Applications

Application 1 :
Un industriel cherche à augmenter le rendement de fabrication d’un
médicament à partir de plantes naturelles. Il cherche à améliorer la quantité
du principe actif, extrait à chaud en présence de NaCl. L'industriel décide
d'étudier ces deux facteurs dans le domaine suivant :

• Facteur 1 : Concentration en chlorure de sodium entre 40 et 60 grammes.

• Facteur 2 : Température entre 60°C et 80°C.

L'industriel exécute un plan factoriel complet 22 pour étudier la masse du

produit actif fabriqué.
Dresser le tableau de codage,
Calculer le nombre d’essais à réaliser et le nombre de coefficients,
Etablir la matrice du modèle.
Application 1 :

Tableau de codage :

Niveau C T (en
(en g/l) °C)
/X1 /X2

Valeur min -1 40 60
Valeur max 1 60 80
Application 1 :

Tableau de codage :

Niveau C /X1 T /X2

(en g/l) (en °C)
Valeur min -1 40 60
Valeur max 1 60 80

Coefficients du modèle :
Le modèle postulé est un modèle linéaire
avec couplage => p = 4 coefficients.
k ( k 1)
p 1 k
2

Nombre d’essais à réaliser :

Plan factoriel complet => 2k essais.
Application 1 :

Tableau de codage : Nombre d’essais à réaliser :

Niveau C /X1 T /X2 Plan factoriel complet => 2k essais.
(en g/l) (en °C)
Valeur min -1 40 60
Valeur max 1 60 80

k (k 1)
Coefficients du modèle : p 1 k p = 4 coefficients.
2

Matrice du modèle : L4(22) L4 I X1 X2 X1X2 plan saturé :

La matrice du
1 1 -1 -1 1 modèle doit avoir
2 1 1 -1 -1 autant de colonnes
Matrice du modèle que de coefficients
3 1 -1 1 -1 p du modèle.
4 1 1 1 1
Application 1 :

Matrice des essais :

L4 I X1 X2 X1X2 Y
La réalisation des essais 1 1 -1 -1 1 115
permet d’obtenir les 2 1 1 -1 -1 185
résultats : 3 1 -1 1 -1 104
4 1 1 1 1 156

La réponse exprimée par le modèle empirique est :

Yˆ Ym a1 X1 a2 X 2 a12 X1 X 2

Dans ce cas, on a : N = 4 essais et p = 4 coefficients.

N = p ; Le plan L4 est un plan saturé.
PLAN FACTORIEL COMPLET 22 : Modèle linéaire avec couplage

RLM
Yˆ Ym a1 X 1 a2 X 2 a12 X 1 X 2
Meilleure Solution

Y1 Y2 Y3 Y4
Ym
4 L4 I X1 X2 X1X2 Yexp
1 1 -1 -1 1 115
Y1 Y2 Y3 Y4
a1 2 1 1 -1 -1 185
4 3 1 -1 1 -1 104
Y1 Y2 Y3 Y4 4 1 1 1 1 156
a2
4 Ym a1 a2 a12

Y1 Y2 Y3 Y4
a12 Interaction
4 Constante effets
(couplage)

Moyenne des Yi des facteurs

PLAN FACTORIEL COMPLET 22 : Modèle linéaire avec couplage

RLM
Yˆ Ym a1 X 1 a2 X 2 a12 X 1 X 2
Meilleure Solution

Y1 Y2 Y3 Y4
Ym 140
4 L4 I X1 X2 X1X2 Yexp
1 1 -1 -1 1 115
Y1 Y2 Y3 Y4
a1 30,5 2 1 1 -1 -1 185
4 3 1 -1 1 -1 104
Y1 Y2 Y3 Y4 4 1 1 1 1 156
a2 10
4 Ym a1 a2 a12

Y1 Y2 Y3 Y4 140 30,5 -10 -4,5

a12 4,5 Interaction
4 Constante effets
(couplage)

