Rabiier

N d'ordre : 2509 Anne 2007
THSE

Prsente pour obtenir
le titre de

Docteur de l'Institut National Polytechnique de Toulouse

ECOLE DOCTORALE MATERIAUX STRUCTURE - MECANIQUE

Spcialit : Gnie Mcanique

Par

Franois RABIER

Modlisation par la mthode des plans
dexpriences du comportement dynamique dun
module IGBT utilis en traction ferroviaire

Soutenue le 14 septembre 2007 devant le jury compos de :

M. Serge CAPERAA Professeur des universits lENI de Trabes Examinateur
M. Abdelkhalek EL HAMI Professeur des universits l'INSA de Rouen Rapporteur
M. Abdelaziz HIHI Professeur la facult des sciences de RABAT Examinateur
M. Moussa KARAMA Professeur des universits lENI de Tarbes Directeur de thse
M. Zoubir KHATIR Charg de recherche l'INRETS Rapporteur
M
me
Carmen MARTIN Matre de confrence LENI de Trabes Examinateur
M. Michel MERMET-GUYENNET Directeur du laboratoire PEARL Examinateur
M. Michel PITON Ingnieur ALSTOM Examinateur

Equipe d'accueil : Calcul Mcanique Assist par Ordinateur - Laboratoire Gnie de Production
UPRES EA N1905 - ENI de Tarbes

Pour toutes les personnes qui mont
aid et soutenu durant ces trois annes,

Remerciements

La rdaction de ces remerciements marque la fin de trois annes de travail au sein du
laboratoire PEARL et du LGP. Jen profite donc pour associer au succs de ce travail les
personnes qui ont contribu de quelques manires que ce soit la bonne conduite de cette
thse.

Je souhaite tout dabord prsenter mes sincres remerciements messieurs Malville et
Darthoux, responsables successifs du site ALSTOM Transport de Tarbes, pour avoir accept
ma prsence et le droulement de cette thse au sein de leur usine ainsi que Daniel Noyes,
directeur du Laboratoire Gnie de Production de lEcole Nationale dIngnieur de Tarbes
pour mavoir accueilli dans son tablissement.

Mes plus vifs remerciements vont galement lquipe qui a encadr ce travail de thse,
Moussa Karama, Professeur des Universits lENIT et directeur de thse, Carmen Martin,
Matre de Confrence lENIT et Michel Mermet-Guyennet, directeur du laboratoire PEARL
avec qui ce fut un plaisir de travailler.

Je souhaite galement remercier Zoubir Khatir, charg de recherche lINRETS, et
Abdelkhalek Elhami, Professeur des Universits de lINSA de Rouen, pour avoir accept de
rapporter sur ce travail ainsi que lensemble des membres du jury devant lequel jai eu le
bonheur de soutenir mon travail.

Merci Michel Piton, Ingnieur ALSTOM Transport et expert en IGBT et Jos SAIZ dit
Le ZEP , ingnieur ALSTOM au sein de PEARL pour le soutien technique quils mont
apport sur lIGBT, composant si mystrieux pour le mcanicien que je suis. Merci galement
lensemble des acteurs du programme PORTES pour leur apport technique.

Un grand merci lensemble des Pearliens et Pearlienne, dhier et daujourdhui pour leur
bonne humeur. Ce fut un rel bonheur de travailler dans cet environnement et jespre que ce
laboratoire continuera se dvelopper et innover comme il la fait jusqu prsent. Une
pense spciale Mr Duts pour les coups de mains salvateurs.

Merci aussi aux collgues du LGP, les fragueurs du midi, les footeux du mercredi, les
fragueurs footeux et les autres notamment ceux qui rcuprent des sujet de DEA un peu
bizarre (elle est pour toi celle-l Alex !!!) et ceux qui prsentent une tolrance auditive hors
du commun (a cest pour toi Bibi !!!).

Je ne saurais oublier Henri Machoukow, instigateur de ce sujet de thse innovant et qui
ma fait confiance durant mon DEA en me proposant ce travail peu commun.

Enfin je finirai ces remerciements par un grand merci mes parents, ma sur et les amis
qui mont soutenu et ont su trouver les mots ou simplement tre l dans les moments de doute.

MERCI tous

Table des matires
7

Table des matires

INTRODUCTION GENERALE .......................................................................................... 15

CHAPITRE I : ........................................................................................................................ 17
ETUDE BIBLIOGRAPHIQUE SUR LES MODULES IGBT

1. INTRODUCTION............................................................................................................ 19
2. LES TRANSISTORS....................................................................................................... 20
2.1. Historique..................................................................................................................... 21
2.2. Le MOSFET................................................................................................................. 22
2.3. Le Bipolaire.................................................................................................................. 24
3. LIGBT.............................................................................................................................. 26
3.1. Gammes et usages ........................................................................................................ 26
3.2. Structure ....................................................................................................................... 27
3.3. Les diffrentes technologies dIGBT........................................................................... 28
3.3.1. Technologie Punch Through ( base non homogne)......................................... 28
3.3.2. Technologie Non Punch Through ( base homogne) ........................................ 29
3.3.3. Technologie Trench Gate (grille enterre) ......................................................... 29
3.4. Procd de fabrication.................................................................................................. 30
3.4.1. Formation des jonctions...................................................................................... 30
3.4.2. Traitement des surfaces, prparation des connexions ........................................ 30
3.5. Principe de fonctionnement.......................................................................................... 32
3.5.1. Fonctionnement dune diode............................................................................... 32
3.5.2. Fonctionnement dun IGBT................................................................................. 33
3.6. Les mcanismes de dgradation et modes de dfaillance des modules IGBT............. 35
3.6.1. Le cyclage thermique .......................................................................................... 35
3.6.2. La corrosion........................................................................................................ 40
3.6.3. Llectromigration .............................................................................................. 41
3.6.4. Les dcharges partielles...................................................................................... 41
3.6.5. Le rayonnement cosmique................................................................................... 42
3.6.6. Le vieillissement des oxydes de grille.................................................................. 42
3.6.7. Rcapitulatif des mcanismes de dgradation .................................................... 42
3.7. Contraintes limites........................................................................................................ 43
3.7.1. Limites thermiques locales .................................................................................. 44
3.7.2. Avalanche lectronique ....................................................................................... 45
3.7.3. Retournement ou latch-up ................................................................................... 45
3.7.4. Claquage de la grille........................................................................................... 46
3.7.5. Cas particulier de la diode.................................................................................. 46
3.7.6. Rsum des limites de fonctionnement ................................................................ 46
3.8. Modlisation des transistors IGBT............................................................................... 48
4. CONCLUSION DU CHAPITRE I ................................................................................. 50
REFERENCES DU CHAPITRE I........................................................................................ 51
Table des matires
8
CHAPITRE II : ...................................................................................................................... 55
LES PLANS DEXPERIENCES,ETUDE DE CRIBLAGE

