Technique des

Plans d’Expériences

1
 Plans d’Expériences Introduction

Introduction
. Exemple Stratégie de recherche pour répondre à un certain nombre de questions :
Concepts
• Comment sélectionner les expériences à faire ?
Plan 2k
. Concepts • Quelle est la meilleure stratégie pour :
. Effets • conduire le plus rapidement possible aux résultats espérés ?
. Interaction
. Yates
• éviter des expériences inutiles ?
. Exemple • apporter une bonne précision ?
Statistique • modéliser et optimiser des phénomènes étudiés ?
. Rappels
. Tests effets
. Exemple
. Variance Un plan d'expériences peut être utilisé comme une méthode
. Exemple d'optimisation, pour trouver une ou des solutions au problème posé, mais
Plan Frac.
. Principe aussi comme une étape préliminaire à l’optimisation et a alors pour
. Exemple objectif le choix des variables à optimiser et des fonctions à prendre en
compte dans une formulation mathématique classique pour résoudre le
problème par une méthode de gradient par exemple.

2
 Plans d’Expériences Le problème des pesées

Introduction
. Exemple Le Problème des Pesées
Concepts
(Hotelling 1944)
Plan 2k
. Concepts
. Effets
. Interaction Un résultat statistique est totalement dépendant de l’expérimentation.
. Yates  illustration par l’exemple de la pesée…
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

3
 Plans d’Expériences La question et le matériel expérimental

Introduction
. Exemple
Concepts • La question
Plan 2k Déterminer les masses de trois objets A, B et C en quatre pesées et
. Concepts avec un maximum de précision.
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple • Le matériel expérimental
. Variance Une balance à deux plateaux à équilibrer avec des poids.
. Exemple
Plan Frac.
. Principe
. Exemple

4
 Plans d’Expériences Les hypothèses

Introduction
. Exemple
• Chaque pesée est entachée d’une erreur  :
Concepts
Plan 2k Y=+
. Concepts
. Effets • L’ordre de grandeur de l’erreur de pesée est constant quelque soit
. Interaction
. Yates l’objet à peser :
. Exemple Variance  = ²
Statistique
. Rappels • Les pesées ne sont pas liées entre elles :
. Tests effets
. Exemple
Covariance (Yi, Yj) = 0
. Variance
. Exemple • En l’absence d’objet sur la balance l’aiguille n’est pas forcément sur
Plan Frac.
. Principe
zéro. Il y a un « biais systématique ».
. Exemple
• Chaque pesée coûte 100€

5
 Plans d’Expériences STRATEGIE 1

Introduction
. Exemple
Concepts On pèse un objet à la fois
Plan 2k Matrice d’expérience
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple 0 : l’objet n’est pas sur la balance
1 : l’objet est sur le plateau de droite
-1 : l’objet est sur le plateau de gauche

6
 Plans d’Expériences STRATEGIE 1

Estimation des masses des objets

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

7
 Plans d’Expériences STRATEGIE 1

Quelle est la précision des mesures ?

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

8
 Plans d’Expériences Comment obtenir une meilleure précision ?

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

9
 Plans d’Expériences STRATEGIE 2

Introduction
. Exemple
Concepts On pèse deux objets à la fois Matrice d’expérience
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

10
 Plans d’Expériences STRATEGIE 3

Introduction
. Exemple
Concepts On pèse trois objets à la fois Matrice d’expérience
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

11
 Plans d’Expériences STRATEGIE 4

Introduction
. Exemple
Concepts La première pesée est inversée Matrice d’expérience
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

12
 Plans d’Expériences Pourquoi la stratégie 4 est elle la meilleure ?

Introduction
. Exemple
• Avec la quatrième stratégie la précision est 8 fois meilleure qu’avec la
Concepts
Plan 2k
première sans pour autant augmenter le nombre d’essais,
. Concepts
. Effets • On comprend intuitivement qu’il n’est pas possible d’améliorer
. Interaction
davantage la précision (tous les objets participent à chaque essai),
. Yates
. Exemple
Statistique • La limite inférieure de la précision est ²/n où n désigne le nombre
. Rappels d’essais,
. Tests effets
. Exemple
. Variance • On démontre que la précision est en relation directe avec la matrice tXX
. Exemple où X est la matrice d’expérience,
Plan Frac.
. Principe
. Exemple
• Pour la stratégie optimale cette matrice vérifie la relation : tXX = nI où I
est la matrice d’identité.

13
 Plans d’Expériences Pourquoi la stratégie 4 est elle la meilleure ?

Introduction Stratégie 1 Stratégie 2 Stratégie 3 Stratégie 4

. Exemple
Concepts 0 0 0 0 0 0 1 1 1  1  1  1
Plan 2k 1 0 0 1 1 0  1 1 1  1 1 1 
. Concepts      
. Effets 0 1 0 1 0 1  1 1 1   1 1 1 
. Interaction        
. Yates 0 0 1 0 1 1  1 1  1  1 1  1
. Exemple
Statistique
. Rappels • une matrice « pleine » de 1 est préférable : tous les facteurs varient à la
. Tests effets fois,
. Exemple
. Variance
. Exemple • meilleure stratégie  matrice équilibrée (Nb objets à G = Nb objets à D) ;
Plan Frac. tous les niveaux sont présents en nombre égal de fois dans les colonnes,
. Principe
. Exemple
• entre deux colonnes toutes les permutations de niveaux sont présentes
 le plan d’expérience est orthogonal

La qualité de l’estimation dépend de la matrice d’expérience

14
 Plans d’Expériences Pourquoi la stratégie 4 est elle la meilleure ?

Introduction
. Exemple
Concepts Stratégie 1 Stratégie 2
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance Stratégie 3 Stratégie 4
. Exemple
Plan Frac.
. Principe
. Exemple

15
 Plans d’Expériences Reformulation du problème des pesées

Introduction
. Exemple
(Reformulation / transposition du problème des pesées)
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

Mauvaise Optimale

16
 Plans d’Expériences Concept et Définitions

Introduction Constat :
. Exemple Les problèmes d’optimisation, de caractérisation ou de mise au point de
Concepts procédés, de méthodes, …, sont souvent associés à la conjonction de
Plan 2k plusieurs paramètres ayant une influence sur la réponse.
. Concepts
. Effets
. Interaction La grandeur d’intérêt Y ou réponse est une fonction de plusieurs
. Yates variables Xi que l’on appelle facteurs.
. Exemple
Statistique
. Rappels Y = f (X1, X2,…, Xn)
. Tests effets
. Exemple
. Variance Étude du phénomène ≡ mesure de la réponse en fonction de différentes
. Exemple valeurs ou niveaux des facteurs.
Plan Frac.
On effectue des essais pour mettre en évidence les effets de chacun
. Principe
. Exemple des paramètres sur la réponse.
Les facteurs peuvent êtres ensuite fixés aux niveaux qui optimisent la
réponse.