Moyenne des Yi des facteurs

PLAN FACTORIEL COMPLET 22 : Modèle linéaire avec couplage

Validation du modèle : Yˆ Ym a1 X1 a2 X 2 a12 X1 X 2

Ym a1 a2 a12
Yˆ 140 30,5 X 1 10 X 2 4,5 X 1 X 2 avec :
140 -30,5 -10 -4,5

L4 I X1 X2 X1X2 Y Ÿ résidu

1 1 -1 -1 1 115 115 ≈0
N=p
2 1 1 -1 -1 185 185 ≈0
3 1 -1 1 -1 104 104 ≈0
plan saturé
4 1 1 1 1 156 156 ≈0

Quand le plan n’est pas saturé, on peut tester la validité

d’un modèle à l’aide des résidus.
PLAN FACTORIEL COMPLET 22 : Modèle linéaire avec couplage

Validation de la linéarité du modèle :

Quand N = p (plan saturé), le test de validité exige une
expérience supplémentaire «essai de validation» pour une
combinaison des facteurs X1 et X2 pris dans leur domaine
expérimental).

Essai de validation est réalisé au centre du domaine de l’étude.

Ce test est très intéressant puisqu'il permettra de tester
l’hypothèse de linéarité du modèle.

X1 = 0 (50 g/l) et X2 = 0 (70 °C)

Yˆ 140 30,5 X 1 10 X 2 4,5 X 1 X 2

PLAN FACTORIEL COMPLET 22 : Modèle linéaire avec couplage

Exploitation du modèle :
Pour chaque valeur de la réponse Y, on a :

Yˆ 140 30,5 X 1 10 X 2 4,5 X 1 X 2

A chaque valeur Ycible de la réponse Y correspond une combinaison (X1; X2)
des deux facteurs.

Objectifs de l’étude :
1- Chercher la configuration (X1,X2) pour Ycible = 156g.
2- Maximiser la quantité du principe actif extraite.
ANALYSE STATISTIQUE DU MODELE

Qualité descriptive du modèle :

Le critère usuellement adopté pour juger de la qualité du
modèle mathématique est la variance résiduelle SRés. Ce
critère est applicable à tout type de modèle pour rendre
compte de la qualité descriptive du modèle.
Une variance résiduelle minimale signifie que le modèle
ajusté explique bien les variations de la réponse. Plus les
valeurs estimées se rapprochent des valeurs observées,
plus le coefficient de corrélation r (Y ; Yˆ ) tend vers +1.
ANALYSE STATISTIQUE DU MODELE

Coefficient de détermination R2
N
SC mod (Yˆi Y )2 ; Variation des réponses estimées autour de leur
i 1 moyenne.
N
SCT (Yi Y )2 ; Variation des réponses mesurées autour de leur
i 1 moyenne.
N
SCRe s (Yi Yˆi ) 2 ; Variance résiduelle : minimisée par RLM
i 1

N N
(Yˆi Y) 2
(Yi Yˆi ) 2
i 1 i 1 SCRe s
R2 = N =1- =1-
(Yi Y) 2 N
(Yi Y )2 SCT
i 1
i 1
ANALYSE STATISTIQUE DU MODELE

Calcul du Coefficient de détermination R2 : 0 < R2 < 1.

SCmod
R2 = SC ; SCT = SCmod + SCRe s
T

N N
(Yˆi Y) 2
(Yi Yˆi ) 2
i 1 i 1 SCRe s
R2 = N =1- =1-
(Yi Y )2
N
(Yi Y )2 SCT
i 1
i 1
ANALYSE STATISTIQUE DU MODELE

Calcul du R2ajusté : Coefficient de détermination

N
(Yi Yˆi ) 2
i 1

(N-p)
R2ajusté = 1 - N
(Yi Y )2
i 1

(N-1)

R2ajusté tient compte des nombres de degrés de liberté.