1. INTRODUCTION A LA METHODE DES PLANS DEXPERIENCES................... 57
2. HISTORIQUE DES PLANS DE CRIBLAGE .............................................................. 59
3. METHODE DE CRIBLAGE OU SCREENING.......................................................... 60
3.1. Dfinition de lobjectif et de la/des rponse(s) ............................................................ 61
3.1.1. Dfinition de lobjectif de ltude........................................................................ 61
3.1.2. Dfinition de la/les rponse(s) caractrisant lobjectif....................................... 61
3.2. Choix dune stratgie exprimentale............................................................................ 62
3.3. Dfinition des facteurs ................................................................................................. 62
3.3.1. Codage associ aux modles additifs sans interaction ....................................... 64
3.3.2. Codage associ aux modles additifs avec ou sans interactions ........................ 65
3.4. Dfinition du domaine exprimental............................................................................ 67
3.5. Dfinition du modle empirique .................................................................................. 68
3.6. Construction du plan dexpriences ............................................................................. 68
3.7. Exprimentation ........................................................................................................... 70
3.8. Analyse globale des rsultats dessais.......................................................................... 70
3.9. Analyse mathmatique des rsultats dessais............................................................... 71
3.9.1. Grille de dpouillement ....................................................................................... 71
3.9.2. Calcul des coefficients du modle additif............................................................ 72
3.9.3. Calcul des rsidus ............................................................................................... 73
3.10. Analyse statistique du modle...................................................................................... 73
3.10.1. Mthode de Daniel .............................................................................................. 73
3.10.2. Mthode de Lenth................................................................................................ 74
3.10.3. Analyse de la variance ........................................................................................ 75
3.11. Analyse graphique du modle ...................................................................................... 80
3.11.1. Trac des effets moyens....................................................................................... 80
3.11.2. Trac des interactions ......................................................................................... 81
3.11.3. Diagramme de Pareto ......................................................................................... 82
3.11.4. Graphe dadquation du modle......................................................................... 83
3.11.5. Diagramme des coefficients ................................................................................ 83
3.12. Validation du modle et des informations obtenues .................................................... 84
4. APPLICATION DES METHODES DE CRIBLAGE.................................................. 85
4.1. Dfinition des objectifs et des rponses ....................................................................... 85
4.2. Dfinition des facteurs ................................................................................................. 87
4.3. Plan 1 (U, I, T, caractristiques statiques).................................................................... 88
4.3.1. Etude des tendues statistiques des caractristiques statiques........................... 89
4.3.2. Dfinition du domaine exprimental ................................................................... 92
4.3.3. Dfinition du modle empirique.......................................................................... 93
4.3.4. Construction du plan dexpriences.................................................................... 94
4.3.5. Exprimentation .................................................................................................. 95
4.3.6. Analyse globale des rsultats dessais ................................................................ 96
4.3.7. Analyse mathmatique des rsultats dessais...................................................... 99
4.3.8. Analyse statistique du modle, ............................................................................ 99
4.3.9. Analyse graphique des rsultats........................................................................ 101
4.3.10. Rsultats du plan 1............................................................................................ 104
4.4. Plan 2 (Lcom, Lge, Rgoff, t
on
) ................................................................................... 104
4.4.1. Dfinition du domaine exprimental ................................................................. 106
4.4.2. Dfinition du modle empirique........................................................................ 106
Table des matires
9
4.4.3. Construction du plan dexpriences.................................................................. 107
4.4.4. Exprimentation ................................................................................................ 107
4.4.5. Analyse globale des rsultats dessais .............................................................. 108
4.4.6. Analyse mathmatique des rsultats dessais.................................................... 109
4.4.7. Analyse statistique du modle ........................................................................... 110
4.4.8. Analyse graphique du modle ........................................................................... 114
4.4.9. Rsultats du plan 2 ............................................................................................ 115
5. CONCLUSION............................................................................................................... 115
REFERENCES DU CHAPITRE II .................................................................................... 116

CHAPITRE III :................................................................................................................... 119
LES PLANS DEXPERIENCES, ETUDE DE SURFACE DE REPONSE

