Académique Documents
Professionnel Documents
Culture Documents
-d’améliorer le rendement
-d’assurer la qualité de la production
-de mettre au point de nouveau produits plus performant
-de régler au mieux appareils et unités
2. Une fois les facteurs influents identifiés et leur influence quantifiée, nous
pouvons chercher la « forme » de cette influence : linéaire ou courbe.
Quelle équation permet de décrire les variations du phénomène étudié
avec les facteurs influents ?
Cette étape est appelée « modélisation »
Exemple :
Niveau -1 Niveau +1
Solvant S1 S2
Taux de solvant 2 vol/vol 3 vol/vol
température -15 °C -20 °C
Exemple : une étude sur l’usure des pneus montre une interaction
entre la vitesse et la pression de gonflage des pneus. La vitesse a un effet
différent sur l’usure des pneus selon qu’ils soient peu ou bien gonflé.
Le calcul d’un effet ou d’une interaction est basé sur des résultats de
mesure expérimentale portant sur la réponse (y1 et y2). L’écart observé
entre y2 et y1 est-il dû uniquement aux erreurs de mesures ? On répond à
cette question par des tests statistiques.
• si oui, nous dirons que le facteur X n’influe pas sur la réponse Y.
• si non, nous dirons que le facteur X est un facteur influent sur la
réponse, ou significatif.
I.1.e. démarche préliminaire à une recherche expérimentale
planifiée
• Il faut fixer les limites du domaine expérimental (ni trop grand, pour ne
pas dépasser la région intéressante, ni trop petit, sinon on risque de ne rien
voir du tout).
I.2. CARACTERISTIQUES GÉNERALES DES PLANS FACTORIELS
COMPLETS A 2 NIVEAUX
X1 X2
Essai1 -1 -1
Essai2 +1 -1
Essai3 -1 +1
Essai4 +1 +1
Pour trois facteurs X1 ; X2 ; X3 ; le nombre d’essais à réaliser est 23
= 8. La matrice d’essai est la suivante :
X1 X2 X3
Essai1 -1 -1 -1
Essai2 +1 -1 -1
Essai3 -1 +1 -1
Essai4 +1 +1 -1
Essai5 -1 -1 +1
Essai6 +1 -1 +1
Essai7 -1 +1 +1
Essai8 +1 +1 +1
Essai3 +1 Essai4
-1 +1
Essai1 -1 Essai2
- si k = 3, nous obtenons un cube dont les huit sommets figurent les huit
essais du plans.
6 8
2 4
5
X1 7
1 3 X3
X2
I.2.c. optimalité
I.3. PLANS 22
température concentration
Essai1 -1 -1
Essai2 +1 -1
Essai3 -1 +1
Essai4 +1 +1
Niveau -1 50 °C 20 g/l
Niveau +1 100 °C 30 g/l
Après avoir effectué les quatre essais dans les conditions indiquées,
nous reportons les résultats obtenus.
température concentration Rendement %
Essai1 -1 -1 70
Essai2 +1 -1 85
Essai3 -1 +1 75
Essai4 +1 +1 90
-1 0 +1 T -1 0 +1 T
-1 0 +1 C -1 0 +1 C
Niveau -1 Niveau +1
Catalyseur Type 1 Type 2
Eau Présent Non présent
Cet exemple permet de voir que les facteurs étudiés peuvent être
qualitatifs. Les résultats expérimentaux du plan 22 sont les suivant :
L’effet moyen d’un facteur sur la réponse est obtenu par : la somme
algébrique de chaque valeur de la réponse affectée du signe correspondant
dans la colonne du facteur divisée par le nombre d’essai.
calcul de l’interaction
½(31 - 25)
½(38 - 24)
L’interaction globale est définie par la différence de ces deux valeurs :
REMARQUE :
La colonne « interaction » s’obtient en multipliant ligne à ligne les
colonnes des deux facteurs (catalyseur – eau).
Type 2
31 38
Oui Non
Eau
25 24
Type 1
X1 X2 X1 X2 moyenne
essai 1 -1 -1 +1 +1
essai 2 +1 -1 -1 +1
essai 3 -1 +1 -1 +1
essai 4 +1 +1 +1 +1
Température Conclusion :
50 °C
69 70,5
71
• quelque soit les autres conditions, la
69
température a une action positive sur le
Lente Rapide rendement.
