Plans D Exp Riences Marc Danzart

LES PLANS D’EXPÉRIENCES
Marc DANZART
AgroParisTech, site de Massy
1 Avenue des Olympiades
91744 MASSY CEDEX
Tel : (33) 1 69 93 50 27
Fax : (33) 1 69 93 51 74
marc.danzart @ agroparistech.fr
LA DÉMARCHE STATISTIQUE
Hypothèse
Expérience
Modèle
Résultats probables
Risques Résultat
expérimental
Résultats improbables
Contraintes
Hypothèse
Expérience
Modèle
Résultats probables
Risques Résultat
expérimental
Résultats improbables
Satisfaire des contraintes
De coût
De temps
D'organisation
...
LES DANGERS
Pdt Pdt Pdt Pdt Pdt Pdt Pdt Pdt
1 2 3 4 5 6 7 8
Sujet n° 1
Sujet n° 2
Sujet n° 3
Sujet n° 4 La confusion d'effets
Sujet n° 5
Sujet n° 6
Sujet n° 7
Sujet n° 8
Sujet n° 9
Sujet n° 10
OPTIMISATION D’UN COUPLE TEMPS x TEMPÉRATURE
On étudie l’effet du temps de

cuisson sur le rendement
75
70
topt = 123.6 mn
Rendement
65
60
55
On fixe donc t à 125 mn puis on
étudie l’effet de la température
50
45 80
50 100 150 200
70
Temps de cuisson (mn)
Rendement
60
50
40
30
20 200 210 220 230 240 250 260

Température (°C)
OPTIMISATION D’UN COUPLE TEMPS x TEMPÉRATURE
Optimum réel
91.2
260
255 ° C
250
240
Température (°C)
230 Optimum apparent

73.4
220
210
200
50 100 150 200
55 min Temps de cuisson (min)
LA PESÉE … Version 1
Tarage de Pesée de
la balance 0 0 l'objet n° 2
m0 m2
Pesée de 0 0 Pesée de
l'objet n° 1
l'objet n° 3
1 3
m1 m3
LA PESÉE … Version 2
Pesée n° 1 0 0 Pesée n° 3
1 2 3 2 1 3
P0 P2
Pesée n° 2 0 0 Pesée n° 4
1 2 3 3 1 2
P1 P3
LA PESÉE : LE CALCUL DES POIDS …
OBJET VERSION 1 VERSION 2

P0 + P1 - P2 - P3
1 m1 m1 = 4
P0 + P 2 - P1 - P3
2 m2 m2 = 4
P0 + P3 - P1 - P2
3
m3 m3 = 4
la pesée ... calcul des poids

LA PESÉE : LES PRÉCISIONS …
OBJET VERSION 1 VERSION 2
1 2s 2
s4 2
2 2s 2
s4
2
3 2s 2 s 2
4
La pesée "originale" conduit à une précision près de

La peséeà celle
3 fois supérieure ... les
de précisions
la pesée traditionnelle
LES DANGERS
y=a+bx+ e
La précision de la réponse du modèle
au point x est calculable a priori :
2
^
Var ( y(x) ) = s (1 + 1n +
2 (x-x.)
)
S (x i-x.)
2
LE MODÈLE LINÉAIRE
Y = Xq + E
Vecteur des Vecteur des

résultats Matrice du erreurs
plan d'experience
Vecteur des
paramètres
^
q = (X'X) X'Y
-1 Si X'X est inversible
^
q = (X'X+H'H) X'Y
-1
Si X'X n'est pas inversible
H représente la matrice des contraintes
LE MODÈLE LINÉAIRE
^
q = (X'X) X'Y
-1
^
Var( q )= s (X'X)
2 -1
La corrélation entre les paramètres est prévisible à

l'avance et dépend de la structure expérimentale
-1
Un bon plan minimise la matrice (X'X)
Minimisation du déterminant D-optimalité

