REPUBLIQUE DU BENIN

*******
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET
DE LA RECHERCHE SCIENTIFIQUE
************
UNIVERSITE NATIONAL DES SCIENCES
TECHNOLOGIES, INGENIERIES ET MATHEMATIQUE

*************

ECOLE NATIONAL SUPERIEUR DE GENIE

ENERGETIQUE ET PROCEDES (ENSGEP)

***************
Filière : ING-GEP 1

Année d’étude : 1ère Année

Matière : PLAN D’EXPERIENCE

Thème d’exposé
PLAN DE MELANGE

Groupe : 02

: Sous la supervision de :
AKPLOGAN Jean Paul Dr Ir OSSENI Sibiath
GBENOUKPO Fritzel
KESSOU Espoir
TOVIESSI Ursula

1
 PLAN
1. INTRODUCTION
 Définition d’un plan de mélange
 Importance et application des plans de mélange dans différents domaines

2. CONCEPTION DE BASES
 Composants d’un mélange et leurs proportions
 Caractéristiques d’un mélange
 Contraintes des plans de mélanges (∑ des proportions = 100%)
 Domaine expérimental d’un mélange
 Représentation triangulaire d’un mélange

3. TYPES DE MELANGES & ETUDE DE CAS

 Plan simplex centroïd
 Plan simplex réseau (réseau scheffé)
 Plan de mélange type II
 Plan de mélange type III
 Plans D-optimaux

4. CONCLUSION

2
 INTRODUCTION

Dans le monde complexe de la chimie et de l’ingénierie des matériaux, la capacité de

créer des mélanges homogènes et efficaces est essentielles. Un plan de mélange est un outil
statistique puissant qui nous permet de comprendre l’influence des proportions de différents
composants sur les propriétés d’un mélange.

L’importance de ces plans réside dans leurs applications universelles, s’étendant des
industries alimentaires et pharmaceutiques jusqu’aux domaines métallurgiques et de
plasturgies. Ils ne se contentent pas de guider la formation de produits innovants, mais
contribuent également à l’amélioration de la qualité et à la réduction des coûts de production.

L’objectif du plan de mélange est donc de permettre une combinaison optimale des
facteurs pour atteindre le résultat souhaité.

3
 CONCEPTION DE BASES

 Qu’est-ce qu’un plan de mélange

Mélange : mixture obtenue en mélangeant différents ingrédients en certaines

proportions

 Caractéristiques d’un plan de mélange :

• Les facteurs mis en jeu sont les proportions des différents ingrédients (et non les
quantités absolues)
• Le domaine des facteurs est contraint : X1+X2+X3 … + Xk = 1, (Xk € IR)
• Les réponses ne sont pas influencées par les quantités absolues des facteurs mais par
les proportions relatives de ceux-ci
 Comment étudier un plan de mélange ?

• Rappel du modèle de régression d’ordre 1 :

Mais il faut prendre en compte la contrainte :

• Modèle d’ordre 1 :

• Modèle d’ordre 2 :

• Modèle d’ordre 3 : prend en compte des interations d’ordre 3 (utilité ?)

 Domaine expérimental d’un mélange

Le domaine expérimental d’un mélange est contraint par la relation :

4
 X1+X2+X3 … + Xk = 1

NB : k € IN

 Représentation triangulaire d’un mélange

5
 TYPES DE MELANGES & ETUDE DE CAS
 Plan simplex centroïd

Un plan simplex centroïde est une méthode de conception expérimentale utilisée pour étudier
les mélanges.

Dans un plan simplex centroïde à « k » facteurs, étudié avec un modèle de degré « m » (où m
< k), le plan est constitué des mélanges suivants :
- Chaque constituant pur.
- Mélanges de 2 constituants en proportions égales.
- Mélanges de « m » constituants en proportions égales.
- Des essais au centre du domaine, où tous les constituants sont en proportions égales.
Ce type de plan est souvent utilisé lorsque le domaine expérimental se présente sous la forme
d'un simplexe. Il permet d'explorer l'espace de formulation en se concentrant sur les points qui
représentent des mélanges à pondération égale de 1 à q composantes, y compris les sommets,
les arêtes, les faces et le centre du simplexe.
C'est un outil particulièrement utile pour optimiser les formulations de mélanges en identifiant
les proportions idéales des composants pour obtenir les propriétés désirées.