Vitesse d’agitation
La matrice des effets permet d’obtenir seize informations qui portent sur :
•les effets de chaque facteur ; X1 ; X2 ; X3 ; X4 ; au nombre de quatre,
•les interactions du 1er ordre : X1 X2 ; X1 X3 ; X1 X4 ; X2 X3 ; X2 X4 ; X3X4 ; au
nombre de six
•les interactions du 2ème ordre : X1 X2 X3 ; X1 X2 X4 ; X1 X3X4 ; X2X3X4 ; au
nombre de quatre
•interaction du 3ème ordre : X1 X2 X3 X4 au nombre de un
X1 X2 X3 X4 X1 X2 X1 X3 X1 X4 X2 X3 X2 X4 X3 X4 X1 X2 X3 X1 X2 X4 X1 X3X4 X2 X3 X4 X1 X2 X3 X4 Moy
1 - - - - + + + + + + - - - - + +
2 + - - - - - - + + + + + + - - +
3 - + - - - + + - - + + + - + - +
4 + + - - + - - - - + - - + + + +
5 - - + - + - + - + - + - + + - +
6 + - + - - + - - + - - + - + + +
7 - + + - - - + + - - - + + - + +
8 + + + - + + - + - - + - - - - +
9 - - - + + + - + - - - + + + - +
10 + - - + - - + + - - + - - + + +
11 - + - + - + - - + - + - + - + +
12 + + - + + - + - + - - + - - - +
13 - - + + + - - - - + + + - - + +
14 + - + + - + + - - + - - + - - +
15 - + + + - - - + + + - - - + - +
16 + + + + + + + + + + + + + + + +
En général, à k facteurs, le plan comporte N = 2k expériences qui
permettent d’obtenir 2k informations suivantes :
- la moyenne
- les k effets des facteurs
Ainsi par exemple, pour une étude à cinq facteurs le plan complet
propose 32 expériences, alors que nous ne sommes intéressé que par 16
informations :
• effet des facteurs au nombre de cinq
• interactions du 1er ordre au nombre de dix
• la moyenne unique
II.2.a. aliases
• 4 effets principaux,
• 6 interactions 1er ordre,
• 4 interactions 2ème ordre,
• 1 interaction 3ème ordre,
• 1 moyenne.
X1 X2 X3 X4
1 - - - -
2 + - - +
3 - + - +
4 + + - -
5 - - + +
6 + - + -
7 - + + -
8 + + + +
X4 = X1X2X3
Dans les autres colonnes ; X1 ; X2 ; X3 ; X1X2 ; X1X3 ; X2X3 ; vont être
aliasés avec les interactions de X4.
L’égalité initiale X4=X1X2X3 peut s’écrire sous forme de : X4X4 = X1X2X3X4
soit :
I = X1X2X3X4
- Dans la colonne 1 nous avons le facteur X1. Avec quel effet est - il
aliasé ?
I = X1X2X3X4
X1I = X1X1X2X3X4
X1 = IX2X3X4 car X1X1 = I
X1= X2X3X4
De même, nous obtenons :
- En colonne 2 X2 = X1X3X4
- En colonne 3 X3 = X1X2X4
- En colonne 5 I = X1X2X3X4 ;
X1X2I = X1X2(X1X2X3X4) = X3X4
X1 X2 = X3X4
- En colonne 6 X2 X3 = X1X4
- En colonne 7 X1X3 = X2X4
- En colonne 8 I = X1X2X3X4
X2X3X4 X1X3X4 X1X2X4 X3X4 X1X4 X2X4 X4 X1X2X3X4
X1 X2 X3 X1 X2 X2X3 X1X3 X1X2X3 I
1 - - - + + + - +
2 + - - - + - + +
3 - + - - - + + +
4 + + - + - - - +
5 - - + + - - + +
6 + - + - - + - +
7 - + + - + - - +
8 + + + + + - + +
II.2.b. contraste
Appelons y1,y2,---, y8, les valeurs obtenues pour les réponses aux huit
expériences du plan 24-1 = 23.
h = X + X X X = 1/8(-y + y – y + y - y + y – y + y )
II.2.c. exemple
Nous voulons étudier l’influence sur le durcissement d’une pâte de certains
facteurs.
