Académique Documents
Professionnel Documents
Culture Documents
Surfaces de Réponse Et Optimisation
Surfaces de Réponse Et Optimisation
Chapitre IV
Surfaces de réponse et optimisation
1. Introduction
Le but de l’étude des surfaces de réponse est une modélisation du phénomène étudié, c’est une suite assez
naturelle d’une étape de criblage et constitue un moyen efficace de l’optimisation du dispositif expérimental
ou du procédé étudié. Dans la méthodologie des surfaces de réponses, on cherche à relier une réponse
continue y à k facteurs continus et contrôlés X1, X2,…Xk, à l’aide d’un modèle de régression linéaire qui
peut être un modèle du premier degré avec interactions. Lorsqu’il est insuffisant pour décrire avec efficacité
la réalité expérimentale, il est courant d’utiliser un modèle du second degré incluant les effets quadratiques
des facteurs. Dans la plupart des cas, ce dernier est suffisant pour modéliser correctement les phénomènes
étudiés.
Le choix du modèle à retenir dans cette étude est très important et une étape de validation expérimentale du
modèle adopté est souhaitable.
1
Surface de réponse modèle du second degré
Surface de réponse modèle du premier degré
18
16
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
1 2 1 2
3 4 3 4
5 5
Exemples de surfaces de réponses et courbes isoréponses (projection des surfaces sur un plan)
On a déjà vu que pour le modèle du premier degré la matrice expérimentale d’Hadamard est dite
orthogonale, ceci n’est pas le cas pour un modèle du second degré : les estimateurs des coefficients associés
à l’effet moyen et aux termes quadratiques ne peuvent pas être indépendants, d’où l’intérêt d’utilisation de
plans pour second degré avec des points en plus par rapport aux plans précédents.
Utilisés surtout pour les modèles du second degré, ils sont constitués d’un plan complet 2 k, d’une série de
points centraux et d’un ensemble de 2k points en étoile situés à une distance α du centre du domaine.
Les plans composites se prêtent au déroulement séquentiel d’une étude : en première partie on commence
par un plan factoriel complété par points au centre pour vérifier la validité du modèle du 1 er degré. Lorsque
les tests de validation sont négatifs on fait des essais supplémentaires pour établir modèle du 2 nd degré
(points en étoile).
2
5 coefficients à déterminer + la moyenne
En pratique le nombre total d’essai réalisé pour un plan composite est donné par :
3
La matrice d’information : Xt.X en fonction de N et Nf
Pour un type de modèle donné, on cherchera le placement « optimal » des points d’expériences pour lequel
tous les points axiaux sont à la même distance (grandeur réduites) du centre du domaine.
4
Dans notre cas on ne peut annuler tous les éléments de la matrice Xt X : termes constants et carrés
Donc :
Exemple : 2 facteurs et N0 = 4
5
D’où :
Permet de garantir une erreur de prédiction constante pour des points situés à égale distance du centre du
domaine
6
Les coefficients du modèle sont calculés par :
7
Exemple
On désire optimiser la formulation d'un produit légèrement collant. En effet, il s'agit de maintenir une simple
cohésion entre les fils d'une bobine pendant qu'on la déroule. La colle est un mélange de résine silicone et de
tension actifs dans du xylène. Les facteurs sont la masse de tension actif et la masse de résine silicone.
Les réponses sont la force de collage et la régularité du collage. Les objectifs sont
Force de collage : entre 1,6 et 2.
Régularité : supérieure à 5.
L’expérimentateur réalise un plan composite avec 4 points au centre du domaine d'étude et choisit α = 1,21
pour respecter le critère de presque orthogonalité.
Les résultats des essais sont rassemblés dans le Tableau ci-dessous :
8
Ces modèles permettent de tracer les courbes isoréponses sur un même graphique (Figure 16) et de délimiter
les zones d'intérêt.
La Figure ci-dessous indique la zone où les deux exigences sont respectées. Si on choisit de se mettre au
milieu de cette zone on trouve une composition répondant parfaitement aux objectifs de l'étude :
Tensio actif : 0,315
Résine : 0,024