17
 Plans d’Expériences Concept et Définitions

Introduction Expérimentation « bidouille »

. Exemple Variation un à un des paramètres
Concepts
Plan 2k
• Méthode lourde si paramètres et/ou niveaux nombreux,
. Concepts • souvent employée car l’analyse des résultats est simple.
. Effets
. Interaction
. Yates
. Exemple
Expérimentation méthodique
Statistique Variation des niveaux de tous les facteurs à la fois à chaque expérience
. Rappels
• diminution du nombre d’essais
. Tests effets
. Exemple • étude d’un grand nombre de facteurs
. Variance • détection des interactions entre facteurs
. Exemple • obtention de la meilleure précision possible
Plan Frac.
• obtention d’un modèle du système
. Principe
. Exemple • analyse rigoureuse conduisant + rapidement aux résultats espérés

Les plans d’expériences

18
 Plans d’Expériences Concept et Définitions

Vocabulaire
Introduction Continu
. Exemple Facteur : variable qui agit sur le système.
Concepts
Discret
Plan 2k Réponse : grandeur que l’on mesure pour quantitatif
. Concepts
. Effets connaître l’effet des facteurs sur le système. qualitatif
. Interaction
. Yates Facteur significatif : facteur qui modifie la réponse lorsqu’on le modifie.
. Exemple
Statistique Niveau d’un facteur : valeur que prend un facteur au cours des essais.
. Rappels
. Tests effets
. Exemple
Définition
. Variance Un plan complet consiste à étudier toutes les combinaisons possibles
. Exemple
des facteurs pris en considération dans l’expérience.
Plan Frac.
. Principe Plan Xk  k facteurs à X niveaux
. Exemple
• Si 3 facteurs à 2 niveaux alors le plans 2 3  23 = 8 expériences
• Si 3 facteurs à 2 niveaux et 2 facteurs à 4 niveaux alors le plans complet
comporte 23  42 = 128 expériences
Plan 2k  plan factoriel dont les k facteurs ne possèdent que 2 niveaux.
19
 Plans d’Expériences Plan factoriel complet 2k

Le domaine expérimental
Introduction
. Exemple Le domaine de validité de l’expérience correspond aux limites
Concepts raisonnables de variation des facteurs. Il y a deux écueils à éviter :
Plan 2k
. Concepts
. Effets
• niveaux trop proches  pas d’effet significatif sur les facteurs
. Interaction • niveaux trop éloignés  mise en défaut de l’hypothèse de linéarité
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

Choix aux effets antagonistes

20
 Plans d’Expériences Plan factoriel complet 2k

Introduction
. Exemple
Stratégie de mise en place d’un plan :
Concepts
Plan 2k
. Concepts 1 – Rechercher l’ensemble des facteurs influents sur le système.
. Effets
. Interaction 2 – Trier entre les facteurs contrôlés et non contrôlés (bruits).
. Yates
. Exemple 3 – Sélectionner les facteurs contrôlés à retenir pour l’expérience
Statistique
. Rappels (les autres seront figés au cours des essais).
. Tests effets
. Exemple 4 – Définir le domaine de variation de chacun des facteurs.
. Variance
. Exemple 5 – Faire le plan.
Plan Frac.
. Principe
6 – Évaluer les dispersions des résultats (répétition d’essais où tous
. Exemple
les facteurs sont figés).
7 – Dépouiller et interpréter (effets, interactions, signification des
effets…).
21
 Plans d’Expériences Concept et Définitions

La matrice d’expérience  tableau indiquant :

Introduction Exp X1 X2
. Exemple
• le nombre d’expérience à réaliser,
Concepts 1 -1 -1
Plan 2k
• la façon de faire varier les facteurs,
• l’ordre de réalisation des expériences. 2 +1 -1
. Concepts
. Effets 3 -1 +1
. Interaction 4 +1 +1
Ici pour ce plan 22, le niveau bas est codé à l’aide du
. Yates
. Exemple
nombre -1 et le niveau haut à l’aide du nombre +1.
Statistique (notation de Yates)
. Rappels
. Tests effets La matrice d’expérience et des réponses
. Exemple
. Variance Exp X1 X2 Réponse : Yrep
. Exemple
Plan Frac. 1 -1 -1 y1
. Principe
. Exemple 2 +1 -1 y2
3 -1 +1 y3

4 +1 +1 y4

22
 Plans d’Expériences Effets global et moyen d’un facteur

Cas d’un seul facteur

Introduction
. Exemple
• effet global d'un facteur (sur la réponse) : variation de la réponse
Concepts
quand le facteur passe du niveau -1 au niveau +1.
Plan 2k
. Concepts • effet moyen d'un facteur (sur la réponse) : demi-variation de la
. Effets réponse quand le facteur passe du niveau -1 au niveau +1.
. Interaction
. Yates
effet moyen = moitié de l'effet global.
. Exemple
Statistique Exp X1 Rép : Yrep
. Rappels
Effet global de X1 : y2 - y1 1 -1 y1
. Tests effets
. Exemple 2 +1 y2
. Variance
. Exemple y2  y1
Plan Frac. Effet moyen de X1 : a1 
. Principe
2 R ép

. Exemple
y 2  y1
Effet au centre : a 0  a0
(moyenne des réponses)
2
X 1

23 -1 0 +1
 Plans d’Expériences Effets global et moyen d’un facteur

Cas de deux facteurs

Introduction
. Exemple
• L'effet moyen de X1 : demi-variation de la Exp X1 X2 Rép : Yrep
Concepts
Plan 2k réponse lorsque X1 passe de -1 à +1. 1 -1 -1 y1
. Concepts
. Effets Or, pour chacun des niveaux de X1, il y a 2 2 +1 -1 y2
. Interaction
. Yates expériences 3 -1 +1 y3
. Exemple
4 +1 +1 y4
Statistique  travail à partir des réponses moyennes.
. Rappels
y1  y3
. Tests effets • Réponse moyenne quand X1 est au niveau –1 : y 
. Exemple 2
. Variance
. Exemple y2  y4
Plan Frac. • Réponse moyenne quand X1 est au niveau +1 : y  2
. Principe
. Exemple y 2  y 4 y1  y 3

2 2  y1  y 2  y 3  y 4
• Effet moyen de X1 a1  
2 4
y  y
Effet global de X1 : E X 1  y   y Effet moyen de X1 : a1 
24 2
 Plans d’Expériences Effets global et moyen d’un facteur

Cas de deux facteurs

Introduction
. Exemple
Concepts • Rép. moyenne quand X2 y1  y2
yX   Exp X1 X2 Rép : Yrep
Plan 2k est au niveau –1 : 2
2
. Concepts 1 -1 -1 y1
. Effets
. Interaction 2 +1 -1 y2
• Rép. moyenne quand X2 y  y4
. Yates
yX   3 3 -1 +1 y3
. Exemple
est au niveau +1 : 2 2
Statistique
4 +1 +1 y4
. Rappels
. Tests effets y 3  y 4 y1  y 2

. Exemple 2 2  y1  y 2  y 3  y 4
. Variance • Effet moyen de X2 a2  
. Exemple 2 4
Plan Frac.
. Principe • Réponse théorique pour X2 = 0 (au centre de son domaine de
. Exemple
variation) : moyenne des réponses observées aux niveaux -1 et +1
y3  y 4 y1  y 2

2 2 y  y 2  y3  y 4
a0   1
2 4
25
 Plans d’Expériences Notion d’interaction entre facteurs

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance • Il y a interaction entre deux facteurs si l’effet moyen de l’un varie
. Exemple suivant le niveau de l’autre.
Plan Frac.
. Principe
. Exemple
• Il y a distorsion de la surface de réponse. La distorsion est d’autant
plus importante que l’interaction est grande.

ou
Il existe une interaction entre 2 facteurs A et B si l’effet du facteur A
26 sur la réponse dépend du niveau du facteur B et réciproquement.
 Plans d’Expériences Notion d’interaction entre facteurs

Calcul de l’interaction X1X2

Introduction
. Exemple Exp X1 X2 Réponse : Yrep
Concepts
L’interaction est considérée comme un
Plan 2k nouveau facteur et l’effet moyen de 1 -1 -1 y1 = 60
. Concepts l’interaction est la ½ variation de l’effet 2 +1 -1 y2 = 85
. Effets moyen de X2 lorsque X1 passe du niveau
. Interaction 3 -1 +1 y3 = 75
. Yates bas au niveau haut
. Exemple 4 +1 +1 y4 = 90
Statistique y4  y2 90  85
. Rappels • Effet moyen de X2 au niveau haut de X1 :   2.5
. Tests effets 2 2
. Exemple
y  y1 75  60
. Variance • Effet moyen de X2 au niveau bas de X1 : 3   7.5
. Exemple 2 2
Plan Frac.
y4  y2 y3  y1
. Principe 
. Exemple
• Effet moyen de l'interaction X1Xa212:  2 2
2
y  y 2  y3  y 4
 1
4
27
 Plans d’Expériences Calcul des effets avec la notation de Yates

