plans
d’expériences.

Ex13) Exemple 4 : durée de vie des outils de coupe jetables

Préparation du plan d’expériences
L’objectif de l’étude est de trouver les conditions d’emploi qui assurent une durée de vie supérieure
à 20 h aux outils de coupe jetables, qu’un fabricant a décidé d’utiliser en lieu et place d’anciens outils
qu’il fallait affuter très régulièrement. La réponse choisie est donc la durée de vie des outils.
Les facteurs de l’étude sont aux nombre de 4 :
Le débit de l’huile de coupe
La vitesse de coupe de l’outil
La profondeur de coupe de l’outil
La vitesse d’avance de l’outil

L’expérimentateur décide d’exécuter un plan complet 24, soit 16 essais, mais il désire avoir une
estimation de l’erreur expérimentale. Pour ce faire, il décide d’ajouter 4 essais situés au centre du
domaine d’étude. Il fait donc en tout 20 essais.

26,1 22,2 10,1 12,2 14,2 12,7 5,9 5,6 23 20,1 2,4 3,7 11
13,4 0,5 1,7 11,1 12,6 10,4 11,9
1ere démarche

Les valeurs des coefficients ne représentant que des estimations ponctuelles propres aux
échantillons considérés. Les valeurs ne peuvent être calculées mais on peut les approcher par le biais
des intervalles de confiances.

1 1 var ( y i )
a i= ∗∑ ± y i et var ( ai )= 2∗∑ var ( y i ) =
N N N

Son écart type est alors égal

s ( a i) =
√ var ( y i )
N
=
s ( yi )
√N
Peu importe la réponse à répéter, si on suppose que la variation aléatoire est la même, on peut
moyenner cette sur plusieurs niveaux de répétitions
 L'intervalle de confiance de tout coefficient est alors
s ( yi )
a i ± t (0,975 ,ddl)
√N
Où t est la variable de Student avec le nombre de degré de liberté utilisés pour la détermination de s.
Accepter ou rejeter un facteur dépend essentiellement de l’expérimentateur car c’est à lui que
revient la décision finale. Il doit trouver un compromis entre les moyens dont il dispose et les
contraintes de son système. Pour ne pas trop compliquer sa tâche dans la qualification statistique
des effets des facteurs, nous approchons t 0,975 par 2 qui n’est autre que le quantile de la loi normale
au même risque.

Par convention, l’expérience à répéter est celle qui se situe au centre du domaine d’expérimentation
quand tous les facteurs sont quantitatifs, sinon nous devons prendre l’un des niveaux du facteur
qualitatif.

Application numérique

s ( y i)
s ( a i) = =0 ,23 ; s ( y i ) =0 , 91
√16
L’intervalle commun de confiance de tout coefficient est

L'intervalle de confiance de tout coefficient est alors

a i ± 2∗0 ,23=ai ± 0 ,50

Le calcul des coefficients donne les résultats suivants

Les coefficients à retenir sont les suivants : a2, a3, a4, a23 et a24

2ème démarche

Nous regroupons tous les coefficients dont est sûr qu’ils sont négligeables pour l’estimation de
l’erreur expérimentale, nous aurons un modèle :

Ycalc= 11,5-0,1.A -6,28.B -3,425.C -2,075.D +0,6375.AB +0,325.AC +0,35.AD +1,58.BC-1,11.BD +0,6.CD

variationtotale=variation expliquée+ variationrésiduelle ∑ ¿¿

Var ( res )
yobs= ycalc +res et Var ( ai )=
N
Une analyse de variance permet d’avoir toutes ces informations pour le calcul de l’erreur
expérimentale

Source de variation Somme des carrées ddl Carrée. moyen Fobs

Variation expliquée 965,30 p-1= 11-1=10 96,53 46,31
2
Variation résiduelle 10,42 n – p=16 –11 = 5 RMSE = 2,084
Variation totale 975,72 n – 1=15