LES PRINCIPALES CLASSES DE PLANS
D’ EXPÉRIENCES EN INDUSTRIE ALIMENTAIRE
Détecter les facteurs influents

Plans de Plackett-Burman
Méthode Taguchi
...
Optimiser un process
Plans Central composite
Plans de Box-Benhken
...
Optimiser un mélange
Plans de Scheffé
Extreme vertices designs
...
Comparer un grand nombre de produits
Blocs incomplets équilibrés
...
LES PLANS FACTORIELS COMPLETS
Facteur Facteur Facteur
n° 1 n° 2 n° 3
TOUTES LES Exp. n° 1 1 1 1

COMBINAISONS DES Exp. n° 2 1 1 2
Exp. n° 3 1 1 3
NIVEAUX Exp. n° 4 1 2 1
DES FACTEURS SONT Exp. n° 5 1 2 2
TESTÉES Exp. n° 6 1 2 3
Exp. n° 7 2 1 1
Exp. n° 8 2 1 2
LE NOMBRE Exp. n° 9 2 1 3
D'EXPÉRIENCES EST Exp. n° 10 2 2 1
Exp. n° 11 2 2 2
DONC ÉGAL Exp. n° 12 2 2 3
AU PRODUIT DES Exp. n° 13 3 1 1
NOMBRES DES NIVEAUX Exp. n° 14 3 1 2
Exp. n° 15 3 1 3
Exp. n° 16 3 2 1
Ici n = 3 x 2 x 3 = 18 essais Exp. n° 17 3 2 2
Exp. n° 18 3 2 3
LES PLANS FRACTIONNÉS
CONSTATATION : DIFFICULTÉ A INTERPRÊTER LES

INTERACTIONS D‘ ORDRE ÉLEVÉ
IDÉE : EN PROFITER POUR MINIMISER

LE NOMBRE D'ESSAIS
DANGER : LA CONFUSION D'EFFETS

LES MATRICES DE HADAMARD (1)
Pour chacun des facteurs étudiés on choisit deux valeurs

appelées respectivement
niveau bas noté -

niveau haut noté +
Si le facteur est qualitatif ce sont les deux niveaux

Si le facteur est quantitatif ce sont deux valeurs choisies
dans la plage de variation du facteur
essai n° 1
essai n° 2
essai n° 3
essai n° 4
essai n° 5
essai n° 6
essai n° 7
essai n° 8
Variable étudiée
d1
Facteur
Niveau - Niveau +
n° 1
Variable étudiée
d2
Facteur
Niveau - Niveau +
n° 2
Erreur due à la non linéarité de l'influence du facteur étudié

Le nombre d'expériences est toujours un multiple de 4
n=4
n=8
n = 12
n = 16
n = 20
Hadamard (5)
Création d’un nouveau produit :
Le chewing-gum light
Nouveau procédé : extrusion

Nouvelle composition : les polyols
remplacent les sucres
11 paramètres à optimiser simultanément

Type de vis de l’extrudeur
Vitesse de rotation de la vis
Température de la gomme
...
Pourcentage de Xylitol
Pourcentage de Mannitol
...
Le chewing-gum
p-k
LES PLANS FRACTIONNÉS 3
Lorsque les facteurs étudiés sont des facteurs à 3 niveaux,
on étudie des fractions du plan complet 3p.
Pour cela on construit d’abord un plan Facteur Facteur
de base de base
complet à 2 facteurs. Ce plan comporte n° 1 n° 2
9 essais (3x3). Il est bien sûr orthogonal !
1 1
1 2
1 3
Si l’on souhaite étudier plus de 2 facteurs
2 1
il faut ajouter des colonnes équilibrées
(3 expériences au niveau 1, 3 au niveau 2 2 2
et 3 au niveau 3) qui doivent être orthogonales 2 3
aux précédentes 3 1
3 2
A cet effet on étudie la famille des carrés latins 3 3
orthogonaux 3x3.
p-k
LES PLANS FRACTIONNÉS 3
CL1 CL2
Facteur Facteur
Facteur Facteur
de base de base
1 2 3 1 2 3 n° 1 n° 2
n° 3 n° 4
2 3 1 3 1 2 1 1 1 1
3 1 2 2 3 1 1 2 2 3
1 3 3 2
Chacun des deux carrés latins
2 1 2 2
sert à construire une colonne ! 2 2 3 1
2 3 1 3
3 1 3 3
3 2 1 2
3 3 2 1
Il n’est pas possible d’étudier plus de 4 facteurs avec 9 essais ! …