Introduction On appelle matrice des effets la matrice X servant au calcul des

. Exemple
coefficients dans la régression linéaire multiple.
Concepts
Plan 2k La matrice X des effets, servant au calcul des coefficients du modèle,
. Concepts
. Effets
s'obtient en ajoutant à gauche de la matrice d'expérience une colonne
. Interaction ne contenant que des 1.
. Yates
. Exemple Les estimations des coefficients du modèle sont données par la matrice
Statistique  telle que  = X-1 Yrep = (1/n) tX Yrep où Yrep est la matrice colonne des
. Rappels
. Tests effets réponses expérimentales.
. Exemple
. Variance La meilleure précision sur les coefficients de chacun des facteurs dans la
. Exemple régression linéaire multiple est obtenue si l'on fait varier les niveaux de
Plan Frac.
tous les facteurs à chaque expérience et si toutes les expériences
. Principe
. Exemple concourent à l'estimation de chaque coefficient.
Critère d'optimalité au sens d'Hadamard
Pour obtenir en n expériences une variance minimale, la matrice des
effets X doit vérifier la relation : tXX = n In
28
 Plans d’Expériences Algorithme de Yates

Introduction On s'intéresse à un plan 2k et à un modèle polynomial du premier d° :

. Exemple Y = a0 +a1X1 + a2X2 + ... + akXk
Concepts
Plan 2k
. Concepts Pour k facteurs, la matrice d'expérience comporte k colonnes et 2k lignes.
. Effets On alterne les -1 et le +1
. Interaction
. Yates
- toutes les lignes pour la première colonne,
. Exemple - toutes les deux lignes pour la seconde colonne,
Statistique - toutes les quatre lignes pour la troisième, etc.
. Rappels Plus généralement :
. Tests effets
. Exemple - toutes les colonnes commencent par -1.
. Variance - on alterne les -1 et les +1 toutes les 2j-1 lignes pour la jème
. Exemple colonne.
Plan Frac.
. Principe
. Exemple
Chaque estimation d'un coefficient du modèle est égale à la somme
algébrique des réponses expérimentales yi affectés des signes de la
colonne de la matrice X correspondant au facteur Xi divisé par le
nombre d'expériences.

29
 Plans d’Expériences Exemple numérique

Introduction Construction d’un plan 23 pour un essai d'arrachement mettant en jeu 3

. Exemple facteurs. (plan 2k où k=3 soit 23=8 expériences)
Concepts Niveau Niveau
Plan 2k
Les facteurs : X1 : la température de pressage, bas : -1 haut : +1
. Concepts X2 : la pression lors du pressage, X 80 °C 120 °C
. Effets 1
X3 : le temps de pressage.
. Interaction X2 0,5 bars 2 bars
. Yates
. Exemple X3 1h 2h
Statistique
. Rappels Matrice Exp X1 X2 X3 Yexp J=1 J=2 J=3
. Tests effets d’expérience et Matrice des  1  1  1  1
. Exemple des réponses 1 -1 -1 -1 18,1
effets  
 1  1  1  1
. Variance 2 +1 -1 -1 16,0
. Exemple
Plan Frac. 3 -1 +1 -1 17,1  1  1  1  1
 
. Principe 4 +1 +1 -1 17,0  1  1  1  1
. Exemple X
5 -1 -1 +1 17,8  1  1  1  1
 
6 +1 -1 +1 17,2  1  1  1  1
7 -1 +1 +1 18,1  1  1  1  1
2J-1=….
 
30 8 +1 +1 +1 17,0  1  1  1  1
 Plans d’Expériences Exemple numérique

Exp Moy X1 X2 X3 Yexp

Introduction 1 +1 -1 -1 -1 18,
. Exemple 1
Concepts
2 +1 +1 -1 -1 16,
Plan 2k
0
. Concepts
. Effets 3 +1 -1 +1 -1 17,
. Interaction 1
. Yates 4 +1 +1 +1 -1 17,
. Exemple 0
Statistique
. Rappels
5 +1 -1 -1 +1 17,
. Tests effets
8
. Exemple 6 +1 +1 -1 +1 17,
. Variance 2
. Exemple
7 +1 -1 +1 +1 18,
Plan Frac. 1
. Principe
. Exemple 8 +1 +1 +1 +1 17,
y1  y2  y3  y4  y5  y6  y7  y8 y y y  y0  y5  y6  y7  y8
a0  ; a2  1 2 3 4
8
Diviseu 8 8 8 8
8
r
Le modèle Y  17a,29
s’écrita: =17,29
Effets
 0,49 X 1  0,01
=-0,49 a =0,01
X 2  0,24 X 3
a =0,24
31 0 1 2 3
 Plans d’Expériences Plan complet avec interactions

• Pour calculer l'effet d'une interaction entre deux variables Xi et Xj on

Introduction ajoute à la matrice des effets une colonne, que l'on baptise XiXj, et que
. Exemple
Concepts l'on obtient en faisant le produit "ligne à ligne" des colonnes des variables
Plan 2k Xi et Xj.
. Concepts
. Effets
• Le calcul des coefficients du modèle se fait comme énoncé
. Interaction
. Yates précédemment.
. Exemple Exemple numérique
Statistique
. Rappels
• Considérons un plan d’expérience 2² construit afin d’étudier une réaction
. Tests effets chimique dont le rendement dépend de deux facteurs
. Exemple
. Variance Matrice d’expérience
. Exemple et des réponses
Plan Frac. Domaine expérimental
. Principe Exp T P Y (%)
. Exemple Niveau bas : Niveau haut :
1 -1 -1 60
-1 +1
2 +1 -1 65
Température : 60°C 80°C
T 3 -1 +1 75
Pression : P 1 bar 2 bars 4 +1 +1 85
32
 Plans d’Expériences Exemple numérique

Introduction Matrice d’expérience Exp Moy T P TP Y (%)

et des réponses
. Exemple
pour les facteurs et 1 ( +1 × -1 × -1 ) = +1 60
Concepts
les interactions. 2 +1 +1 -1 -1 65
Plan 2k
. Concepts 3 +1 -1 +1 -1 75
. Effets
. Interaction 4 +1 +1 +1 +1 85
. Yates
. Exemple
Diviseur 4 4 4 4
Statistique
. Rappels Effets a0=71,25 a1=3,75 a2=8,75 a12=1,25
. Tests effets
. Exemple 60  65  75  85  60  65  75  85
. Variance a0   71.25 ; a1   3.75
. Exemple
Calcul des 4 4
coefficients
Plan Frac.  60  65  75  85  60  65  75  85
a2   8.75 ; a12   1.25
. Principe 4 4
. Exemple

Le modèle s’écrit : Y  a0  a1 X 1  a 2 X 2  a12 X 1 X 2

Soit : Y = 71,25 + 3,75 T + 8,75 P + 1,25 P T
33
 Plans d’Expériences Exemple numérique

Tableau des réponses moyennes

Introduction
. Exemple P P
Concepts T P
Plan 2k -1 +1
Niveau -1 60  75
 67.5
60  65
 62.5
. Concepts 2 2 T -1 60 75
. Effets
. Interaction Niveau +1 65  85 75  85 T +1 65 85
 75  80
. Yates 2 2
. Exemple
R ép
Statistique 85
. Rappels
. Tests effets R ép 80
. Exemple 80 75 P=+1

Ec2
. Variance
70

Ec1
. Exemple 70
65
Plan Frac.
. Principe T P 60 P = -1
. Exemple 60
-1 +1 -1 +1 55
-1 TP +1