RES RMSE
; F obs =Carrée moyen(Var . expliquée)¿ ¿ 2 ; σ ( ai )=
2
RMSE =
n− p RMSE √N
'
N=16 ; nombre d expériences

p=11; nombre de coefficients dans≤modèle retenu

RMSE
σ ( ai ) = =0,3609 ; avec t (0 , 05; 5)=2,571
√N
L'intervalle de confiance de tout coefficient est alors
a i ± 2,571∗0,3609=a i ± 0 , 50

Pour la validation du modèle linéaire proposé, il suffit de comparer Fobs à Ftheorique

Ftheorique= F(critique) lu dans la table de Fisher-Snedecor avec (p - 1) et (n - p) degrés de liberté = 4,75

Le modèle proposé est de bonne qualité avec un coefficient de corrélation de l’ordre de 0,989

Les facteurs retenus sont les suivants : X2 ; X3 ; X4

Les interactions retenues sont les suivants : X2.X3 et X2.X4
Ex14) Les batteries contiennent des métaux valorisables. Dans cette étude des batteries sont
démontées manuellement et les parties métalliques sont réduites en poudre avant de subir une
attaque acide.
L’étude réalisée vise à déterminer l’influence de 4 facteurs pour cette attaque chimique. Ils sont
indiqués ci-dessous avec les bornes des domaines d’étude.
A: % massique de poudre en solution (10% et 20%)
B: % en acide oxalique par rapport à la stoechiométrie (- 30% et + 30%)
C: % en acide sulfurique par rapport à la stoechiométrie (- 30% et + 30%)
D : température (45°C et 75°C)
Le rendement de récupération en manganèse (exprimé en %) est étudié.
On décide de réaliser un plan factoriel fractionnaire 24-1.
L’aliase utilisée est D = ABC.

1/ Réaliser la matrice des effets de ce plan fractionnaire.

2/ Indiquer les expressions littérales des contrastes obtenus.
3/ En déduire la résolution de ce plan fractionnaire en justifiant.
4/ Calculer les contrastes.
5/ Cinq essais ont été effectués dans les conditions expérimentales suivantes :
% massique de poudre en solution : 15 %
% en acide oxalique par rapport à la stoechiométrie : 0 %
% en acide sulfurique par rapport à la stoechiométrie : 0 %
température : 60°C
On a obtenu les valeurs suivantes : 69,8 70,1 68,0 69,7 69,5
a/ Indiquer à quel point du domaine correspondent ces essais.
b/ Calculer l'incertitude de mesure.
c/ En déduire la valeur limite à laquelle les coefficients sont à prendre en compte.
6/ Vous admettrez de prendre en compte uniquement les coefficients ai tels que la valeur absolue
soit supérieure à 0,80 (risque α de 5%). Analyser le plan factoriel fractionnaire.
Peut-on déterminer les effets de tous les facteurs et de toutes les interactions ?
7/ Indiquer la matrice d’expériences du plan complémentaire.
Plans fractionnaires

Ex15) Plan fractionnaire avec 4 facteurs - amélioration d’un procédé

nom du fichier des données : Électronique
On veut étudier l’effet de 4 facteurs A, B, C, D sur la force Y du lien entre un circuit intégré et un
substrat métallique sur lequel il est déposé. On conduit un plan d’expérimentation fractionnaire de 8
essais défini par D = ABC où chaque facteur varie à 2 modalités.
Le tableau 1 définit l’information sur les facteurs.

L’objectif de l’étude est de formuler une recommandation d’opération afin de maximiser la force Y
et de minimiser la variabilité de Y.
A) Analyse de Y
a1) Identifiez les effets significatifs et les facteurs critiques.
a2) Écrire une équation de prédiction de la force Y basée seulement sur les effets significatifs
identifiés. Calculez la force maximale atteinte Ymax avec cette équation.
a3) Quelle est l’augmentation (en %) de la force en si on la compare avec la force des conditions
actuelles d’opération (essai no 1)?
a4) Quelle serait votre recommandation pour le choix des modalités des facteurs A, B, C, D afin de
maximiser la force en vous basant sur cette équation?
Remarque : il y a plusieurs solutions qui seront utilisées dans la partie D).