1. INTRODUCTION.......................................................................................................... 121
2. HISTORIQUE DES PLANS DE SURFACE DE REPONSE .................................... 121
3. METHODE DE SURFACE DE REPONSE................................................................ 123
3.1. Dfinition des lobjectifs et de la/les rponse(s) ........................................................ 124
3.1.1. Dfinition du ou des objectif(s) de ltude ........................................................ 124
3.1.2. Dfinition de la/les rponse(s) caractrisant lobjectif..................................... 124
3.2. Choix dune stratgie exprimentale.......................................................................... 124
3.3. Dfinition des facteurs et des niveaux........................................................................ 125
3.3.1. Dfinition des niveaux....................................................................................... 125
3.3.2. Codage de la matrice dexpriences ................................................................. 126
3.4. Dfinition du domaine exprimental.......................................................................... 126
3.5. Dfinition du modle empirique ................................................................................ 128
3.6. Construction du plan dexpriences ........................................................................... 129
3.6.1. Les constructions historiques ............................................................................ 129
3.6.2. Les constructions algorithmiques...................................................................... 131
3.7. Exprimentation ......................................................................................................... 137
3.8. Analyse globale des rsultats dessais........................................................................ 138
3.9. Analyse mathmatique des rsultats dessais............................................................. 138
3.9.1. Calcul des coefficients du modle additif.......................................................... 138
3.9.2. Calcul des rsidus ............................................................................................. 139
3.10. Analyse statistique du modle.................................................................................... 139
3.10.1. Lanalyse du modle dans sa globalit ............................................................. 139
3.10.2. Analyse statistiques des coefficients du modle ................................................ 142
3.10.3. Analyse statistique des rsidus.......................................................................... 143
3.11. Analyse graphique du modle .................................................................................... 144
3.11.1. Graphe dadquation du modle....................................................................... 144
3.11.2. Surfaces de rponse........................................................................................... 144
3.11.3. Courbes iso-rponse.......................................................................................... 145
3.12. Validation du modle et des informations obtenues .................................................. 145
4. APPLICATION DE LA METHODE DE SURFACE DE REPONSE...................... 146
4.1. Dfinition des objectifs et des rponses ..................................................................... 146
4.2. Choix dune stratgie exprimentale.......................................................................... 147
4.3. Dfinition des facteurs ............................................................................................... 147
4.4. Dfinition du domaine exprimental.......................................................................... 148
4.5. Dfinition du modle empirique ................................................................................ 150
4.6. Construction du plan dexpriences ........................................................................... 150
Table des matires
10
4.6.1. Utilisation du K-algorithme de MODDE.......................................................... 151
4.6.2. Identification des points leviers dans la matrice G-optimale ........................... 155
4.7. Exprimentation ......................................................................................................... 155
4.8. Analyse globale des rsultats dessais........................................................................ 156
4.9. Analyse mathmatique des rsultats dessais............................................................. 157
4.10. Analyse statistique du modle.................................................................................... 157
4.10.1. Analyse statistique globale des modles ........................................................... 158
4.10.2. Analyse statistique des lments des modles ................................................... 158
4.10.3. Analyse statistique des rsidus.......................................................................... 161
4.11. Analyse graphique du modle .................................................................................... 162
4.11.1. Graphiques dadquation des modles ............................................................. 162
4.11.2. Reprsentation graphique des surfaces de rponses......................................... 163
4.12. Validation du modle et des informations obtenues .................................................. 164
5. CONCLUSION............................................................................................................... 165
RFRENCES DU CHAPITRE III .................................................................................. 166

CONCLUSION ET PERSPECTIVES ............................................................................... 171

REFERENCES..................................................................................................................... 173

ANNEXES............................................................................................................................. 181

Table des illustrations
11


Table des illustrations (Figures)

Figures du chapitre I :

Fig 1. La chane de traction............................................................................................................. 19
Fig 2. Le premier transistor ............................................................................................................. 21
Fig 3. Principe d'un MOSFET canal N : les zones hachures sont de type N [Cand, 86] ............ 22
Fig 4. Pincement du canal en fonction de V
D
[Chatelain, 79] ......................................................... 23
Fig 5. Caractristiques des diffrents types de transistors MOS [Cand, 86] ................................... 24
Fig 6. Structure PNP et NPN de transistors bipolaires.................................................................... 25
Fig 7. Structure de lIGBT .............................................................................................................. 27
Fig 8. Structure Punch Trough ........................................................................................................ 28
Fig 9. Structure Non Punch Through .............................................................................................. 29
Fig 10. Structure Trench.................................................................................................................... 29
Fig 11. Connexion de type bonding sur un puce silicium................................................................. 31
Fig 12. Module IGBT 3300V 1200A EUPEC................................................................................... 31
Fig 13. Structure dune diode PIN..................................................................................................... 32
Fig 14. Diode polarise en direct....................................................................................................... 33
Fig 15. Diode polarise en inverse .................................................................................................... 33
Fig 16. LIGBT : structure (a) et schma quivalent (b) ................................................................... 33
Fig 17. Etat passant de lIGBT.......................................................................................................... 34
Fig 18. Etat bloqu de lIGBT........................................................................................................... 35
Fig 19. Dcollement dun fil de bonding [Ciappa, 02]...................................................................... 36
Fig 20. Fissuration au pied dun fil de bonding [Ciappa, 02]............................................................ 37
Fig 21. Dfinition des paramtres de bonding pour le modle de dure de vie ................................ 38
Fig 22. Dformation de la surface dune mtallisation [Ciappa, 02]................................................. 38
Fig 23. Rupture du substrat dun module IGBT [Ciappa, 02]........................................................... 39
Fig 24. Dlaminage dune puce IGBT [Ciappa, 02].......................................................................... 39
Fig 25. Rupture dun bonding due la corrosion [Ciappa, 02] ......................................................... 40
Fig 26. Aire de scurit pour un composant de puissance................................................................. 47
Fig 27. Circuit quivalent dun transistor IGBT selon A.R. Hefner [Hefner, 94]............................. 49
Fig 28. Circuit quivalent dun transistor IGBT selon S. Musumeci [Musumeci, 96]...................... 49