Graphe des effets Visualisation de l’interaction

(Ec1Ec2)  interaction
34
 Plans d’Expériences

Introduction Construction d’un plan 2² pour une étude sur les conditions idéales pour
. Exemple passer un examen mettant en jeu 2 facteurs.
Concepts Niveau Niveau
Plan 2k Les facteurs : X1 : le stress, bas : -1 haut : +1
. Concepts
X2 : la compréhension. X1 Faible Elevé
. Effets
. Interaction X2 Totale Nulle
. Yates
. Exemple
Statistique
. Rappels
N° des essais 1 2 3 4
. Tests effets
. Exemple Note obtenue 17.7 12.9 10.3 2.5
. Variance
. Exemple
Plan Frac.
. Principe 1. Construire la matrice d'expériences correspondant à ce plan complet
. Exemple 2. Calculer tous les effets : facteurs principaux et interactions
3. Tracer le diagramme des effets
4. Construire le modèle mathématique associé

35
 Plans d’Expériences Exemple numérique
y1  y 2  y 3  y 4
Exp Moy X1 X2 X1X2 Yexp a0 
Introduction 4
. Exemple 1 +1 -1 -1 +1 17,7 y y y y
a1  1 2 3 4
Concepts 2 +1 +1 -1 -1 12,9 4
Plan 2k y y y y
. Concepts 3 +1 -1 +1 -1 10,3 a2  1 2 3 4
4
. Effets 4 +1 +1 +1 +1 2,5 y y y y
. Interaction a12  1 2 3 4
. Yates 4
. Exemple
Diviseur 4 4 4 4 Le modèle s’écrit :
Statistique
. Rappels Effets 10,85 -3,15 -4,45 -0,75 Y  10.85  3.15 X1  4.45 X 2  0.75 X1X 2
. Tests effets
. Exemple
X1 X2
. Variance 18 20

. Exemple 15, 16 18
Niveau -1 14
3 14 16 X1=-1 X2=-1

Plan Frac. X2 14
12
. Principe 7, 12
X1
. Exemple Niveau +1 6,4 10

X1 7 X1 8
10
X1=1 X2=1
8
6
-1 +1 4
6
4

X2 -1 17.7 12.9 2
2
0 0
X2 +1 10.3 2.5
36
 Plans d’Expériences

Introduction Construction d’un plan 23 pour un test en fatigue mettant en jeu 3

. Exemple facteurs.
Concepts Niveau Niveau
Plan 2k Les facteurs : X1 : la température, bas : -1 haut : +1
. Concepts
X2 : le nombre de cycles, X1 20 °C 120 °C
. Effets
. Interaction X3 : la charge appliquée. X2 1 200
. Yates
. Exemple X3 10 MPa 50 MPa
Statistique
. Rappels
N° des essais 1 2 3 4 5 6 7 8
. Tests effets
. Exemple Déformation (mm) 2 1 4 3 7 2 5 6
. Variance
. Exemple
Plan Frac.
. Principe 1. Construire la matrice d'expériences correspondant à ce plan complet
. Exemple 2. Calculer tous les effets : facteurs principaux et interactions
3. Tracer le diagramme des effets
4. Déterminer une loi de comportement du matériau testé

37
 Plans d’Expériences Exemple numérique

Exp Moy X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3 Yexp

Introduction 1 +1 -1 -1 -1 +1 +1 +1 -1 2
. Exemple
Concepts 2 +1 +1 -1 -1 -1 -1 +1 +1 1
Plan 2k 3 +1 -1 +1 -1 -1 +1 -1 +1 4
. Concepts
. Effets 4 +1 +1 +1 -1 +1 -1 -1 -1 3
. Interaction
5 +1 -1 -1 +1 +1 -1 -1 +1 7
. Yates
. Exemple 6 +1 +1 -1 +1 -1 +1 -1 -1 2
Statistique
7 +1 -1 +1 +1 -1 -1 +1 -1 5
. Rappels
. Tests effets 8 +1 +1 +1 +1 +1 +1 +1 +1 6
. Exemple
. Variance
. Exemple Diviseur 8 8 8 8 8 8 8 8
Plan Frac.
. Principe Effets a0=3,75 a1=-0,75 a2=0,75 a3=1,25 a12=0,75 a13=-0,25 a23=-0,25 a123=0,75
. Exemple
y1  y2  y3  y4  y5  y6  y7  y8 y y y y y y y y
a0  ; a2  1 2 3 4 5 6 7 8
8 8
Le modèle s’écrit :
Y  3,75  0,75 X 1  0,75 X 2  1,25 X 3  0,75 X 12  0,25 X 13  0,25 X 23  0,75 X 123
38
 Plans d’Expériences Exemple numérique

Tableau des réponses moyennes

Introduction
. Exemple
Concepts X1 X2 X3
Plan 2k 2475
. Concepts Niveau -1  4,5 3 2,5
4
. Effets
. Interaction Niveau +1 3 4,5 5
. Yates
. Exemple
Statistique
6 5
. Rappels
4,5
. Tests effets 5 X1=-1
4
. Exemple
3,5
. Variance 4
. Exemple 3
3 2,5
Plan Frac. X1=+1
. Principe 2
X1 X2 2
X3 1,5
. Exemple
1 1
0,5
0 0
-1 +1 -1 +1 -1 +1
-1 +1

Graphe des effets Visualisation de l’interaction X1X2

39
 Plans d’Expériences Statistique & interprétation des résultats

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

40
 Plans d’Expériences Statistique - Rappels

n
Rappels élémentaires
Introduction
. Exemple
X i

Concepts
• Moyenne X i 1

Plan 2k
n
. Concepts • Variance ² : moyenne des carrées des écarts à la moyenne
. Effets
. Interaction
- Pour un échantillon  variance vraie :  e2 
  X i  X
2

. Yates
. Exemple n
Statistique où X est la moyenne exacte de l’échantillon et n l’effectif total ou
. Rappels nombre total de ddl.
. Tests effets

 iX  M  2
. Exemple - Pour une population  variance estimée :  p2 
. Variance
n 1
. Exemple
Plan Frac.
où M est la moyenne estimée de la population : M
 X N
. Principe
. Exemple N nombre d’échantillons N
n-1 : effectif total ou nombre effectif de ddl dont on dispose (-1 pour la
moyenne)

41
 Plans d’Expériences Statistique - Rappels

•Test de comparaison de deux variances

Introduction
. Exemple
On cherche à comparer deux distributions statistiques normales
Concepts (les deux échantillons sont ils issus d’une même loi normale ?)
Plan 2k On observe n1 individus On observe n2 individus
. Concepts
. Effets
1ier échantillon 2ième échantillon
. Interaction Variance 12 Variance 22
. Yates  12
. Exemple On forme le rapport de Fisher-Snedecor : Fcalculé  2
Statistique 2
. Rappels
. Tests effets
Le rapport de Fisher suit une loi de probabilité et ne dépend que des nombres
. Exemple de ddl de chacun des échantillons 1 et 2 avec 1=n1-1 et 2=n2-1.
. Variance
. Exemple F est tabulé pour différentes valeurs du risque de première espèce , c’est-à-
Plan Frac. dire le risque d’accepter une hypothèse fausse alors qu’elle est vraie.
. Principe Si on désire évaluer le risque à 5%  table à 0,95
 
. Exemple
On cherche dans la table la valeur de F  , 1 , 2 que l’on compare à Fcalculé.
On accepte l’hypothèse d’identité des variances si :

Fcalculé  F   , 1 , 2 
42
 Plans d’Expériences Statistique - Rappels

Exemple :
Introduction Deux agents dosent un composant dans des
. Exemple échantillons provenant d’un même produit.
Concepts Pour chaque échantillon les analyses sont
doublées.
Les agents travaillent ils de la même façon ?
Plan 2k
. Concepts B est-il meilleur que A ?
. Effets
Agent A : 11 échantillons
. Interaction
A2 = 3,02
 A2
. Yates Fcalculé  2  2.47
. Exemple Agent B : 22 échantillons B
Statistique B2 = 1,22
. Rappels
Table de Snedecor pour un risque de 5%.
. Tests effets
. Exemple ddlA2) = 11-1 = 10 = 1
. Variance ddlB2) = 22-1 = 21 = 2
. Exemple
Plan Frac. F 5%,10, 21  2.32 Fcalculé  F 5%,10, 21
. Principe
. Exemple