car il n’existe pas d’autre carré latin orthogonal aux deux carrés existants.
Il faudra alors au moins 27 essais !!
LA PRISE EN COMPTE DES INTERACTIONS
BCD ACD ABD CD BD AD D
=
=
=
I A B C AB AC BC ABC
Essai 1 1 -1 -1 -1 1 1 1 -1
Essai 2 1 -1 -1 1 1 -1 -1 1
Essai 3 1 -1 1 -1 -1 1 -1 1
Essai 4 1 -1 1 1 -1 -1 1 -1
Essai 5 1 1 -1 -1 -1 -1 1 1
Essai 6 1 1 -1 1 -1 1 -1 -1
Essai 7 1 1 1 -1 1 -1 -1 -1
Essai 8 1 1 1 1 1 1 1 1
LES PLANS CENTRAL COMPOSITE ( 1 )
OBJECTIF : TROUVER UN OPTIMUM
MODÈLE ASSOCIÉ : SURFACES DE RÉPONSE
CONTRAINTES : VARIABLES QUANTITATIVES
PROPRIÉTÉS : D-OPTIMALITÉ, ROTATABILITÉ

et ISOVARIANCE PAR ROTATION
p
2 points de l'hypercube
2p points du parallèlotope
étoilé
Facteur
2 points centraux
n° 2
p
Soit n = 2 + 2.p + 2
essais au total
Chaque facteur est utilisé à

5 valeurs différentes
Facteur
n° 1
Chaque facteur est étudié Plan Central composite
à 5 niveaux à 3 facteurs
La valeur minimum N1=min moy. moy. moy.
moy. moy. moy.
La 1ère valeur intermédiaire N2 moy. moy. min
La valeur moyenne N3=moy. moy. moy. Max
La 3ème valeur intermédiaire N4 moy. min moy.
moy. Max moy.
La valeur maximum N5=Max min moy. moy.
Max moy. moy.
N2 N2 N2
p N2 N2 N4
N2 = moy. - (moy.-min) N2 N4 N2
p N2 N4 N4
N4 N2 N2
p N4 N2 N4
N4 = moy. + (moy.-min) N4 N4 N2
p N4 N4 N4
Equation polynomiale du modèle :
Y = a0 + a1.Pv + a2.E/S + a3.(Pv)² + a4.(E/S)² + a5.Pv.E/S
-2
NETTOYAGE DE SALADE (1)
6
5,8
5,6
5,4
Log CF 5,2
5
4,8 200
4,6 140
90
0
20
40 E/S
40
60
80
100
Pv
120
140
2
1,8
1,6
Log Rdt 1,4
1,2
1 200
0,8 140
90
0
E/S
20
40
40
60
80
100
Pv
120
140
2,2
2,1
2
1,9
1,8
Log CTh 1,7
1,6
1,5
200
1,4
1,3 140
90
0
E/S
20
40
40
60
80
100
Pv
120
140
Log CF Log Rdt Log CTh

200 200 200
180 180 180
170 170 170
160 160 160
150 150 150
140 140 140
130 130 130
120 120 120
110 E/S 110 E/S 110 E/S
100 100 100
90 90 90
80 80 80
70 70 70
60 60 60
50 50 50
40 40 40
0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140
Pv Pv Pv
OPTIMISATION MULTIVARIABLE
200
180
170
160
150
140
130
120
110 E/S
100
90
80
70
60
50
0 20 40 60 80 100 120 140
Pv
PLANS DE BOX BENHKEN
Chaque facteur est étudié Plan de Box-Benhken