Bien souvent en pratique, on se contente de m ≤ 2

6
Exemple : plan simplex centroïd à 3 facteurs étudié avec un modèle de degré 2

 Plan de mélange : réseau simplex (réseau de Scheffé)

Un réseau simplex à k facteurs étudié et m+1 niveaux est constitué de toutes les combinaisons
possibles de m+1 niveaux pour chaque constituant : (0, 1/m, 2/m, 3/m, …, k/m)

Grille régulière dans le domaine qui peut être considéré comme un plan factoriel complet dans
le cas classique des plans.

 Plan de mélange de type II

Contraintes sur les facteurs : Ii ≤ Xi ≤ 1

7
Exemple : 0.3 ≤ orange ≤1 ; 0.2 ≤ banane ≤ 1 ; 0.1 ≤ mangue ≤ 1 ;

Contraintes sur les facteurs : Ii ≤ Xi ≤ 1 Contraintes : Contraintes réelles :

0.3 ≤ orange ≤ 1 0.3 ≤ orange ≤ 1-0.2-0.1=0.7
0.2 ≤ banane ≤ 1 0.2 ≤ banane ≤ 1-0.3-0.1=0.6
0.1 ≤ mangue ≤ 1 0.1 ≤ mangue ≤ 1-0.3-0.2=0.5

Quand les proportions des constituants sont soumises à des contraintes inférieures, le domaine
expérimental est un tétraèdre et les plans de mélange classiques peuvent être utilisés après
transformation. Transformation : Xi = Ii + (1-I) Zi avec I = I1 + I2 +…+ Ik

8
  Plan de mélange de type III
Contraintes sur les facteurs : Ii ≤ Xi ≤ Si
Exemple :
Contraintes :
0.3 ≤ orange ≤ 0.6 ;
0.2 ≤ banane ≤ 0.5;
0.1 ≤ mangue ≤ 0.4;

Quelle est la forme du domaine et quel plan utiliser ?

Contraintes :
0.3 ≤ orange ≤ 0.6 ;
0.2 ≤ banane ≤ 0.5;
0.1 ≤ mangue ≤ 0.4;

Quand les proportions des

constituants sont
soumises à des
contraintes inférieures et
supérieures, le domaine
expérimental est un
polyèdre irrégulier et les plans
de mélange classiques ne
peuvent plus être utilisés après
transformation.

Générer un ensemble de m essais candidats :

Sommets du polyèdre
Milieux des arêtes et des faces
Centre du polyèdre
9
 Puis choisir les essais à conserver (algorithme D-optimal)

On dit d’un plan qu’il est bon lorsque l’estimation des effets de chaque variable est la plus
précise possible.
Ainsi,

Pour que les expériences telles que (x’x)-1 soit minimale, le plan D-optimal minimise le
déterminant de la matrice (x’x)-1.

 Plans D-optimaux
Principe :
• Beaucoup d’essais candidats
• N essais choisis au hasard puis algorithme d’échange : échange entre un essai du plan et un
essai hors plan effectué si cela diminue le déterminant de
• L’algorithme de Federov s’arrête quand aucun échange n’améliore le critère
Avantages :
• Plan très flexibles par rapport au nombre d’essais
• Possibilité d’imposer des essais
• Démarche séquentielle possible (modèle du 1er ordre, si le modèle n’est pas adapté,
l’algorithme fournit les essais supplémentaires)

 Démarche statistique

Construire un plan avec peu d’essais et estimer le modèle avec les effets

10
linéaires.
Valider le modèle grâce au point au centre
si le modèle n’est pas validé, ajouter des essais et considérer
un modèle avec effets quadratiques
Valider le modèle avec les points au centre des domaines

Exemple pour un mélange de 3 ingrédients :

• Le réseau Scheffé {3;1} comporte 3 points pour un polynôme de degré 1

• Faire les essais pour les points 1, 2 et 3 ce qui permet d’estimer 3 paramètres a1, a2, a3
• Calculer la prévision pour le centre du domaine (essai 4) et faire l’essai de validation,
• Si le modèle du 1er degré est rejeté (à l’incertitude de mesure près), faire l’hypothèse d’un
modèle quadratique :
• Le réseau Scheffé {3;2} comporte 6 points pour un polynôme de degré 2,
• Faire les essais supplémentaires 5, 6 et 7 et estimer les 6 paramètres a1, a2, a3, a12, a23, a13
• Calculer les prévisions pour les centres des domaines 8, 9, 10 et éventuellement 4.

CONCLUSION
En somme, les plans de mélanges sont des outils statistiques inestimables qui nous
permettent de naviguer avec précision dans l’univers complexe des formulations. Ils offrent

11
une méthode structurée pour identifier et optimiser les composants et leurs proportions,
favorisant l’efficacité et l’innovation dans divers domaines de l’industrie.

12