La différence des variances est significative

(au seuil de 5%)
On en déduit que l’agent A travaille d’une
façon moins précise que l’agent B.
43
 Plans d’Expériences Test de signification des effets

Effets : coefficients des facteurs et des interactions dans l'écriture du

Introduction modèle.
. Exemple
Concepts Les calculs statistiques permettent :
Plan 2k - savoir si les effets sont significatifs,
. Concepts
- calculer les intervalles de confiance,
. Effets
. Interaction - de valider la linéarité du modèle.
. Yates Ils font intervenir d'une part les résidus ei, et d'autre part un estimateur
. Exemple
Statistique sans biais de la variance commune des résidus, soit :
. Rappels
1
 n est le nombre d'expériences réalisées
. Tests effets
. Exemple 2  ei2 p est le nombre de coefficients du modèle
. Variance
n p
. Exemple
Plan Frac. 2
On peut montrer que tous les effets ont même variance  
i
2
. Principe n
. Exemple
Si pour un plan complet n = p alors on ne peut pas calculer la variance
commune des résidus ².
Dans la pratique on néglige les interactions d’ordre élevé pour pouvoir
évaluer ².
44
 Plans d’Expériences Test de signification des effets

Pour tester un effet on utilise le test de Student : Un effet sera dit

Introduction
significatif s'il est pour un risque donné, significativement différent de 0.
. Exemple
Concepts
On testera donc l'hypothèse : H0 = << ai = 0 >>
Plan 2k
. Concepts contre l'hypothèse H1 = << ai ≠ 0 >>
. Effets
ai
. Interaction
Pour cela on calcule : ti 
. Yates i
. Exemple
Statistique Pour le test on utilise la table de Student à  = n - p ddl
. Rappels où n est le nombre d'expériences réalisées,
. Tests effets
. Exemple
p est le nombre d'effets y compris la constante.
. Variance
. Exemple
Pour un risque de première espèce  (5% ou 1%), on lit dans la table de
Plan Frac. Student la valeur tcrit(, ), en utilisant la partie de la table relative à un
. Principe test bilatéral. D’où la règle :
. Exemple
 si ti > tcrit(, ), on rejette H0 au risque accepté.
 si ti < tcrit (, ), on accepte H0 au risque accepté.

H0 accepté  l’effet en question n’est pas, au risque , significativement

45 différent de 0. La variable associée n’a pas d’influence sur la réponse.
 Plans d’Expériences Test de signification des effets

Exemple :
Introduction On considère une réaction chimique dont le rendement dépend de deux facteurs
. Exemple (température T, pression P), prenant respectivement pour niveau haut et bas 60 et
Concepts 80°C pour T, et, 1 et 2 bars pour P.
Plan 2k On cherche à déterminer la non influence d'une variable sur la réponse pour un
. Concepts risque choisit de 5 %.
. Effets
. Interaction Exp Moy T P Y (%) Yest ei ei²
. Yates
. Exemple 1 +1 -1 -1 60 58.75 1.25 1.5625
Statistique 2 +1 +1 -1 65 66.25 -1.25 1.5625
. Rappels
3 +1 -1 +1 75 76.25 -1.25 1.5625
. Tests effets
. Exemple 4 +1 +1 +1 85 83.75 1.25 1.5625
. Variance
. Exemple Diviseu 4 4 4 Le modèle : Y  71.25  3.75 T  8.75 P
Plan Frac. r
. Principe
Effets a0=71.25 a1=3.75 a2=8.75
. Exemple 3 coefficients
1
Variance des résidus : 2 
 4  3 e 2
i  6.25
 2 6.25
Variance commune des estimateurs :     1.5625
2
i
n 4
46
 Plans d’Expériences Test de signification des effets

ai ai
Introduction
Les ti sont calculés avec la relation : ti  
i 1.25
. Exemple
Concepts
Plan 2k La table de Student donne pour un risque de 5% avec  = n - p = 4 - 3 = 1 :
tcrit  0.05, 1  12.71
. Concepts
. Effets
. Interaction
. Yates - Pour a1 = 3.75 (effet de T) on a t1 = 3 < 12.71 : on accepte H0 au risque de 5 % et
. Exemple
l'effet de la température T n'est pas significatif.
Statistique
. Rappels
. Tests effets - Pour a2 = 8.75 (effet de P) on a t2 = 7 < 12.71 : on accepte H0 au risque de 5 % et
. Exemple l'effet de la pression P n'est pas significatif.
. Variance
. Exemple
Plan Frac. On peut donc considérer que les coefficients a 1 et a2 ne sont pas significativement
. Principe différents de 0 ; leur valeur est probablement due à un « bruit ».
. Exemple
La conclusion est que l'on doit rejeter un modèle linéaire pour expliquer le
rendement de cette réaction chimique.
Il faudrait refaire une étude avec un modèle polynomial du second degré.

47
 Plans d’Expériences Intervalle de confiance des effets
a/ variance expérimentale connue
Introduction
. Exemple On suppose que compte tenu de nombreuses expériences faites on connaît l'écart
Concepts type expérimental . L'intervalle de confiance d'un effet est donné, par :
Plan 2k risque 5% : [(ai - 1,96 i) ; (ai + 1,96 i)]
. Concepts
. Effets
risque 1% : [(ai - 2,58 i) ; (ai + 2,58 i)]
. Interaction où i² est la variance commune des estimateurs des coefficients.
. Yates
. Exemple
Statistique
. Rappels 
. Tests effets
. Exemple
. Variance
. Exemple m0
Plan Frac.
. Principe
. Exemple 
n

 
2 2
m0
Intervalle
48 de confiance
 Plans d’Expériences Intervalle de confiance des effets
b/ variance expérimentale inconnue (cas le plus courrant)
Introduction
. Exemple La variance commune des résidus est estimée avec = n-p degrés de libertés et
Concepts en négligeant au moins un effet.
Plan 2k
. Concepts 1 2
. Effets  
2
n p
 ei2 et  
i
2
. Interaction n
. Yates
. Exemple
Statistique Si l’on choisit un risque , on détermine à l’aide de la table de Student le nombre
. Rappels t(,) et l'intervalle de confiance d'un effet est donné, par :
. Tests effets
risque % : [(ai – t(,) i) ; (ai + t(,) i)]
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

49
 Plans d’Expériences Exemple

Considérons le plan d'expérience 23 suivant dans lequel on néglige l'interaction

Introduction d'ordre 3
. Exemple
Concepts X1 X2 X3 X1X2 X1X3 X2X3 Yobserv Yi estimés ei e²i
Plan 2k é
. Concepts 5,1875 + 0,0125 0,000156
-1 -1 -1 +1 +1 +1 5.2
. Effets 4,7125 - 0,0125 0,000156
. Interaction +1 -1 -1 -1 -1 +1 4.7
5,1125 - 0,0125 0,000156
. Yates
-1 +1 -1 -1 +1 -1 5.1
. Exemple 5,4875 + 0,0125 0,000156
Statistique +1 +1 -1 +1 -1 -1 5.5
4,9125 - 0,0125 0,000156
. Rappels -1 -1 +1 +1 -1 -1 4.9
. Tests effets 4,5875 + 0,0125 0,000156
+1 -1 +1 -1 +1 -1 4.6
. Exemple 4,7875 + 0,0125 0,000156
. Variance -1 +1 +1 -1 -1 +1 4.8
5,3125 - 0,0125 0,000156
. Exemple
+1 +1 +1 +1 +1 +1 5.3
Plan Frac.
. Principe Le calcul des effets permet d’obtenir le modèle suivant :
. Exemple Y = 5.0125 + 0.0125 X1 + 0.1625 X2 – 0.1125 X3 + 0.2125 X1X2 + 0.0375 X1X3 -
0,0125 X2X3
à partir duquel on évalue Yestimé, puis les écarts.