PLAN FACTORIEL COMPLET 2K : Modèle linéaire avec couplage

Le plan factoriel complet réalise toutes les combinaisons

possibles. Le nombre d’essais à réaliser est égale à 2k.
Il permet de calculer tous les coefficients du modèle linéaire
k=3 => L (2 3) ; 23 = 8 essais à réaliser
avec couplage. 8
L8 X1 X2 X3 X1X2 X1X3 X2X3
1

2
k = 2 => L4 (22)
3
22 = 4 essais à réaliser
4
L4 X1 X2 X1X2 5
1 -1 -1 1 6
2 1 -1 -1 7
3 -1 1 -1 8
4 1 1 1
PLAN FACTORIEL COMPLET 2K : Modèle linéaire avec couplage

Le plan factoriel complet réalise toutes les combinaisons

possibles. Le nombre d’essais à réaliser est égale à 2k.
Il permet de calculer tous les coefficients du modèle linéaire
avec couplage.

k=3 => L8(23) ; 23 = 8 essais à réaliser

L8 X1 X2 X3 X1X2 X1X3 X2X3
k = 2 => L4(22)
1 -1 -1 -1 1 1 1
22 = 4 essais à réaliser 2 1 -1 -1 -1 -1 -1

L4 X1 X2 X1X2 3 -1 1 -1 -1 -1 1

1 -1 -1 1 4 1 1 -1 1 1 -1
5 -1 -1 1 1 1 -1
2 1 -1 -1
6 1 -1 1 -1 -1 1
3 -1 1 -1
7 -1 1 1 -1 -1 -1
4 1 1 1
8 1 1 1 1 1 1
 PLANS D’EXPERIENCES : PLAN FACTORIEL COMPLET 2k

L16 X1 X2 X3 X4 X1X2 X1X3 X1X4 X2X3 X2X4 X3X4

Pour k = 4 facteurs
1 -1 -1 -1 -1 1 1 1 1 1 1
L16(24) = 16 essais. 2 1 -1 -1 -1 -1 -1 -1 1 1 1
3 -1 1 -1 -1 -1 1 1 -1 -1 1
Le plan complet est 4 1 1 -1 -1 1 -1 -1 -1 -1 1
particulièrement 5 -1 -1 1 -1 1 -1 1 -1 1 -1

intéressant pour 2 6 1 -1 1 -1 -1 1 -1 -1 1 -1
7 -1 1 1 -1 -1 -1 1 1 -1 -1
et 3 facteurs.
8 1 1 1 -1 1 1 -1 1 -1 -1
9 -1 -1 -1 1 1 1 -1 1 -1 -1
En milieu industriel, 10 1 -1 -1 1 -1 -1 1 1 -1 -1
il est très rare de 11 -1 1 -1 1 -1 1 -1 -1 1 -1
12 1 1 -1 1 1 -1 1 -1 1 -1
réaliser des plans
13 -1 -1 1 1 1 -1 -1 -1 -1 1
complets pour plus 14 1 -1 1 1 -1 1 1 -1 -1 1
de 4 facteurs. 15 -1 1 1 1 -1 -1 -1 1 1 1
16 1 1 1 1 1 1 1 1 1 1
Application : Plan Factoriel Complet 23

Le procédé de fabrication d’un matériau dépend de trois

paramètres opératoires qui sont la température, la
concentration du réactif R et la vitesse d’agitation du réacteur.
Ces paramètres varient dans une plage de :
- Température : de 20 à 50°C.
- Concentration du Réactif : de 2.10 -2à 5.10 -2 M.
- Vitesse d’agitation du réacteur : de 5 à 10 tr/min.

Exprimer le rendement de la réaction R en fonction des trois

paramètres d’entrée.
Etude d’un procédé chimique
Notre objectif est de trouver les conditions optimales qui
donnent un rendement de réaction au moins égal à 68 avec
une température aussi basse que possible.

Niveaux Facteurs (paramètres d’entrée)

/ modalités
V.C.R Température Concentration (M) / Vitesse Agit.
(°C) / X1 X2 (Tr/min) / X3
-1 20 °C 2.10 -2 5
+1 50 °C 5.10 -2 10
Matrice des expériences et résultats d’essais du plan L8

X1 X2 X3 Yexp
- -- 20 2.10 -2 5 43,9
+-- 50 2.10 -2 5 61,3
-+- 20 5.10 -2 5 54,6
++- 50 5.10 -2 5 42,7
- -+ 20 2.10 -2 10 48,2
+-+ 50 2.10 -2 10 65,8
-++ 20 5.10 -2 10 58,7
+++ 50 5.10 -2 10 50,8