Vous êtes sur la page 1sur 47

Planification

dexpriences

S. Rahali El Azzouzi
Enseignante en management
rahali_elazzouzi@yahoo.fr
2008 - 2009

Plan
Plan dexprience ?
Objectifs
Dfinition et terminologie
Exemple
Processus : Approche statistique
Exprimentation
Pourquoi un plan dexprience ?
Proprits de la matrice dexprience
Matrice augmente : Effets et interaction
Analyse statistiques
Plan fractionnaire
Technique de blocage

Plan dexprience ?
Protocole exprimental ou tude dans laquelle on perturbe
volontairement un processus afin de mesurer l'effet
combine de certains facteurs sur sa performance.
La planification des essais vise produire le maximum de
rsultats pour une dpense aussi faible que possible.

Objectifs
Comprendre et rduire la variabilit.
Caractriser et optimiser les procds.
valuer les proprits des matriaux, designs, systmes.
Dterminer les tolrances des composantes / systmes.
Rduire temps pour le design des produits / procds.
Amliorer la fiabilit des produits.
Obtenir des produits & des procds robustes.

Historique
Les annes vingt : Sir Ronald Fisher : introduit les bases de la thorie des plans
dexpriences pour augmenter les rendements agricoles.
La technique s'tendra dautre disciplines dont la physique et la chimie.
Les annes cinquante : Genichi Taguchi popularise lusage de la mthode dans les
milieux industriels japonais : Matriser la qualit, rduire les cots, amliorer la
productivit
Le succs du Japon a amen les ingnieurs occidentaux sintresser la mthode dite
de Taguchi .

Dfinition
Facteurs : variables primaires : variables contrles dont
on veut valuer les effets sur la variable rponse.
Rponse du systme: Le rsultat qui dcoule de la
variabilit de ces facteurs.
Variables secondaires :nuisibles : variables qui ne
reprsente pas lintrt principal de lexprience mais qui
doivent tre tenues en compte lors de sa conduite.
Erreur exprimentale : leffet de toutes les sources de
variabilit non contrles, connues et inconnues, incluant
lincertitude de mesure. Sa prsence est dtecte avec les
rptitions.

Dfinition
Traitements / combinaison de traitements : combinaison
des variables primaires lorsquils sont fixe une valeur
(niveau, modalit).
Bloc : regroupement des essais, par facteurs secondaires,
dans lobjectif de comparer les traitements en neutralisant
les effets de ces facteurs.
Plan exprimental : spcification de lensemble des essais
(tests) incluant le blocage, la randomisation, les
rptitions et lassignation des combinaisons des facteurs
aux units exprimentales.

Dfinition
Randomisation : assignation des traitements, lexcution
des tests et la prise des mesures doit ralise dans un
ordre dict par le hasard dans le but de neutraliser le plus
possible les effets des variables non contrls.
Rptitivit : reprendre la mesure du rsultat dun essai.
Rptition : refaire au complet un essai dun mme
traitement avec une nouvelle units exprimentale dans le
but dobtenir une estimation de lerreur exprimentale et
dassurer la reproductibilit de lessai
Matrice dexprience : tableau qui indique le nombre
dexpriences raliser avec la faon de faire varier les
facteurs et lordre dans lequel il faut raliser les
expriences

Dfinition
Test : combinaison des niveaux des facteurs pour obtenir une
valeur de la rponse.
Niveau : modalit : valeur spcifique dun facteur numrique
ou qualitative.
Effet : changement de la rponse entre 2 conditions
exprimentales
Effet principal : changement de la rponse entre 2 modalits
ou plus dun facteur
Effet dinteraction : effet conjoint associ 2 facteurs lorsque
leffet de chaque facteur dpend du niveau de lautre facteur

Exemple
Un fabricant de ressorts en acier est proccupe par le grand nombre de
flures survenant aprs cuisson a haute temprature.
On dcide de mener une tude.
Apres une sance de remue-mninges et construction d'un diagramme
d'Ishikawa, on dcide de se concentrer sur les trois facteurs suivants :
a) T = la temprature de l'acier au moment du trempage (en degrs
Fahrenheit) ;
b) C = la teneur en carbone (en pourcentage) de l'acier ;
c) O = la temprature (en degrs Fahrenheit) de l'huile de trempage.
L'objectif de l'tude est de dterminer l'influence de chacun de
ces facteurs sur la variable rponse Y , savoir la proportion de
ressorts non fls par lot de 100.