50
 Plans d’Expériences Exemple

1 1
• Variance commune des résidus : 
2
  ei
2
  8 * 0.000156  0.00125
Introduction n p 87
. Exemple
Concepts  2 0.00125
• Variance commune de tous les effets :     0.000156
2
i
Plan 2k n 8
. Concepts ai
. Effets • Calcul du « t » de Student pour chaque effet : t i 
. Interaction i
. Yates
• La table de Student t(;) = t(0,05;1)=12,71 pour un risque de 5%.
. Exemple
Statistique
. Rappels Variable effet t Résultat
. Tests effets
. Exemple Constante 5,0125 t0 = 401 > 12,71 significatif
. Variance
X1 a1 = 0,125 t1 = 1 < 12,71 non significatif
. Exemple
Plan Frac. X2 a2 = 0,1625 t2 = 13 > 12,71 significatif
. Principe
X3 a3 = - 0,1125 t3 = 9 < 12,71 non significatif
. Exemple
X1X2 a12 = 0,2125 t12 = 17 > 12,71 significatif
X1X3 a13 = 0,0375 t13 = 3 < 12,71 non significatif
X2X3 a23 = - 0,0125 t23 = 1 < 12,71 non significatif
Modèle à retenir : Y = 5,0125 + 0,1625 X2 + 0,2125 X1X2
51
 Plans d’Expériences Analyse de la variance

• Lever le doute quant à la significativité des effets

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

52
 Plans d’Expériences Analyse de la variance

• Validité du modèle linéaire ?

Introduction
. Exemple - Yi les réponses observées lors de la réalisation des expériences,
est
Concepts - Yi la réponse estimée à l'aide du modèle linéaire,
Plan 2k - Ymoy la moyenne des réponses.
. Concepts

 Y  2
. Effets 1 - La variation due à la liaison linéaire : SCEL  est
 Ymoy
i
. Interaction
. Yates SCEL se lit : "somme des carrés des écarts dues à la liaison".
. Exemple
Statistique
 
est 2
SCER 2 - LaYvariation
i  Yi
résiduelle :
. Rappels
. Tests effets SCER se lit : "somme des carrés des écarts des résidus".
. Exemple
. Variance
. Exemple 3 - La variation totale : SCET = SCEL + SCER
Plan Frac. STCE se lit : " somme totale des carrés des écarts".
. Principe
. Exemple Le "carré moyen" est le quotient d'une somme de carrés par son degré de liberté.

SCEL a (p-1) ddl (p : nombre de coefficients estimés à partir du modèle).

SCER a (n-p) degrés de libertés (n est le nombre d'expériences réalisées).
SCET a (n-1) degrés de liberté.
53
 Plans d’Expériences Analyse de la variance

Variation due à Somme des carrés ddl Carré moyen F

Introduction CML
Liaison SCEL p–1 SCEL
 CML Fobs 
. Exemple p 1 2
(entre échantillons)
Concepts
Résidus SCER n–p SCER
Plan 2k  σ2
(intérieur n p
. Concepts
. Effets échantillon)
Total SCET n–1
. Interaction
. Yates
. Exemple • Le test F permet de comparer pour un risque fixé à l'avance le F obs que l'on a
Statistique calculé dans le tableau avec un F(critique) lu dans la table de Fisher-Snedecor avec
. Rappels (p - 1) et (n - p) degrés de liberté.
. Tests effets
. Exemple
Le test est :
. Variance
. Exemple H0 : « les deux carrés moyens sont de même grandeur »  la régression n'est pas
Plan Frac. significative.
. Principe H1 : « le carré moyen dû à la régression est significativement plus grand que le
. Exemple
carré moyen dû aux résidus »  la régression est globalement significative.
La règle du test est alors pour un risque  choisi :
Si Fobs < F(critique), on accepte l'hypothèse H0 .
Si Fobs > F(critique), on accepte l'hypothèse H1 avec la confiance 1-.
54
 Plans d’Expériences Exemple

Reprenons l’exemple précédent avec tous les effets et leurs interactions :

Introduction Moy X1 X2 X3 X1X2 X1 X3 X2X3 Y
. Exemple
+1 -1 -1 -1 +1 +1 +1 5.
Concepts 2

 Y 
Plan 2k +1 +1 -1 -1 -1 -1 +1 4. est 2
SCEL  i  Ymoy
. Concepts 7

SCER   Y 
. Effets 2
. Interaction
+1 -1 +1 -1 -1 +1 -1 5.
i  Yi est
1
. Yates
+1 +1 +1 -1 +1 -1 -1 5.
. Exemple
5
Statistique
+1 -1 -1 +1 +1 -1 -1 4.
. Rappels
9
. Tests effets
. Exemple +1 +1 -1 +1 -1 +1 -1 4.
6
. Variance
. Exemple +1
Variation -1Somme+1 DDL+1 -1 moyen-1
Carré +1 F 4. ici, p = 7
Plan Frac. 8
due à des n=8
. Principe +1 +1 carrés+1 +1 SCEL +1 +1 +1CML 5. 1 = 6
 0.1146  CML Fobs   91.6667
. Exemple Liaison SCEL 7–1 7 1 2 3
2 = 1
a0
Résidus aSCER a2 8 – 7 a3 SCEE a12 2 a a23
1
   0.001213
87 d’où Fcrit = 234
5,012
Total 0,012
SCET 0,162 8 – 1 - 0.09840,212 0,037 -
5 5 5 0,1125 5 5 0,0125 pour  = 5%

55 (Fobs = 91,667) < (Fcrit = 234)  on rejette l'hypothèse de linéarité du modèle.

 Plans d’Expériences Exemple

Introduction
. Exemple
Concepts
Plan 2k
. Concepts
. Effets
. Interaction
. Yates
. Exemple
Statistique
. Rappels
. Tests effets
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe SCEL CML
 0.1146  CML Fobs   91.6667
. Exemple 7 1 2
SCEE
  2  0.0012
87

56
 Plans d’Expériences Exemple

Effectuons une nouvelle analyse de la variance, avec le modèle ne contenant que

Introduction les coefficients significatifs a2 et a12.
. Exemple
Concepts
Plan 2k
Variation Somme DDL Carré moyen F
. Concepts
due à des
. Effets carrés
. Interaction SCEL CML ici, p = 3
Liaison SCEL 3–1  0.2863  CML Fobs   12,3
. Yates 3 1 2 n=8
. Exemple 1 = 3-1 = 2
Statistique SCEE
Résidus SCER 8–3   2  0.0232 2 = 8-3 = 5
. Rappels 83
. Tests effets
 = 5%
Total SCET 8–1 0.0984
. Exemple
. Variance
. Exemple
Plan Frac. On évalue Fcrit avec la table de Fischer Snédecor pour 1=2 et 2=5, pour un risque
. Principe
. Exemple
=5%

(Fobs = 12,3) > (Fcrit = 5,79)  on accepte donc l'hypothèse de linéarité du modèle.