Figures du chapitre II :

Fig 1. Evolution des techniques de criblage [Louvet, 06] ............................................................... 59
Fig 2. Exemple de reprsentation graphique dun domaine exprimental ...................................... 67
Fig 3. Exemple de trac des effets moyens ..................................................................................... 81
Fig 4. Exemple de trac des interactions......................................................................................... 81
Fig 5. Exemple de diagramme de Pareto......................................................................................... 83
Fig 6. Exemple de diagramme des coefficients pour un plan 3 facteurs 2 modalits ................ 84
Fig 7. IGBT 3,3 kV Eupec .............................................................................................................. 85
Fig 8. Signal envoy par la commande la grille du module IGBT............................................... 86
Fig 9. Schmatisation des formes donde du courant et de la tension pendant lessai .................... 86
Fig 10. Blocage du module IGBT ..................................................................................................... 87
Fig 11. Schma lectrique du montage.............................................................................................. 87
12
Fig 12. Effet de la temprature sur Vcesat ........................................................................................ 91
Fig 13. Effet de la temprature sur Vf............................................................................................... 91
Fig 14. Effet de la temprature sur Ices............................................................................................. 92
Fig 15. Illustration du domaine exprimental.................................................................................... 93
Fig 16. Semelle usine pour essais froid ........................................................................................ 95
Fig 17. Banc de test utilis ................................................................................................................ 96
Fig 18. Rponses obtenues pour diffrentes valeurs de Vf ............................................................... 98
Fig 19. Effet des facteurs U, I et TC sur la surtension................................................................... 101
Fig 20. Effet des facteurs U, I et TC sur la vitesse de commutation.............................................. 102
Fig 21. Diagramme de Pareto pour la vitesse de commutation....................................................... 102
Fig 22. Interaction entre U et TC sur la surtension........................................................................ 103
Fig 23. Interaction entre U et I sur la vitesse de commutation........................................................ 103
Fig 24. Montage utilis pour le second plan de criblage................................................................. 105
Fig 25. Ptes de cuivre utilises pour augmenter linductance Lcom............................................. 105
Fig 26. Cbles de commande utiliss .............................................................................................. 105
Fig 27. Ensemble des points candidats............................................................................................ 106
Fig 28. Graphe de Daniel pour la vitesse de commutation au point a............................................. 110
Fig 29. Mthode de Lenth applique au modle de dV/dt au point a.............................................. 111
Fig 30. Graphe dadquation du modle de surtension au point b .................................................. 114

Figures du chapitre III :

Fig 1. Evolution des techniques de surfaces de rponse [Louvet, 06]........................................... 122
Fig 2. Illustration de la notion de contrainte dans un domaine exprimental................................ 127
Fig 3. Exemple de surface de rponse........................................................................................... 145
Fig 4. Exemple de courbes iso-rponse......................................................................................... 145
Fig 5. Blocage du module IGBT ................................................................................................... 147
Fig 6. Schma lectrique du montage exprimental...................................................................... 147
Fig 7. Evolution de la G-efficacit en fonction de la taille N de la matrice dexpriences........... 152
Fig 8. Evolution de la D-efficacit en fonction de la taille N de la matrice dexpriences........... 153
Fig 9. Evolution de la A-efficacit en fonction de la taille N de la matrice dexpriences........... 153
Fig 10. Graphe des leviers de la matrice G-optimale ...................................................................... 155
Fig 11. Montage en tuve pour les essais -40C et 42C.............................................................. 156
Fig 12. Evolution des coefficients d'ajustement des modles de surtension ................................... 159
Fig 13. Evolution des coefficients d'ajustement des modles de vitesse de commutation.............. 159
Fig 14. Droite dHenry des rsidus du modle de surtension.......................................................... 161
Fig 15. Droite dHenry du modle de vitesse de commutation....................................................... 161
Fig 16. Graphe dadquation du modle de surtension ................................................................... 162
Fig 17. Graphe dadquation du modle de vitesse de commutation.............................................. 162
Fig 18. Surface de rponse matrialisant les variations de surtension ............................................ 163
Fig 19. Surface de rponse matrialisant les variations de vitesse de commutation....................... 163
Fig 20. Validation du modle de surtension.................................................................................... 165
Fig 21. Validation du modle de vitesse de commutation............................................................... 165

13
Table des illustrations (Table)

Tables du chapitre I :

Table 1 Caractristiques moyennes compares pour diffrents transistors [Carubelli, 03] ............... 26
Table 2 Matriaux utiliss dans les modules IGBT [Ciappa, 02] ...................................................... 27
Table 3 Rcapitulatif des mcanismes de dgradation....................................................................... 43

Tables du chapitre II :