à 3 niveaux à 3 facteurs
min min moy
minimum min min Max moy
moyenne moy Max min moy
Maximum Max Max Max moy
min moy min
min moy Max
Max moy min
Max moy Max
moy min min
moy min Max
moy Max min
moy Max Max
moy moy moy
moy moy moy
Le nombre d’expériences est égal à 2p² - 2p + 2

LES PLANS DE MÉLANGE (1)
Produit n° 1
Produit n° 2 Produit n° 3
Réseau Simplex centre de Scheffé

PLANS DE MÉLANGE ( 2 )
L’équation habituelle
y = a0 + a1c1 + a2c2 + a3c3 + a4c1² + a5c2² + a6c3² + a7c1c2 + a8c1c3 + a9c2c3
Ne peut être résolue (il faudrait estimer 10 paramètres avec seulement 7 expériences !)
Ceci est dû à la contrainte c1 + c2 + c3 = 1 La somme totale des ingrédients fait 100 %
Il n’y a donc pas

a0 + a1c1 + a2c2 + a3c3 = (a0+a1)c1 + (a0+a2)c2 + (a0+a3)c3 besoin de constante
Il n’y a pas besoin

c1 (c1 + c2 + c3) = c1 c1² = c1- c1 c2 - c1 c3 Des termes carrés
On ajuste donc le modèle suivant :

y = a 1c 1 + a 2c 2 + a 3c 3 + a 4c 1c 2 + a 5c 1c 3 + a 6c 2c 3
OPTIMISATION D’UN VIN PAR
MÉLANGE DE CÉPAGES
Cépage
n° 3
20
18 26
24
16 22
18
14 16
14
12
Cépage Cépage
n° 1 20 n° 2
M.Sergent
Cépages D.Mathieu
R. Phan-Tan-Luu
(1985)
LES PLANS DE MÉLANGE (3)
Ingrédient
n° 3
Ingrédient Ingrédient
n° 1 n° 2
Plans avec contraintes

LES PLANS D-OPTIMAUX
FACE A DES CAS PLUS DIFFICILES, ON SE RATTACHE

AUX PROPRIÉTÉS DES MATRICES EXPÉRIMENTALES.
CERTAINS AUTEURS ONT PROPOSÉS DES

ALGORITHMES DE CONSTRUCTION
DE PLANS D-OPTIMAUX
WYNN
FEDOROV
WHEELER
MITCHELL
WELCH
LES BLOCS INCOMPLETS ÉQUILIBRÉS (1)
p produits sont étudiés avec un panel de

s sujets.
k est le nombre de produits testés par chaque sujet
r est le nombre de répétitions par produits
(nombre de sujets testant un produit donné)
l est le nombre de fois où un couple de produits est noté
(nombre de sujets testant simultanément deux produits donnés)
On peut montrer que p.r = s.k (*)

les deux conditions
r.(k-1)
l = p-1
suivantes
sont nécessaires : (**)
LES BLOCS INCOMPLETS ÉQUILIBRÉS (2)
Produits
1 2 3 4 5 6 7
Sujet 1
Sujet 2
Sujet 3
Sujet 4
Sujet 5
Sujet 6
Sujet 7
Traitement statistique des résultats des BIE
Produit Produit Produit Produit Produit Produit Produit