Exemple (suite)
Pour quantifier linfluence de chacun des trois facteurs, on
choisit den mesurer leffet deux niveaux diffrents :

Facteur

Niveau infrieur

Niveau suprieur

1450

1600

50%

70%

70%

120%

Exemple (suite) : Faon classique


Faon classique : consiste par exemple effectuer quatre
essais chacun des deux niveaux du facteur T en laissant les
facteurs C et O leurs niveau infrieur respectif.
Temprature

Proportion de ressorts(%)

Moyenne

1450

60

67

68

66

65.5%

1600

79

75

71

77

75.5%

La conclusion peut tre errone


Beaucoup dexprience
Manque dquilibre

Exemple (suite) : Planification dexprience


Essai

C(%)

T ()

O()

50

1450

70

70

1450

70

50

1600

70

70

1600

70

50

1450

120

70

1450

120

50

1600

120

70

1600

120

Exemple (suite) : Planification dexprience


Essai

C(%)

T ()

O()

Y(%)

50

1450

70

67

70

1450

70

61

50

1600

70

79

70

1600

70

75

50

1450

120

59

70

1450

120

52

50

1600

120

90

70

1600

120

87

Exemple (suite) : calcul des effets


Moyenne des Y lorsque O = 70
67+61+79+75
4

=70.5

Moyenne des Y lorsque O = 120


59+52+90+87

=72.5

4
Effet du facteur O :

72.0 -70.5 = 1.5

Exemple (suite) : prsence dinteractions entre O et T


Lorsque T = 1450
Moyenne des Y lorsque O = 70

Moyenne des Y lorsque O = 120

67+61

=64.0

2
59+52

=55.5

2
Effet du facteur O :

55.5 - 64.0 = -8.5

Lorsque T = 1600
Moyenne des Y lorsque O = 70

Moyenne des Y lorsque O = 120


Effet du facteur O :

79+75
=77.0
2
90+87
2

=88.5

88.5 77.0 = 11.5

Exemple (suite): interactions


O : Temprature de
lhuile
Moyenne

T : Temprature
Moyenne

70

120

1450

64

55,5

59,75

1600

77

88,5

82,75

70,5

72

71,25

PROCESSUS : approche statistique


FACTEURS = variables CONTRLABLES X 1 , X2 ,

X1 X2 Xn

Matriaux
Composants
Assemblage

Processus

Y
rponse :
sortie mesure
relie la qualit

erreur exprimentale
=
toutes les autres sources de variabilit
non contrles

Suppliers

Input : X

FACTEURS

Processus
GNRAL

Personnel

mlange

Matriaux

dinputs

quipement

: intrants

Politiques
Procdures
Mthodes
Environnement

Output : Y

Clients

REPONSE
indicateurs
en relation avec

qui

qualit produit

gnrent

qualit service

un
output
: extrant

excution tche

PROCD FABRICATION : exemple


FACTEURS

MOULAGE
INJECTION

temprature moule
pression retenue

paisseur pice

fabrication

dure retenue

de

taille ouverture

pices

vitesse vis

moules

% recycl

par

contenu moisissure

REPONSE

Injection

Autres caractristiques
gomtriques pice
% de rtrcissement
par rapport une valeur
nominale vise
% de pices non
conformes

PROCESSUS ADMINISTRATIF : exemple


FACTEURS

VENTE

REPONSE

politique prix

volume vente

formation vendeurs

% erreurs contacts

incitatifs

% ventes perdues

distribution

VENTE

% plaintes clients

suivi

temps cycle

varit produit

marge profit

concurrence

% parts march

relations clients

identification

politique paiement

besoins clients

DIAGRAMME ISHIKAWA : exemple

EXPRIMENTATION : tapes

Planification

Excution

Analyse
Transfert

Dfinir PROBLME / PROCESSUS - objectifs


2 Choisir les variables de RPONSE (S) Y
mesurer
3 Choisir les VARIABLES facteurs X et lespace
de variation
4 Dfinir & comparer des DESIGNS
EXPRIMENTAUX
5 PRPARER pour lexprience
6 CONDUIRE de lexprience
7 ANALYSE statistique des rsultats
8 AGIR avec les conclusions de lanalyse

Roue PDSA
Deming

EXPRIMENTATION : stratgies
Expriences de type OFAT un facteur la fois

faussement associes avec la mthode scientifique

dvastes par les interactions

inefficace : plus dessais que ncessaire

Expriences de type planifies statistiquement

bases sur le concept dexpriences factorielles

principes fondamentaux de lexprimentation :


randomisation rptition blocage

EXPRIMENTATION : stratgies
BONNE
1. Manipuler plusieurs facteurs simultanment durant les
essais.
2. Varier plusieurs facteurs dun essai lautre.
3.