Table 1 Passage du plan dexprimentation la matrice dexpriences ............................................ 63
Table 2 Table L
9
(3
4
) non code.......................................................................................................... 64
Table 3 Table L
9
(3
4
) code................................................................................................................. 64
Table 4 Matrice du modle ................................................................................................................ 65
Table 5 Codage dun facteur A.......................................................................................................... 65
Table 6 Table L
9
(3
4
) code................................................................................................................. 66
Table 7 Matrice du modle ................................................................................................................ 66
Table 8 Exemple de codage ............................................................................................................... 66
Table 9 Illustration du calcul dinteraction ........................................................................................ 67
Table 10 matrice dexprience et tableaux de contingence associs.................................................... 69
Table 11 Grille de dpouillement associ un arrangement L
9
(3
4
) ..................................................... 72
Table 12 Tableau danalyse de variance .............................................................................................. 79
Table 13 Bornes des distributions des caractristiques statiques de 223 modules IGBT .................... 89
Table 14 Bornes des distributions des caractristiques statiques des 30 modules IGBT..................... 89
Table 15 Modules IGBT utiliss 25C.............................................................................................. 90
Table 16 Modules IGBT utiliss 125C............................................................................................ 91
Table 17 Facteurs et modalits associes............................................................................................. 92
Table 18 Matrice dexprience .......................................................................................................... 94
Table 19 Matrice du modle X............................................................................................................. 95
Table 20 Rsultats obtenus en surtension ............................................................................................ 97
Table 21 Rsultats obtenus en vitesse de commutation ....................................................................... 97
Table 22 Rsultats de lessai 10 pour diffrentes valeurs de Vf .......................................................... 98
Table 23 Poids des lments des modles............................................................................................ 99
Table 24 Analyse de variance sur la surtension................................................................................... 99
Table 25 Vrification de lanalyse de variance sur la surtension....................................................... 100
Table 26 Modalits utilises pour chacun des facteurs ...................................................................... 106
Table 27 Matrice du modle X........................................................................................................... 107
Table 28 Points de fonctionnement.................................................................................................... 108
Table 29 Rsultat du plan dexpriences............................................................................................ 108
Table 30 Calcul des coefficients du modle de surtension au point a................................................ 109
Table 31 Coefficients des modles de surtension et de vitesse de commutation............................... 110
Table 32 Tableau danalyse de variance pour dV/dt au point a ......................................................... 112
Table 33 Vrification du caractre significatif des variables............................................................. 112
Table 34 Tableau rcapitulatif des rsultats danalyses statistiques .................................................. 113
Table 35 Indicateurs danalyse de rgression des modles................................................................ 114

Tables du chapitre III :

Table 1 Tableau danalyse de rgression ......................................................................................... 141
Table 2 Tableau danalyse statistique des coefficients .................................................................... 143
Table 3 Bornes des facteurs utiliss pour la surface de rponse ...................................................... 148
Table 4 Niveaux maximaux de tension et courant dans le domaine exprimental .......................... 149
Table 5 Modalits utilises dans le domaine exprimental.............................................................. 150
14
Table 6 Matrice dexpriences G-Optimale..................................................................................... 154
Table 7 Rsultats dessais ................................................................................................................ 157
Table 8 Coefficients des modles complets ..................................................................................... 157
Table 9 Analyse de variance du modle de surtension .................................................................... 158
Table 10 Analyse de variance du modle de vitesse de commutation............................................... 158
Table 11 Qualit descriptive et prdictive des modles..................................................................... 158
Table 12 Coefficients des modles de surtension (a) et de vitesse de commutation (b) .................... 160
Table 13 Qualit descriptives et prdictive des modles ................................................................... 160
Table 14 Points et rsultats de validation........................................................................................... 164

Introduction gnrale
15

Introduction gnrale

Cette thse effectue sous contrat Alstom dans le cadre dune convention CIFFRE sest
droule principalement au sein du laboratoire P.E.A.R.L. (Power Electronic Associated
Research Laboratory). P.E.A.R.L est un laboratoire commun dapplication n en 2001,
vocation europenne et internationale, qui associe industriels et laboratoires publics.
Initialement orient vers des problmatiques ferroviaires dues son principal partenariat avec
ALSTOM Transport, le laboratoire sest ouvert lavionique en 2005 travers la convention
associant P.E.A.R.L. THALES AVIONICS et HISPANO-SUIZA. Le Laboratoire Gnie de
Production de lENI de Tarbes assure lencadrement scientifique de ce travail.

Si la productivit a t incontestablement le moteur du 20
me
sicle, le 21
me
sicle sera
celui de la qualit, comme la prdit le pionnier de cette discipline J.M. Juran. Cest dans cette
optique que ce travail de recherche a t men. Cette thse sintgre en effet dans le
programme europen PORTES (Power Reliability for Traction Electronics), programme
Marie Curie regroupant le constructeur ferroviaire ALSTOM Transport, le fabricant allemand
de modules IGBT EUPEC, le Centre National de Microlectronique de Barcelone, le
Laboratoire Systmes Intgrs du Swiss Federal Institute of Technologie de Zurich et le
Laboratoire Gnie de Production de lEcole Nationale dIngnieur de Tarbes. Ce programme
a t mis en place dans le but daugmenter la qualit et la fiabilit des quipements de traction
ferroviaire en amliorant les connaissances aux niveaux de lallumeur, du semi-conducteur et
du module IGBT. Ce travail de thse aborde, pour sa part, lIGBT de faon globale et cherche
apporter de nouvelles connaissances sur son comportement.

Dans le contexte concurrentiel actuel, les objectifs de qualit et de fiabilit sont au cur
de la conception des produits. Sur son site de Tarbes, Alstom Transport conoit et fabrique les
chanes de traction utilises dans les applications TGV, RER, mtro, Loco fret ou encore
tramway du constructeur ferroviaire franais. Le cur dune chane de traction est londuleur,
dont le rle est de convertir un signal continu monophas en signal alternatif triphas utilis
pour alimenter le moteur asynchrone de la motrice. La majeure partie des onduleurs de
traction de nouvelle gnration utilise la technologie IGBT (Insulated Gate Bipolar
Transistor).

Le dimensionnement dun onduleur de traction IGBT est aujourdhui bas
essentiellement sur les caractristiques des modules IGBT et notamment son aire de scurit,
dfinie par le fournisseur dans des conditions particulires de fonctionnement. Cependant, ces
conditions ne reprsentent quune infime partie des conditions relles dutilisation que peut
subir lIGBT lors de son fonctionnement. Il parait alors primordial dapprofondir cette notion
daire de scurit des modules et de la redfinir en faisant intervenir lensemble des
paramtres lis son lutilisation. Pour cela, nous avons considr la surtension et la vitesse
de commutation prsentes au blocage de lIGBT comme des performances dynamiques
susceptibles de provoquer la casse du composant et nous avons cherch les traduire travers
des modles faisant intervenir lensemble des paramtres lis aux conditions de
fonctionnement des modules.