n° 1 n° 2 n° 3 n° 4 n° 5 n° 6 n° 7
Sujet
n° 1 7 5 9
Sujet
n° 2 10 11 12
Sujet
n° 3 7 6 14
Sujet
n° 4 14 16 15
Sujet
n° 5 14 11 17
Sujet
n° 6 16 15 17
Sujet
n° 7
14 7 12
Somme totale par produit 24 33 39 42 30 33 48
Moyennes 8 11 13 14 10 11 16
Si l’on s’intéresse aux notes données par les 3 sujets qui ont testé le produit 1
n° 1 n° 2 n° 3 n° 4 n° 5 n° 6 n° 7
Sujet
n° 1 7 5 9
Sujet
n° 2 10 11 12 La somme totale de ces notes,
notée T1, est égale à 81
Sujet
n° 3 7 6 14
Sujet
n° 4
14 16 15
Sujet
n° 5
14 11 17
Sujet
n° 6
16 15 17
Sujet
n° 7
14 7 12
Si l’on s’intéresse aux notes données par les 3 sujets qui ont testé le produit 2
n° 1 n° 2 n° 3 n° 4 n° 5 n° 6 n° 7
Sujet
n° 1 7 5 9
La somme totale de ces notes,
Sujet
n° 2 10 11 12
notée T2, est égale à 108
Sujetan
n° 3
7 6 14
14 16 15
Sujet
n° 4
Sujet
n° 5
14 11 17
!
Sujet 16 15 17 Par conséquent, les sommes par produit
n° 6
14 7 12 doivent être corrigées pour obtenir des

Sujet
n° 7
comparaisons non biaisées !
La somme corrigée pour

le produit i est égale à :
gi = Si - Ti
k
g 1 = 24 - 81/3 = - 3 pour le produit 1
g 2 = 33 - 108/3 = - 3 pour le produit 2
gi
La moyenne corrigée pour
le produit i est égale à : a i
=
rE
p(k-1)
avec E=
k(p-1)
E est appelé coefficient d’efficacité.

CONTRAINTES
UN GRAND NOMBRE DE PRODUITS Á ÉTUDIER 20 (environ)
UN NOMBRE LIMITÉ DE BOXES DE DÉGUSTATION 14 boxes
UNE TAILLE DE PANEL LIMITÉE 20 sujets au maximum
UN NOMBRE RESTREINT DE SESSIONS 15 demi-journées
UN NOMBRE LIMITÉ DE PRODUITS PAR SUJET 6 produit maximum / jour
.......
LES BLOCS INCOMPLETS ÉQUILIBRES
A DEUX ETAGES
Produits
ABCDEFGHIJKLMNOPQRSTU Produits
1
pour une session donnée
2
3 A D I J P R S
4
5
6 Sujet 1
7
8
9 Sujet 2
10
11
12
13 Sujet 3
14
15
Sessions 16
17
Sujet 4
18
19
20 Sujet 5
21
22
23 Sujet 6
24
25
26 Sujet 7
27
28
29
30
BIE (3)
PLANS POUR MAÎTRISER L’ORDRE DE PRÉSENTATION
DES PRODUITS ET LES ARRIÈRES-EFFETS
Ordre de présentation
des produits
Sujet n° 1 A B C D
Sujet n° 2
B D A C
Sujet n° 3
C A D B
Sujet n° 4 D C B A
Carrés latins de Williams
Jour 1 Jour 2 Jour 3 Jour 4 Jour 5 Jour 6 Jour 7 Jour 8 Jour 9 Jour 10
Sujet 1 P1 P2 P10 P3 P9 P4 P8 P5 P7 P6
QUELQUES CONSEILS
• Faire les mesures plutôt aux bornes du

domaine d'étude
• Eviter les confusions d'effet en recherchant
l'orthogonalité entre les facteurs
• Utiliser les logiciels de construction de plans
d'expériences quand cela est possible
• valider concrètement les résultats trouvés
Conseils
LA DEMARCHE EXPERIMENTALE
Clairement définir les objectifs

Lister les facteurs influents
Choisir le domaine de variation
Lister l’ensemble des contraintes
Construire le plan d’expériences
L’APPROCHE EXPÉRIMENTALE
Conjecture
Plan d’expériences
Expérimentation
Analyse des résultats
Conclusions
LES PLANS D’EXPÉRIENCES PERMETTENT
Précision
Efficacité
Flexibilité
BIBLIOGRAPHIE
BOX G.E.P, HUNTER W.G. & HUNTER J.S.