Varier chaque facteur avec un petit nombre de modalits


(valeurs)

MAUVAISE
OFAT : Faire varier un facteur la fois

OFAT mauvaise stratgie ?

EXPRIMENTATION : principes
Randomisation

excution des essais dans un ordre dict par le hasard

ide : quilibrer les effets des variables caches

malveillantes

Rptition

recommencer lessai compltement

pas une relecture de lappareil de mesure

amliore la prcision de lestimation des effets

permet lestimation directe de lerreur exprimentale

Blocage

permet de contrler les facteurs nuisibles aussi appels facteurs secondaires

DONNES dexprimentation : mode actif

DONNES dobservations : mode passif

Exemple : plan factoriel complet 2

Plan de 8 essais : 3 7 facteurs

plan de 8 essais 2 : matrice


augmente
3

proprits importantes du plan


factoriel complet 2
4

8 (+) et 8 (-) dans chaque colonne somme = 0


ORTHOGONALIT permet de sparer les effets
produit de 2 colonnes = 0
QUILIBR balance

chaque modalit (niveau) de chaque facteur apparat


exactement 8 fois
toutes les combinaisons de 2 facteurs apparaissent
exactement 4 fois
toutes les combinaisons de 3 facteurs apparaissent
exactement 2 fois

Le produit terme terme de deux des colonnes


du tableau est gal une autre.

matrice augmente : proprits


Colonnes AB, AC, BC, et ABC sont obtenues par
multiplication exemple AB = A x B
Engendre un maximum de 7 comparaisons appels
CONTRASTES
C = ci Yi o ci = 0 ci = 1

Les contrastes sont indpendants car orthogonaux


j jc ij ci j= 0

Les contrastes transforment la rponse Y pour obtenir

Les effets principaux de A - B - C


Les effets dinteraction double AB - AC - BC
Leffet dinteraction triple ABC

Possibilit demployer la matrice avec plus de 3 facteurs

MODLISATION STATISTIQUE
Toute analyse statistique repose sur un modle :
- fonction f pour reprsenter une relation entre input X et output Y
- hypothse distributionnelle pour le terme derreur

X1
X2

Xk

Processus

N ( 0, 2 )

Y = f ( X1 , X2 , , Xk ; 0 , 1 , 2 , ) +
f : fonction inconnue approximation polynme
0 , 1 , 2 , : paramtres statistiques inconnus

Y = f (X)

MODLES STATISTIQUES : types


f est

inconnue approximation par des fonctions polynomiales

- tous les modles sont LINAIRES


Effets principaux ( ordre 1) :
Y = 0 + 1X 1 + 2X2 + + kXk
Effets principaux et interaction :
Y = 0 + 1X1 + 2X2 + + kXk + 12X1X2 + 13X1X3 +
Quadratiques (facteurs quantitatifs ) : ordre 2
Y = 0 + 1X 1 + 2X2 + + kXk + 12X1X2 + 13X1X3 +
+ 11X12 + 22X22 + 33X32 +
polynomial :
Y = 0 + 1X + 2X2 + + kXk

ANALYSE STATISTIQUE
1. Prparation de la matrice de tests pour la collecte des donnes
2. Spcification de la matrice du modle pour lanalyse
MATRICE MODLE
(augmente)

MATRICE DESIGN + COLONNES ADDITIONNELLES

(effets principaux) +

(effets dinteraction)

3. Ajustement du modle : estimation des paramtres statistiques 0 ,


1 ,
4. Tests dhypothses des paramtres (effets ) : 1, 2 ,
5. Analyse des rsidus
6. Optionnel : Itration des tapes 4-5-6-7 - modle avec effets
importants
7. Analyse de la variance
8. Prsentation graphiques des rsultats
- Pareto - effets principaux - interactions

Test de signification des effets du modle


Distribution dchantillonnage de j j = 0, 1, 2,
, k
(a) test H 0j : j = 0
vs
H 1j : j 0
rejeter H 0j au seuil si
=n-p
| j | / j > t ,
n : nombre dexpriences
ralises
(b) Intervalle de confiance p : nombre deffets y
compris la constante
j : j t , j
ESTIMATION de 2
rsidu : ei = yiobs - yiest
somme de carrs rsiduels : SSR = ei2
carr rsiduel moyen : MSR = SSR / n - p
estimation : 2 = MSR et i 2= ( MSR ) /n