B) Analyse de LOG(S)
b1) Quels sont les trois principaux facteurs qui contribuent le plus à la variabilité de s
Employé un modèle à effets principaux seulement.
b2) À quelles valeurs des facteurs A, B, C, D faudrait-il opérer afin de minimiser le plus
la variabilité du procédé?
Il y a deux solutions basées sur les trois principaux facteurs.
Ces deux solutions seront utilisées à la question C).
C) Analyse du rapport signal bruit SB
Effectuer l’analyse du rapport signal bruit.
D) Recommandation finale
En vous basant seulement sur les analyse de y et de log(s), proposer une recommandation finale sur
le choix des modalités d’opération du procédé.
Quelle sera alors l’augmentation (ou la diminution) sur le coût d’opération?
Quelle sera l’augmentation (%) de Y?
Quelle sera la diminution (%) de s?
Répondre à cette question en complétant le tableau 3

Ex 16) Plan fractionnaire - étude sur la courbure d’un substrat

nom du fichier de données : Courbure
Source: D. G. Montgomery, Design and Analysis of Experiments, 7th ed., 2008, p. 351
Un plan fractionnaire de 16 essais avec 6 facteurs A, B, C, D, E, F et une variable de réponse : Y =
indice de courbure (104 inch / inch)
a) Comment les facteurs E et F ont-ils été définis à partir des facteurs A, B, C, D?
b) Établir la liste de toutes les chaînes d’interaction doubles et les effets confondus.
Quelle est la résolution du plan?
c) Effectuer l’analyse de Y.
d) Effectuer l’analyse de S.
On vise pour de Y un valeur nominale τ = 100.
On utilise le critère MSD (τ = 100) = s2 + (Ybar - 100)2
e) Effectuer l’optimisation du procédé à l’aide du critère minimum de MSD.
f) Effectuer l’optimisation du procédé à l’aide du critère maximum du rapport signal-bruit SB.
g) Comparer les solutions e) et f).

Ex17) Plan fractionnaire - étude d’un procédé de moulage par injection

nom du fichier de données : Moulage
Source : R.H. Myers, D.C. Montgomery, Response Surface Methodology, 1995, p.152
Étude de 6 facteurs avec un plan fractionnaire 26-2 de 16 essais et 4 essais au centre.
Facteurs A : température moule B : vitesse vis C : temps d’attente D : durée cycle
E : taille ouverture F : pression
Réponse Y : rétrécissement

a) Effectuer une analyse de la réponse Y avec un modèle approprié.

On retient les deux facteurs X1, X2 les plus importants et un propose le modèle
Y = β0 + β1X1 + β2X2 + β12X1*X2
b) Effectuer l’analyse du modèle.
c) Tester si le modèle a un manque d’ajustement.
d) Effectuer une analyse des résidus du modèle.
Plan complet 26 - optimisation simultanée de 3 réponses
nom du fichier de données : Tissu
Source : G.E.P. Box, N. R. Draper, Response Surfaces, Mixture, and Ridge Analysis, 2nd ed., 2007, p. 100
Lors de la fabrication d’un tissu, il est important d’obtenir un produit ayant pour but d’obtenir une:
teinte (« HUE « ) spécifique (ou nominale) visée de 20
brillance (« BRIGHTNESS « ) spécifique visée de 26
résistance (« STRENGHT « ) maximale (au moins 11,5)

Déterminer les changements à faire aux variables de procédé si les spécifications du client changent
selon les valeurs nominales désirées de HUE et de BRIGHTNESS.
Six (6) variables de procédé furent identifiées pouvant affecter les trois (3) variables de réponses
Y1 = STREN, Y2 = HUE, Y3 = BRIGH
Les variations des variables de procédé furent maintenues assez faibles pour ne pas trop provoquer
des perturbations importantes du procédé de fabrication.
Il n’y avait pas d’effet de courbure important tel que démontré par des essais additionnels au centre
de l’espace expérimental. Ces essais ne sont pas fournis dans le tableau.
On avait une forte présomption que les effets d’interaction étaient faibles en comparaison des effets
principaux.
Un plan expérimental factoriel complet 26 sans répétition (n = 1) de 64 essais fut employé.
Le tableau des données suit. On aurait pu faire les essais avec un plan fractionnaire de 32 ou 16
essais.
a) Analyser chacune des 3 variables de réponse avec des modèles ayant au plus des interactions
d’ordre 3.
b) Déterminer des modèles avec effets principaux seulement basés sur le même ensemble de
facteurs (variables) communs.