Problématique : pour pouvoir utiliser une pâte, il ne faut pas qu’elle
durcisse trop vite à l’air. Or nous avons constaté que sur certain tube, la
pâte durcit en 30 minutes, alors que la durée moyenne doit être au moins
d’une heure. Quels sont les paramètres responsables du durcissent de la
pâte et comment faire pour atteindre une utilisation d’au moins une heure.
X1 = température
Domaine expérimental :
températ taux durée du durée de
ure d’humidité malaxage stockage
Niveau -1 15 °C 0,1 % Court 1 semaine
Niveau +1 25 °C 0,5 % Long 6 mois
Réponse :
Temps mis par la pâte pour atteindre la consistance désirée.
Choix du plan :
On choisit un plan 24-1 = 23 avec un seul facteur supplémentaire X4
que l’on va associer à l’interaction de l’ordre le plus élevé pour un tableau
23. Donc l’aliase sera : X4 = X1X2X3.
Le générateur d’aliase est donc : I = X1X2X3X4
La matrice d’expérience et résultats expérimentaux :
X1 X2 X3 X4 Y
1 - - - - 61
2 + - - + 78
3 - + - + 72
4 + + - - 29
5 - - + + 81
6 + - + - 61
7 - + + - 33
8 + + + + 68
Conclusion :
Remarque : ces huit essais constituent une moitié du plan complet à quatre
facteurs 24 = 16 essais. Les huit autres expériences restantes forment
également un plan 24-1. C’est le plan complémentaire du précédant. Il est
défini par l’aliase : X4 = - X1X2X3.
Lorsqu’on ne peut pas conclure à l’issue du premier plan, nous
avons la possibilité de poursuivre le plan complémentaire.
II.3. PLANS FRACTIONNAIRES 25-2 POUR L’ÉTUDE DE CINQ
FACTEURS
II.3.a. présentation de l’exemple
Les dosages d’additifs dans des huiles pour moteur utilisent un
quanto mètre qui comporte :un circuit oscillant défini par une capacité C,
une inductance L,une résistance R et une électrode tournante.
Il faut donc définir les aliases du plan, pour placer 32 effets dans huit
colonnes
Déterminer les générateurs d’aliases :
- Choix 1 : X4 = X1 X2 X3 I = X1 X2 X3 X4
- Choix 2 : X5 = X1 X2 I = X1 X2 X5
A chacun des deux choix initiaux correspond un générateur d’aliases
indépendant. Les générateurs d’aliases dépendant sont obtenus par
multiplication des générateurs indépendant 2 à 2 ou 3 à 3. Dans notre cas il
y a un seul générateur dépendant.
I = I x I = (X1 X2 X3 X4) (X1 X2 X5) = X3 X4X5
1 2 3 4 5 6 7 8
X1X2X3 X1X2
X1 X2 X3 X4
X5 X2X3 X1X3 I
1 - - - - + + + +
2 + - - + - + - +
3 - + - + - - + +
4 + + - - + - - +
5 - - + + + - - +
6 + - + - - - + +
7 - + + - - + - +
8 + + + + + + - +
Pour obtenir la signification complète d’une colonne nous multiplions le
facteur ou interaction par tous les générateurs d’aliases.
Exemple : colonne 1
X1 I = X1(X1 X2 X3 X4) = X2 X3 X4
X1 I = X1(X1 X2 X5) = X2 X5
X1 I = X1(X3 X4 X5) = X1 X3 X4 X5
Donc, dans la colonne 1, le contraste h1 s’écrit par ordre
d’interaction croissant:
h1 = X1 + X2 X5 + X2 X3 X4 + X1 X3 X4 X5
De même:
h2 = X2 + X1 X5 + X1 X3 X4 + X2 X3 X4 X5
h3 = X3 + X4 X5 + X1 X2 X4 + X1 X2 X3 X5
h4 = X4 + X3 X5 + X1 X2 X3+ X1 X2 X4 X5
h5 = X5 + X3 X4 + X1 X2 + X1 X2 X3 X4 X5
h6 = X2 X3 + X1 X4 + X1 X3 X5 + X2 X4 X5
h7 = X1 X3 + X2 X4 + X2 X3 X5 + X1 X4 X5
h8 = moy + X X X + X X X + X X X X
les huit contrastes contiennent au total 32 effets :
- cinq effets principaux des facteurs
- dix interactions de 1er ordre
- dix interactions du 2ème ordre
- cinq interactions de 3ème ordre
- une interaction de 4ème ordre
- moyenne
h1 = X1 + X2 X5
h2 = X2 + X1 X5
h3 = X3 + X4 X5 il nous parait possible d’obtenir des
h4 = X4 + X3 X5 résultats intéressant, nous réalisons le
h5 = X5 + X3 X4 + X1 X2 plan suivant.