Rgression linaire multiple


DCOMPOSITION DE LA VARIABILIT : tableau
danalyse de la variance
SSY = ( yiobs ymoy )2 : somme totale des carrs
SSM = ( yiest ymoy)2 : somme des carrs du modle
SSR = ( yiobs - yiest )2 : somme des carrs rsiduels
QUATION FONDAMENTALE
somme de carrs (SS) : SSY

= SSM

variabilit :

= modle + rsiduelle

totale

degrs de libert (DDL) : (n 1) = (p - 1)

SSR

+ (n-p)

Rgression linaire multiple


Tableau danalyse de la variance
SOURCE

DDL

SS

MS=
SS / DDL

F-ratio

p-valeur

rgression

P-1

SSM

MSM =
SSM / (p-1)

f = MSM /
MSR

P( F f )

rsiduelle

n-p

SSR

MSR = SSR
/(n-p) = 2

totale

n1

SSY

Test global H0G : 1= 2 = ... = k = 0


vs H1G: non H0G ( au moins un 0 )
rejeter H0 au seuil si f > F p - 1, n - p, 1

conception dun plan fractionnaire


Plan

23

24

25

26

nombre facteurs

nombre essais

16

32

64

Mthode : ajout de facteurs avec des effets confondus

conception dun plan fractionnaire


Exemple 1 plan pour 4 facteurs en 8 essais - plan 2 4-1 plan factoriel complet de 4 facteurs 2 modalits 2 4 =
16 essais
8 essais = plan 23 pour 3 facteurs A, B, C
Ajout 4ime facteur D en dfinissant ses valeurs avec linteraction triple D = ABC
Consquence : leffet principal de D est confondu avec linteraction triple ABC
Autres effets confondus A = BCD , B = ACD , C = ABD , AB = CD , AC = BD, BC = AD
Hypothse : effet dinteraction ABC est ngligeable
Plan de 4 facteurs en 8 essais versus 16 essais dans le plan complet conomie de 50% des essais

Algbre de relation des effets confondus :


plans avec facteurs 2 modalits 1
Exemple 1 : plan 24 1 D dfinit par D = ABC
BCD = BC (ABC) = A B2C2 = A car

B2

= C2 = I = identit
B = ACD, C = ABD, AB = CD, AC = BD,

AD

= BC, BC = AD, BD = AC, CD = AB


Tous ces rsultats viennent de lquation D = ABC

conception dun plan fractionnaire


Exemple 2 : plan 5 facteurs en 16 essais - plan not 2 5 - 1
Dpart : plan complet 24 pour 4 facteurs A, B, C, D = 16 essais
Ajout 5ime facteur E en confondant ses valeurs avec linteraction
quadruple E = ABCD
Hypothse : effet dinteraction ABCD est ngligeable
Effets confondus
A = BCDE
B = ACDE C = ABDE D = ABCE
AB = CDE
AC = BDE AD =BCE
AE = BCD
BC = ADE
BD = ACE BE =ACD
CD = ABE
CE = ABD DE = ABC
Plan de 5 facteurs en 16 essais
32 essais plan complet 2 5
conomie : 50% des essais

Blocage
Blocage de essais : mthode pour traiter facteurs nuisibles
ou secondaire
Facteur nuisible typique : lots de matire premire,
oprateurs, pices dquipement, temps, units
exprimentales,
Facteur nuisible : a probablement un effet sur la rponse
Y mais il ne prsente aucun intrt en soi
Stratgie : contrler /minimiser limpact des facteurs nuisibles
Beaucoup dexpriences industrielles implique le blocage
Absence de blocage : peut conduire un chec
manque de dtection des effets des facteurs primaires

Que faire avec des facteurs nuisibles ?


facteur nuisible
Connu
Oui

contrlable
oui

mthode de contrle
1. bloquer les essais
plans en blocs

Oui

mesurable

2. analyse de covariance :
enlever effet sur la rponse

Non

non

3. randomiser les essais

blocs : peuvent tre dfinis par plusieurs facteurs nuisibles

Exemple ?

essai

ABCD

-1

-1

-1

-1

550

-1

-1

-1

669

-1

-1

-1

604

-1

-1

650

L estimation de leffet de A :

-1

-1

-1

633

2669 +650+2635+749+2868+2860+729
2

-1

-1

642

-1

-1

601

-1

635

-1

-1

-1

1037

10

-1

-1

749

11

-1

-1

1052

12

-1

868

13

-1

-1

1075

14

-1

860

15

-1

1063

16

729

Jour 1 : 1, 4, 6, 7, 10, 11, 13, 16


Jour 2 : 2, 3, 5, 8, 9, 12, 14, 15

-550+2604+2633+601+3037+1052+1075+3063
2
= - 101.625