Introduction gnrale
16
Pour raliser cette modlisation, nous avons opt pour les mthodes des plans
dexpriences. Ces mthodes permettent notamment dtablir des modles quadratiques
faisant intervenir des paramtres de diffrentes natures (thermique, mcanique, lectrique,
temporelle,). Ces mthodes de modlisation sont bases sur lexprimentation. Le but des
plans dexpriences est dobtenir un maximum dinformation en ne ralisant quun minimum
dessais, ce qui rpond parfaitement au dfi quimpose le contexte conomique actuel.

Le premier chapitre traite de lIGBT. Cette synthse bibliographique prsente la
problmatique souleve par cette thse. Le fonctionnement de ce type de transistor y est
galement dvelopp ainsi que ses contraintes limites, ses mcanismes de dgradation et les
modlisations existantes.

Dans le second chapitre, une introduction prsente les mthodes de plan dexpriences et
la forme des modles recherchs. Lobtention de ces modles ncessite dans un premier temps
de limiter ltude aux facteurs ayant une influence statistiquement significative sur les
rponses observes. On utilise pour cela des plans dits de criblage afin de mesurer leffet des
facteurs et des interactions sur les rponses et dliminer les paramtres nayant pas
dinfluence.

Enfin, le troisime chapitre reprend les facteurs prcdemment identifis comme influents
et aborde la modlisation des rponses en fonction de ces derniers. La construction du plan
utilis pour raliser cette modlisation se base sur un algorithmique dchange prvu pour
maximiser un critre defficacit associ la matrice dexpriences. Dans notre application, le
critre utilis cherche minimiser lincertitude maximale de prdiction dans lensemble du
domaine de validit des modles.

Chapitre 1 : Etude bibliographique sur les modules IGBT
17

Chapitre I :
Etude bibliographique sur les modules
IGBT
18
19
1. Introduction
Sur son site de Tarbes, la filire transport du groupe Alstom fabrique diffrents lments
des chanes de traction utilises dans ses trains, mtros ou encore tramways. Une chane de
traction ferroviaire se compose dun pantographe, dont le rle est dassurer la captation de
lnergie, dun disjoncteur pour protger le systme et dun convertisseur qui met en forme le
signal dalimentation du moteur de traction, lment ultime de cette chane. La figure 1
prsente la structure classique des chanes de traction ferroviaire :

Fig 1. La chane de traction
La partie essentielle du travail de conception dune chane de traction rside dans le
dimensionnement de londuleur prsent au sein du convertisseur. Cest llment central de
cette chane, son rle est de transformer le signal continu monophas obtenu en sortie dun
redresseur (dans le cas dune alimentation alternative) en un signal alternatif triphas de
frquence variable qui alimentera le moteur asynchrone du vhicule.

Pour dimensionner londuleur, le bureau dtudes doit prendre en compte les diffrents
paramtres prciss dans le cahier des charges fourni par le client. Ce cahier des charges
prcise notamment la tension dalimentation du rseau sur lequel fonctionnera le vhicule et
que londuleur devra couper. Cette tension dentre prsente une grande variabilit. Il nest
pas rare par exemple, pour une tension dalimentation annonce 1500V continu, datteindre
les 1800V permanent et mme des valeurs plus importantes pour des temps courts. Le cahier
des charges prcise galement diverses caractristiques lies aux conditions de
fonctionnement du matriel telles que la temprature de fonctionnement qui peut varier entre -
40C 125C suivant les applications. A partir de ces lments, on cherche tablir un
courant maximal de commutation garantissant une fiabilit du systme acceptable pour le
client et le fabricant.

Ce niveau maximal de courant de commutation est tabli en fonction de la technologie de
transistor utilise dans londuleur. Aujourdhui la technologie la plus utilise est lIGBT
(Insulated Gate Bipolar Transistor). Les modules IGBT sont le cur de la chane de traction
et les lments les plus sensibles du systme. Ainsi en augmentant la fiabilit de ces modules
on augmente la fiabilit de londuleur et de la chane de traction dans sa globalit.

20
Comme tout transistor, lIGBT peut tre assimil un interrupteur. Dans lidal, un
interrupteur doit possder une impdance nulle ltat ferm et infinie ltat ouvert, une
puissance consomme et un temps de commutation nuls. On peut donc en conclure quun
interrupteur idal nexiste pas et nexistera pas davantage demain. Cependant les transistors
actuels sefforcent de satisfaire au mieux ces conditions.

Les deux plus clbres transistors sont le MOSFET et le Bipolaire. Lavantage du
Bipolaire est quil possde une faible tension de dchet ltat passant ainsi que le pouvoir de
commuter de forts courants. Cependant, il ncessite une puissance de commande importante
et sa frquence de travail est relativement basse. Le MOSFET quant lui est plus connu pour
ses frquences de travail leves et sa puissance de commande presque nulle. En revanche sa
tension de dchet est importante pour des dispositifs mettant en jeu des hautes tensions
(quelques centaines de Volts).

Depuis 1979, sest dvelopp lide dintgrer les avantages de ces deux technologies sur
une mme puce tout en vitant au mieux leurs inconvnients. De cette ide sont nes
diffrents dispositifs :

LIGT (Insulated Gate Transistor) de General Electric en 84 [Baliga, 84],
Le GEMFET (Gain Enhaced MOSFET) de Motorola,
Le COMFET (Conductivity Modulated FET) de RCA en 83 [Russel, 95].