57
 Plans d’Expériences Plans fractionnaires

Constatation :
Introduction
. Exemple
Lorsque le nombre de facteurs ou le nombre de niveaux par facteur
Concepts augmente, les plans complets donnent très vite un nombre d’essais peu
Plan 2k compatible avec la réalité industrielle.
. Concepts
. Effets Question :
. Interaction
Doit on réaliser toutes les expériences du plan complet pour estimer le
. Yates
. Exemple modèle du système ?
Statistique
. Rappels En effet si l’on veut étudier un modèle à 3 facteurs à 2 niveaux mais sans
. Tests effets interaction, il faut identifier 4 coefficients  4 essais et non 8 comme pour
. Exemple
. Variance
le plan complet 23.
. Exemple Le plan fractionnaire à 4 essais suppose les interactions nulles. Si l’une
Plan Frac. d’entre elles est ≠ 0 alors elle perturbera les coefficients du modèle.
. Principe
. Exemple L’utilisation d’un plan fractionnaire n’est pas sans risque. Il faut pouvoir
statuer sur les points suivants :
- Conditions nécessaires pour établir un plan fractionnaire,
- Quels sont les risques liés à l’utilisation d’un plan fractionnaire.
58
 Plans d’Expériences Plans fractionnaires

Condition sur le nombre de degrés de liberté

Introduction
. Exemple Le nombre de ddl d’un modèle indique le nombre de valeurs qu’il est
Concepts
nécessaire de calculer pour connaître l’ensemble des coefficient du
Plan 2k
. Concepts modèle.
. Effets
. Interaction D’une manière générale, pour pouvoir calculer X valeurs indépendantes il
. Yates
faut introduire dans les calculs au moins X expériences
. Exemple
Statistique
. Rappels La règle : Le nombre minimal d’expériences à réaliser est égal au nombre
. Tests effets
de degrés de liberté du modèle étudié.
. Exemple
. Variance
. Exemple
Plan Frac.
. Principe
. Exemple

59
 Plans d’Expériences Plans fractionnaires

Condition d’orthogonalité
Introduction
. Exemple Condition indispensable pour pouvoir calculer les effets d’un facteur
Concepts indépendamment des autres facteurs.
Plan 2k
. Concepts
Condition nécessaire et suffisante d’orthogonalité de 2 actions
. Effets
. Interaction Deux actions disjointes sont orthogonales si à chaque niveau de l’une, tous
. Yates les niveaux de l’autre sont associés le même nombre de fois dans le plan
. Exemple d’expériences.
Statistique
. Rappels
. Tests effets Orthogonalité d’un plan d’expérience
. Exemple
Un plan d’expériences est orthogonal vis à vis d’un modèle, si toutes les
. Variance
. Exemple actions disjointes du modèle sont orthogonales dans le plan d’expériences.
Plan Frac.
. Principe
. Exemple

60
 Plans d’Expériences Plans fractionnaires

Loi de composition des colonnes des matrices d’expériences

Introduction
. Exemple
On définit une multiplication dans E de la manière suivante. Le produit de
Concepts deux vecteurs de E est un vecteur de E dont les composantes dans la base
Plan 2k canonique sont les produits des composantes de même rang.
. Concepts   1   1   1
. Effets      
 1
  4   1   1
. Interaction A 
Exemple dans 
  1IR , si   1
B et AB   alors
. Yates
  1
  1    
. Exemple   1   1
Statistique      
. Rappels
. Tests effets Plans factoriels fractionnaires à 2 niveaux = 2k-p
. Exemple nombre total de facteur à étudier
. Variance nombre de fois où le plan complet est coupé en deux
. Exemple 2k-p
Plan Frac.
. Principe
. Exemple • Choisir le nb de facteurs à étudier et le nb d’expériences à réaliser.
• Choisir le plan complet correspondant au nb d’expériences à réaliser.
• Affecter aux colonnes des interactions d’ordre le + élevé du plan complet le(s)
facteur(s) supplémentaires à étudier.

61
 Plans d’Expériences Plans fractionnaires 23-1

Plan fractionnaire 23-1 pour étudier 3 facteur (notion d’aliase ou de contraste).

Introduction Un plan complet pour étudier trois facteurs (A, B, C) est un plan 23
. Exemple
nécessitant 8 expériences, mais nous désirons réaliser seulement 4
Concepts
Plan 2k
expériences.
. Concepts
. Effets
Pour cela nous utiliserons une matrice d'expériences d'un plan 22.
. Interaction Le facteur C sera placé dans la colonne de l’interaction AB
. Yates
. Exemple Exp Imoy A B AB AB = C Exp A B C
Statistique
1 -1 -1 +1
. Rappels
1 +1 -1 -1 +1
. Tests effets 2 +1 -1 -1
. Exemple 2 +1 +1 -1 -1
3 -1 +1 -1
. Variance
3 +1 -1 +1 -1
. Exemple 4 +1 +1 +1
Plan Frac. 4 +1 +1 +1 +1
. Principe
Matrice du plan Matrice du plan
. Exemple complet 22 fractionnaire 23-1
La matrice 23-1 servira à calculer les effets de A, B et C + leurs interactions

C = AB  le facteur C est aliasé avec l’interaction AB.

62
 Plans d’Expériences Plans fractionnaires 23-1

Nous avons : C = AB et donc CC = I = ABC

Introduction
. Exemple
Concepts Soit : I = CAB d’où AI = ACAB = C(AA)B = CIB et donc A = CB
Plan 2k BI = BCAB = CA(BB) = CAI et donc B = CA
. Concepts
. Effets
. Interaction On a vu que C est aliasé avec l’interaction AB.
. Yates On montre également que A est aliasé avec l’interaction CB et B avec CA.
. Exemple
Les effets obtenus avec le plan fractionnaire ne sont pas des effets purs.
Statistique
. Rappels
. Tests effets L’égalité I = CAB fournit tous les aliases : c’est un générateur d’aliases
. Exemple
. Variance
. Exemple Hypothèses d’interprétation retenues en général :
Plan Frac.
• Les interactions d’ordre supérieur (3ième ordre et +) sont négligeables.
. Principe
. Exemple • si deux effets sont faibles, leur interaction est faible.
• si deux effets sont forts, leur interaction peut également l’être.
• si un alias est nul - soit les effets aliasés sont tous nuls (++)
- soit les effets se compensent

63
 Plans d’Expériences Plans fractionnaires 23-1

Exp I A B C Yexp Plan fractionnaire 23-1

Introduction
ABC CB CA AB
. Exemple Les lignes 1, 2, 3, 4 du plan fractionnaire
Concepts 1 +1 -1 -1 +1 y1 correspondent aux lignes 5, 2, 3, 8 du plan
Plan 2k 2 +1 +1 -1 -1 y2 complet.
. Concepts
. Effets 3 +1 -1 +1 -1 y3 - y1  y 2 - y 3  y 4
. Interaction a1 
. Yates
4 +1 +1 +1 +1 y4 4
. Exemple effet a0 a1 a2 a3
Statistique s Exp I A B C AB AC BC ABC Yexp
. Rappels
. Tests effets
Plan complet 23 1 +1 -1 -1 -1 +1 +1 +1 -1 z1
. Exemple
2 +1 +1 -1 -1 -1 -1 +1 +1 y2
. Variance
. Exemple 3 +1 -1 +1 -1 -1 +1 -1 +1 y3
Plan Frac.
4 +1 +1 +1 -1 +1 -1 -1 +1 z4
. Principe
. Exemple 5 +1 -1 -1 +1 +1 -1 -1 +1 y1
6 +1 +1 -1 +1 -1 +1 -1 -1 z6
7 +1 -1 +1 +1 -1 -1 +1 -1 z7
8 +1 +1 +1 +1 +1 +1 +1 +1 y4
64
 Plans d’Expériences Plans fractionnaires 23-1

- z1  y2 - y3  z4 - y1  z6 - z7  y4 - y  y 2 - y3  y 4
Introduction a'1   a1  1
. Exemple
8 4
Concepts On sait que A est aliasé avec CB, calculons l’effet de CB :
Plan 2k
z1  y2 - y3  z4 - y1  z6  z7  y4 on remarque alors que a1=a’1+a’23
. Concepts a' 23 
. Effets 8
. Interaction
. Yates a1 obtenu avec le plan fractionnaire n’est pas un effet pur, d’où :
. Exemple
Statistique Exp I A B C AB AC BC ABC Yexp
. Rappels
. Tests effets 1 +1 -1 -1 -1 +1 +1 +1 -1 z1
. Exemple
2 +1 +1 -1 -1 -1 -1 +1 +1 y2
. Variance A = CB  a1 = a'1+a'23
. Exemple 3 +1 -1 +1 -1 -1 +1 -1 +1 y3
Plan Frac.
. Principe B = CA  a2 = a'2 + a'13 4 +1 +1 +1 -1 +1 -1 -1 +1 z4
. Exemple 5 +1 -1 -1 +1 +1 -1 -1 +1 y1
C = AB  a3 = a'3 + a'12 6 +1 +1 -1 +1 -1 +1 -1 -1 z6
7 +1 -1 +1 +1 -1 -1 +1 -1 z7
8 +1 +1 +1 +1 +1 +1 +1 +1 y4
65
 Plans d’Expériences Plans fractionnaires 24-1