Gilles et Marie-Christine SADO Statistics for experimenters
Les plans d’expériences John Wiley & Sons 1978
AFNOR Technique
KEMPTHORNE O.
Yves TOURBIER, et Al The design ans analysis of experiments
Les plans d’expériences John Wiley & Sons 1952
Presses Romandes
CORNELL J.A.
Jacques GOUPY Experiments with mixtures
Les plans d’expériences John Wiley and Sons 1981
DUNOD
BARKER T.B.
Quality by experimental designs
Marcel Dekker 1985
DAVIES O.L.
The design and analysis of industrial experiments
Oliver & Boyd 1985

Plans D Exp Riences Marc Danzart

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Plans D Exp Riences Marc Danzart

Transféré par

Droits d'auteur :

Formats disponibles

LES PLANS D’EXPÉRIENCES

Satisfaire des contraintes

On étudie l’effet du temps de

20 200 210 220 230 240 250 260

230 Optimum apparent

OBJET VERSION 1 VERSION 2

la pesée ... calcul des poids

OBJET VERSION 1 VERSION 2

La pesée "originale" conduit à une précision près de

Vecteur des Vecteur des

La corrélation entre les paramètres est prévisible à

Minimisation du déterminant D-optimalité

Détecter les facteurs influents

TOUTES LES Exp. n° 1 1 1 1

CONSTATATION : DIFFICULTÉ A INTERPRÊTER LES

IDÉE : EN PROFITER POUR MINIMISER

DANGER : LA CONFUSION D'EFFETS

Pour chacun des facteurs étudiés on choisit deux valeurs

niveau bas noté -

Si le facteur est qualitatif ce sont les deux niveaux

Erreur due à la non linéarité de l'influence du facteur étudié

Le nombre d'expériences est toujours un multiple de 4

Nouveau procédé : extrusion

11 paramètres à optimiser simultanément

Il n’est pas possible d’étudier plus de 4 facteurs avec 9 essais ! …

BCD ACD ABD CD BD AD D

OBJECTIF : TROUVER UN OPTIMUM

MODÈLE ASSOCIÉ : SURFACES DE RÉPONSE

CONTRAINTES : VARIABLES QUANTITATIVES

PROPRIÉTÉS : D-OPTIMALITÉ, ROTATABILITÉ

Chaque facteur est utilisé à

Equation polynomiale du modèle :

Y = a0 + a1.Pv + a2.E/S + a3.(Pv)² + a4.(E/S)² + a5.Pv.E/S

Log CF Log Rdt Log CTh

0 20 40 60 80 100 120 140

Chaque facteur est étudié Plan de Box-Benhken

Le nombre d’expériences est égal à 2p² - 2p + 2

Réseau Simplex centre de Scheffé

Il n’y a donc pas

Il n’y a pas besoin

On ajuste donc le modèle suivant :

Plans avec contraintes

FACE A DES CAS PLUS DIFFICILES, ON SE RATTACHE

CERTAINS AUTEURS ONT PROPOSÉS DES

p produits sont étudiés avec un panel de

On peut montrer que p.r = s.k (*)

Produit Produit Produit Produit Produit Produit Produit

14 7 12 doivent être corrigées pour obtenir des

La somme corrigée pour

g 2 = 33 - 108/3 = - 3 pour le produit 2

E est appelé coefficient d’efficacité.

UN GRAND NOMBRE DE PRODUITS Á ÉTUDIER 20 (environ)

UN NOMBRE LIMITÉ DE BOXES DE DÉGUSTATION 14 boxes

UNE TAILLE DE PANEL LIMITÉE 20 sujets au maximum

UN NOMBRE RESTREINT DE SESSIONS 15 demi-journées

UN NOMBRE LIMITÉ DE PRODUITS PAR SUJET 6 produit maximum / jour

• Faire les mesures plutôt aux bornes du

Clairement définir les objectifs

BOX G.E.P, HUNTER W.G. & HUNTER J.S.

Vous aimerez peut-être aussi