Toutes ces technologies ont permis daboutir ce quon appelle aujourdhui lIGBT.

Ce travail de thse porte sur certaines performances en commutation des modules IGBT
de forte puissance utiliss en traction ferroviaire. Lobjectif vis est damliorer la
connaissance du comportement des modules au sein de leur aire de scurit afin de permettre
une conception plus sre des onduleurs de tractions.

Pour mieux comprendre le fonctionnement de lIGBT, ses avantages et son apparition
dans le monde des transistors, nous prsenterons lvolution des transistors et des semi
conducteurs assurant cette fonction. Nous nous concentrerons ensuite plus prcisment sur les
principales caractristiques des modules IGBT de forte puissance, leur fabrication, leur
fonctionnement, leurs principaux modes de dgradation et leurs limites qui reprsentent
aujourdhui les consquences dune conception parfois trop hasardeuse de ces onduleurs.
Lobjectif final de ce travail de recherche tant lobtention de modles comportementaux par
une approche exprimentale, nous conclurons ce chapitre en prsentant les diverses natures de
modles existants dans le cadre de lIGBT.
2. Les transistors
LIGBT, comme son nom lindique, fait partie de la grande famille des transistors. Dans
lunivers de llectronique, le transistor est le composant actif fondamental. Il est
principalement utilis en tant quinterrupteur command ou dans un but damplification de
signal mais aussi pour stabiliser une tension, moduler un signal ainsi que de nombreuses
autres utilisations.

21
On trouve dans la littrature, bon nombre douvrages tels que [Baliga, 87], [Alosi, 01],
[Blot, 95], [Chatelain, 79], [Lefebvre, 04], [Mathieu, 01] qui dveloppent les technologies de
transistors bipolaires, effet de champs et autre.

Le terme transistor provient de langlais transfer resistor (rsistance de transfert). Il
dsigne un dispositif semi-conducteur trois ou quatre lectrodes, selon son type, qui permet
le contrle, grce une lectrode d'entre, d'un courant ou d'une tension sur l'une des
lectrodes de sorties.

Par extension, le terme transistor dsigne galement les rcepteurs radio quips de
transistors.

Leffet transistor se base sur une proprit particulire que possdent certains matriaux
dits semi-conducteurs [Alosi, 01]. Les semi-conducteurs sont des matriaux prsentant une
conductivit lectrique intermdiaire entre les mtaux et les isolants. Ils sont cependant
parfaitement isolant 0K. Aujourdhui les matriaux assurant cette fonction sont le SiC,
lAsGa, lInSb, le ZnO, le ZnS ou encore PbS mais surtout plus couramment le Silicium (Si).
Le silicium est le matriau principal utilis en microlectronique. Il est abondant dans la
nature, donc peu cher, et fournit des composant fiables et stables.

Il existe deux grandes familles de transistors :

Les transistors unipolaires qui nutilisent quun seul type de ple, lectrons ou trous.
Ce sont les Transistors Effet de Champ qui sont soit Jonction (JFET) soit des
structures mtal-oxyde-semiconducteurs (MOSFET). [Blot, 95], [Chatelain, 79],
[Mathieu, 01]
Les Transistors Bipolaires qui utilisent simultanment la conduction par trous et par
lectrons. Ce sont par exemple les Transistors Bipolaires Jonction ou BJT.
[Blot, 95], [Chatelain, 79], [Mathieu, 01]
2.1. Historique
En 1933, [Lilienfeld, 33] avait dj dpos un brevet concernant le principe du transistor
effet de champ. Leffet transistor a t dcouvert en 1947 par les amricains John Bardeen,
William Shockley et Walter Brattain, chercheurs de la compagnie Bell Tlphone. Ils ont reu
le prix Nobel de physique en 1956.

Fig 2. Le premier transistor
22
Le transistor fut considr comme un norme progrs face au tube lectronique. Il est en
effet plus robuste, il fonctionne avec des tensions faibles, il peut donc tre aliment par des
piles et il fonctionne instantanment une fois mis sous tension contrairement aux tubes
lectroniques qui demandaient une dizaine de secondes de chauffage.

Il a t rapidement assembl, avec d'autres composants, au sein de circuits intgrs, ce qui
lui permit de conqurir encore plus de terrain sur les autres formes d'lectronique active.

Le transistor a constitu une invention dterminante sans laquelle l'lectronique et
l'informatique ne possderaient pas leurs formes actuelles; il a permis la socit de
linformation lectronique de se dvelopper.

Nous avons dit plus tt que la technologie IGBT est ne du dsir de regrouper les
avantages la fois du MOSFET et du Bipolaire au sein dun mme composant. Avant de
dtailler le fonctionnement et les caractristiques des modules IGBT, nous allons revenir sur
ces deux technologies.
2.2. Le MOSFET
Le MOSFET pour Metal Oxide Semiconductor Field Effect Transistor soit en franais
Transistor Effet de Champ ( grille) Mtal-Oxyde , fait parti de la famille des transistors
effet de champ. Le principe des transistors effet de champ consiste faire varier la
conductivit dun barreau de semi-conducteur dop N ou P, en lui appliquant un champ
lectrique transversal. Ces transistors sont qualifis dunipolaire car ils ne mettent en uvre
quun seul type de porteurs savoir les majoritaires [Mathieu, 01].

Pour faire varier la conductance du barreau de semi-conducteur, c'est--dire sa rsistance
lorsquil est passant, la technologie des MOSFET utilise le phnomne daccumulation des
charges sur les armatures dun condensateur plan dont lune delle est le matriau semi-
conducteur dop. Le signe de la tension applique sur la grille de commande permet
dappauvrir ou denrichir le canal.