Utilisation de la matrice d’un plan 23 pour étudier l'influence de 4 facteurs

Introduction sur la pureté d'un précipité ??
. Exemple
Concepts Les variables retenues sont :
Plan 2k
Variables Niveau –1 Niveau +1
. Concepts
. Effets A : quantité de base utilisé normale en excès
. Interaction
B : vitesse d'addition de la lente rapide
. Yates
base
. Exemple
Statistique C : température de la filtration à chaud à froid
. Rappels D : lavage du précipité normal prolongé
. Tests effets Les trois premières variables (ABC) seront placées dans la trois premières
. Exemple
. Variance
colonnes de la matrice du plan 23.
. Exemple
Moy A B C ABC AB AC BC Y
Plan Frac.
. Principe D
. Exemple
La quatrième variable D, sera mise à la place d’une des interactions. Elle
sera dite aliasée avec l'interaction d'ordre la plus élevé du plan 23, c'est à
dire l'interaction ABC. L’aliase est D=ABC
Ainsi I = DABC est le générateur d’aliases
66
 Plans d’Expériences Plans fractionnaires 24-1

Introduction
I = DABC est un générateur d’aliases
. Exemple
Concepts
Plan 2k  AI  ADABC  DAABC  DIBC  A  DBC
. Concepts
. Effets
 BI  BDABC  DABBC  DAIC  B  DAC
. Interaction  
. Yates  CI  CDABC  DABCC  DABI C  DAB
. Exemple   
Statistique  ABI  ABDABC  DAABBC  DIIC  AB  DC
. Rappels  ACI  ..............................................  AC  DB
. Tests effets
 
. Exemple  ADI  ..............................................  AD  BC
. Variance
. Exemple
Plan Frac.
. Principe Moy A B C ABC AB AC BC Y
. Exemple DBC DAC DAB D DC DB AD

Si, comme il est d'usage, on néglige les interactions d'ordre 3, on obtient

les effets principaux.
67
 Plans d’Expériences Plans fractionnaires 24-1

Introduction
La matrice des effets et des réponses est la suivante :
. Exemple
Concepts Moy A B C ABC AB AC BC Y
Plan 2k DBC DAC DAB D DC DB AD
. Concepts
. Effets +1 -1 -1 -1 -1 +1 +1 +1 3, 1
. Interaction +1 +1 -1 -1 +1 -1 -1 +1 4, 1
. Yates
+1 -1 +1 -1 +1 -1 +1 -1 2, 2
. Exemple
Statistique +1 +1 +1 -1 -1 +1 -1 -1 1, 3
. Rappels +1 -1 -1 +1 +1 +1 +1 -1 4, 0
. Tests effets
. Exemple +1 +1 -1 +1 -1 -1 -1 -1 4, 1
. Variance +1 -1 +1 +1 -1 -1 -1 +1 -0, 1
. Exemple
+1 +1 +1 +1 +1 +1 +1 +1 0, 6
Plan Frac.
. Principe a0 aA aB aC aD aab-dc aac-db abc-ad
. Exemple
2,41 0,11 - - 0,31 -0,16 0,09 -0,49
1,41 0,26
En négligeant les interactions d'ordre 3, on obtient les effets principaux :
A  0,11 B  -1,41 C  -0,26 D  0,31
68
 Plans d’Expériences Plans fractionnaires 24-1

Introduction
Soit la valeur de l’écart type expérimental telle que :  0  0,07
. Exemple
0
Concepts L’écart type de l’estimateur d’un coefficient est :  i   0,025
Plan 2k n
. Concepts
. Effets Un coefficient sera significatif au risque =5% ssi : ai > ttable(n-p+1, ) × i
. Interaction
. Yates
. Exemple
Ici nous obtenons : ai  0,318 et donc,
Statistique
. Rappels
. Tests effets Moy A B C ABC AB AC BC
. Exemple DBC DAC DAB D DC DB AD
. Variance
. Exemple 2,41 0,11 - - 0,31 -0,16 0,09 -0,49
1,41 0,26
Plan Frac.
. Principe
. Exemple Seuls les effets de la variable B et de l’aliase (BC,AD) sont significatifs.

La question qui se pose est :

Laquelle de ces 2 interactions est la plus plausible ?

69
 Plans d’Expériences Plans fractionnaires 24-1

Introduction
. Exemple
Concepts Étude de l’interaction BC B = -1 B = +1
Plan 2k C = -1 P = (3,1 + 4,1) / 2 = 3,6 P = (2,2 + 1,3) / 2 = 1,7
. Concepts
C = +1 P = (4 + 4,1) / 2 = 4,05 P = (0,6 - 0,1) / 2 = 0,35
. Effets
. Interaction
. Yates
. Exemple
Statistique Étude de l’interaction AD A = -1 A = +1
. Rappels
. Tests effets D = -1 P = (3,1 - 0,1) / 2 = 1,5 P = (1,3 + 4,1) / 2 = 2,7
. Exemple D = +1 P = (2,2 + 4) / 2 = 3,1 P = (4,1 + 0,6) / 2 =
. Variance 2,35
3,5 4,5
. Exemple
4

Plan Frac. 3
A=+1 3,5 B=-1
. Principe 2,5
3

. Exemple 2 2,5

1,5 2

A=-1 1,5
1

1,95 1
1,8 B=+1
0,5
0,5

0 0
-1 +1 -1 +1
70
 Plans d’Expériences Exercice

Introduction Étude de la planéité de panneaux de structure fabriqués à l'aide d'un

. Exemple processus de moulage par injection.
Concepts
Plan 2k facteurs Niveau bas : -1 Niveau haut : +1
. Concepts
. Effets
A : température de fusion 260 °C 287.78 °C
. Interaction B : température du moule 26.67 °C 60°C
. Yates
. Exemple C : temps de cuisson 150 s 200 s
Statistique D : vitesse d'injection 1s 2.25 s
. Rappels
. Tests effets
. Exemple
. Variance N° des essais 1 2 3 4 5 6 7 8
. Exemple
Plan Frac.
Planéité 1,37 1,4 1,17 1,27 1,17 1,14 0,76 0,61
. Principe
. Exemple
1. Construire la matrice d'expériences correspondant à ce plan fractionnaire
2. Calculer tous les effets : facteurs principaux et interactions
3. Déterminer le paramètres influents avec un risque de 5% et  0  0,016
4. Construire le modèle mathématique associé
71 5. Vérifier la linéarité du modèle
 Plans d’Expériences Exercice

Introduction   I A B C ABC AB AC BC

. Exemple   ABCD BCD ACD ABD D DC BD AD Y

Concepts 1 1 -1 -1 -1 -1 1 1 1 1,37

Plan 2k 2 1 1 -1 -1 1 -1 -1 1 1,4
. Concepts 3 1 -1 1 -1 1 -1 1 -1 1,17
. Effets 4 1 1 1 -1 -1 1 -1 -1 1,27
. Interaction 5 1 -1 -1 1 1 1 -1 -1 1,17
. Yates
6 1 1 -1 1 -1 -1 1 -1 1,14
. Exemple
7 1 -1 1 1 -1 -1 -1 1 0,76
Statistique
8 1 1 1 1 1 1 1 1 0,61
. Rappels
. Tests effets 1,1112 - - - - - - -
. Exemple 5 0,00625 0,15875 0,19125 0,02375 0,00625 0,03875 0,07625
. Variance
. Exemple
 0  0,016
Plan Frac.
. Principe  0,016
. Exemple  0   0,00565685
n 8
ai  t(1, 5%) * 0,00565685  0,07189862
Y  1,11125  0,15875 .B  0,19125.C  0,07625 .BC
72
 Plans d’Expériences

FIN

73