Remarque : inclure une (des) variable dans un modèle même si elle(s) ne sont pas significatives pour
une réponse en autant qu’elle est significative dans une autre variable de réponse.
c) Déterminer des conditions optimales pour opérer le procédé.
Exercices Taguchi

Ex1) Dans l’exercice suivant, nous nous proposons d’étudier un pistolet à peinture. Nous recherchons
la configuration pour laquelle l’épaisseur de la couche est minimum. Nous considérons dans
l’exercice que chacun des facteurs désignés par les experts possèdent 2 modalités. Les experts nous
disent que les facteurs qui influent sur l’épaisseur de la couche sont :

De plus, les experts supposent des interactions entre l’ouverture de la buse et la pression du pistolet
(C et D) et entre le pourcentage de diluant utilisé et l’ouverture de la buse (A et C).
A est le paramètre le plus difficile à régler.
1) Proposez un modèle décrivant ce système.
2) Choisissez, en justifiant votre choix la table de tagushi que vous utiliseriez pour construire votre
plan d'expériences.
3) Proposez, en justifiant votre démarche, une affectation des paramètres aux différentes colonnes.
4) Rédigez la matrice d'expérience.
Ex2) On décide d’étudier, par un plan, les influences des paramètres suivantes :
• * Température du moule TM niveaux 100°C 200°C
• * Pression d’injection PI niveaux 80 bar 100 bar
• * Température du pot de buse TP niveaux 60°C 95°C
• * Contre pression CP niveaux 5 bar 12 bar
• Les interactions jugées importantes, a priori, sont TMxCP, TMxTP et TMxPI.
• 1) Construire le plan à l’aide des tables et graphes linéaires de Taguchi.
• 2) Quels sont les alias des interactions TMxCP, TMxTP et TMxPI ?

II- Les réponses obtenues sont : 8.3 7.7 8.1 8.2 8.65 8.9 8.5 9.2
1) Estimer les effets et interactions ?
2) Les interactions peuvent-elles provenir des alias ?
3) Trouver le réglage optimal (qui minimise le module) ? Au préalable, vous pouvez écrire le modèle
sous forme matricielle.
Ex4) Plan d’expérience pour une grandeur qualitative

Il n’est pas toujours possible de mesurer le résultat d’une expérience, comme par exemple les
défauts d’aspect, les notions de confort d’utilisation. On peut par exemple classer des résultats en
deux ou trois catégories, mais on ne peut pas mesurer les résultats obtenus. Nous nous intéressons
ici à une installation de vernissage avec comme réponse la couleur du vernis. Le vernis prend trois
catégories

 Aspect peau orange

 Bien tendu
 Présence de coulure

L’objectif est d’avoir un vernis bien tendu

Notre protocole expérimental fait intervenir cinq paramètres

N° facteur Difficile Niveau 1 Niveau 2

A Pourcentage de diluant Très difficile 20% 40%
B Température du vernis Assez 15% 25%
C Distance pistolet/objet Difficile 15 cm 30 cm
D Ouverture du pistolet Facile 3 crans 5 crans
E Pression du pistolet Facile 1 bar 3,5 bars

Les interactions proposées sont consignées dans le tableau ci-dessous

A B C D E Proposer le modèle et le graphe avec l’affectation des différents facteurs aux

A différentes colonnes
B N
C O N
D O N N
E N N N N

Nous proposons le tableau suivant qui permet de construire le tableau d’expérimentation

A B C D E
colonne 1 6 2 4 7

N A B C D E coulure Bien Peau

1 6 2 4 7 tendu orange
1 10 28 2 40
2 4 35 1 40
3 3 32 5 40
4 20 17 3 40
5 0 23 17 40
6 17 21 2 40
7 7 33 0 40
8 9 25 6 40

Analyser les trois réponses et proposer une optimisation pour ce protocole