h6 = X2 X3 + X1 X4
h7 = X1 X3 + X2 X4
h8 = moy
II.3.c. exploitation des résultats
1 2 3 4 5 6 7 8
1 - - - - + + + + 17,9
2 + - - + - + - + 19,5
3 - + - + - - + + 12,8
4 + + - - + - - + 22,1
5 - - + + + - - + 16,5
6 + - + - - - + + 20,0
7 - + + - - + - + 14,1
8 + + + + + + - + 21,2
Le calcul des contrastes donne :
h1 = + 2,7 X1 + X2 X5
h2 = - 0,5 X2 + X1 X5
h3 = - 0,1 X3 + X4 X5
h4 = - 0,5 X4 + X3 X5
h5 = + 1,4 X5 + X3 X4 + X1 X2
h6 = + 0,2 X2 X3 + X1 X4
h7 = + 0,0 X1 X3 + X2 X4
h8 = + 18 moy
La précision des mesures sur la réponse est de 0,3. Donc h3, h6, et h7
sont non significatifs, par contre h1, h2, h4, et h5 sont significatifs. h1 et h5
montrent que X1 et X5 sont influents mais X1 X5 ne peut être éliminé.
X4 = X 1 X 2 X 3 X4 = X1 X2 X3
X5 = X 1 X 2 X5 = - X1 X2
X4 = -X1 X2 X3 X4 = - X1 X2 X3
X5 = X 1 X 2 X5 = - X1 X2
Quel plan complémentaire choisir ? le problème vient du fait que X1X5 et
X2 sont influent et sont aliasés avec leur interaction dans les contrastes :
h1 = X1 + X2 X5
h2 = X2 + X1 X5
h5 = X5 + X3 X4 + X1 X2
h1’ = X1 - X2 X5
h2’ = X2 - X1 X5
h5’ = X5 - X3 X4 - X1 X2
•Générateur indépendant :
I = X1 X2 X3X4 ; I = - X1 X2 X5
•Générateur dépendant :
I = - X3 X4X5
I = X1 X2 X3 X4 ; I = - X 1 X2 X5 ; I = - X3 X4X5
X1 X2 X3 X4 X5
1 - - - - -
2 + - - + +
3 - + - + +
4 + + - - -
5 - - + + -
6 + - + - +
7 - + + - +
8 + + + + -
La matrice des effets complémentaire est la suivante :
1 2 3 4 5 6 7 8
1 - - - - - + + + 12,6
2 + - - + + + - + 24,2
3 - + - + + - + + 17,0
4 + + - - - - - + 17,6
5 - - + + - - - + 13,3
6 + - + - + - + + 23,3
7 - + + - + + - + 18,0
8 + + + + - + - + 17,1
Le calcul des contrastes donne :
h1’ = + 2,7
h2’ = - 0,5 Vérifions que:
h3’ = 0 h6’ = h6
h4’ = 0 h7’ = h7
h5’ = + 2,7 h8’ = h8
h6’ = + 0,1
h7’ = - 0,4
h8’ = + 17,9
Représentation graphique :
X2
18 22,1
17 21,2
14,1 17,6
12,8 17,1
X1
17,9 24,2
16,5 23,3
13,3 20,0
12,6 19,5
Chaque sommet du carré, représente quatre résultats qui sont divisé en
deux groupes de deux.
- les deux résultats les plus élevés ont été obtenus avec X 5 au niveau +1.
- les deux résultats les moins élevés ont été obtenus avec X5 au niveau -1.
Quand X1 est niveau -1, X2 n’influe pas sur la réponse. Quand X1 est niveau
+1, X2 a une influence sur la réponse. La sensibilité est meilleure quand X 2
est niveau -1. Pour améliorer la sensibilité de l’appareil, nous avons donc
intérêt de fixer :
- X5 est niveau +1
- X1 est niveau +1
- X2 est niveau -1
Résumé :
Nous avons réalisé 16 essais pour conclure cette étude. Ces essais
constituent la moitié du plan factoriel 25.
Les contrastes ont été calculés au moyen de 16 résultats de mesure.
Leur variance est var(h) = var(y)/16.