Le principe de fonctionnement du MOSFET se base sur la prsence dun canal dont la
conductance est pilote par une grille. L'lectrode de commande tant isole du canal par un
dilectrique, sa commande est de type capacitif [Blot, 95].

Fig 3. Principe d'un MOSFET canal N : les zones hachures sont de type N [Cand, 86]
23
La figure 3 illustre parfaitement le principe d'un transistor MOSFET canal N. Le dopage
de la source et du drain (hachures obliques) sont de type N
+
et la grille est isole du semi-
conducteur par une couche d'oxyde. Lorsque la grille est polarise positivement elle cre
l'interface dilectrique semi-conducteur une couche dite d'inversion (hachures verticales)
comportant un grand nombre d'lectrons (porteurs minoritaires de la zone P), ds que la
tension de grille V
G
est suprieure une valeur de seuil V
T
cette couche est suffisamment
importante pour crer un canal conducteur entre les deux zones N+. Mais ceci suppose que le
potentiel V
D
, la tension du drain, soit trs infrieur ce seuil. La relation liant I
D
V
D
est
linaire et le canal se comporte comme une simple rsistance. Ce mode de fonctionnement est
frquemment utilis dans les dispositifs logiques ainsi qu'analogiques.

Si V
D
croit, alors on obtient un effet de pincement, illustr ci-dessous, car la capacit du
fait du potentiel positif appliqu sur le drain est moins polarise de ce ct. Ce qui en d'autres
termes revient dire que la couche d'inversion prsente une paisseur non uniforme et
dcroissante de la source vers le drain. Pour une valeur de V
D
= V
Dsat
on atteint la limite du
pincement. A ce moment, malgr une tension de grille suprieure la tension de seuil, le
transistor nest plus conducteur.

Fig 4. Pincement du canal en fonction de V
D
[Chatelain, 79]
On distingue 4 types de transistors MOSFET en jouant, d'une part, sur les 2 types de
substrat et, d'autre part, sur le fait que le canal est ralis par construction (diffusion) ou,
comme dans l'exemple ci-dessus, rsulte du champ appliqu : dans le premier cas on parle de
MOS appauvrissement et, dans le second, de MOS enrichissement. La figure 5 donne un
rsum des caractristiques des 4 types.

24

Fig 5. Caractristiques des diffrents types de transistors MOS [Cand, 86]
Notons que les MOS enrichissement sont les plus faciles fabriquer (il n'y a qu'
diffuser la source et le drain). Cependant ces transistors prsentent un inconvnient majeur par
rapport aux JFET, c'est leur sensibilit aux charges statiques lie leur trs grande impdance
d'entre (>1000MW). En effet, si la tension entre la source et la grille, V
GS,
est trop important,
en raison de la trs faible paisseur du dilectrique (< 0.1m) un arc se cre et le dilectrique
nassure plus sa fonction isolante.

Malgr une commande aise en tension et des temps de commutation trs courts, le
transistor MOSFET prsente linconvnient de possder une chute de tension directe
relativement importante par rapport ses concurrents comme par exemple le bipolaire.
2.3. Le Bipolaire
Un transistor bipolaire est constitu dun bloc monocristallin de semi-conducteur
comportant deux rgions de mme type (P ou N) spares par une rgion de type oppos (N
ou P). Les rgions extrmes sont appeles Emetteur (E) et Collecteur (C) alors que la rgion
centrale est appele Base (B) [Mathieu, 01]. La figure 6 prsente ces deux types de transistors
bipolaires.

25

Fig 6. Structure PNP et NPN de transistors bipolaires
Le transistor bipolaire se commande, en courant, la fermeture et louverture. Cest un
lment bipolaire puisque la conduction est assure par les porteurs majoritaires et
minoritaires.

Il existe 2 types de transistors bipolaires : de type NPN et de type PNP. Nous prendrons
ici le cas d'un type NPN qui se caractrise par des tensions positives et un courant la base
positif.

Le secret du transistor bipolaire rside dans sa gomtrie : la base, faite dans ce cas de
matriau dop P, prsente des dimensions ngligeables par rapport aux deux rgions dopes
N. Ceci a deux effets :

Le courant inverse de porteurs majoritaires type trous dans le substrat P est
ngligeable par rapport l'injection d'lectrons venus de l'metteur, les
recombinaisons restent donc marginales ;
Un grand nombre d'lectrons injects par l'metteur se retrouvent projets vers la
jonction base-collecteur, le champ lectrique n'ayant pas le temps d'agir sur les
lectrons en transit dans la base.

Dans ce type de transistor, l'metteur, reli la premire zone N, se trouve polaris une
tension infrieure celle de la base, relie la zone P. La diode metteur/base se trouve donc
polarise en direct, et du courant (injection d'lectrons) circule entre l'metteur et la base.

En fonctionnement normal, la jonction base-collecteur est polarise en inverse, ce qui
signifie que le potentiel du collecteur est bien suprieur celui de la base. Les lectrons se
trouvent donc projets contre une jonction polarise en inverse. Cependant, la diffrence de
potentiel, et donc de niveaux d'nergie, induit un effet tunnel important qui permet la quasi-
totalit de ces lectrons de franchir la zone de charge d'espace et de se retrouver collects
dans le collecteur (d'o le nom).

Approximativement donc, tout le courant issu de l'metteur se retrouve dans le collecteur.
Ce courant est une fonction non-linaire de la tension base-metteur. Le transistor bipolaire
fait donc galement partie des dispositifs transconductance qui produisent un courant
modul par une tension. Cependant, dans la plupart des cas, le transistor opre dans un rgime
de petits signaux, quasi-linaire, o l'on prfre l'utiliser comme amplificateur de courant, le
courant collecteur est alors un simple multiple du courant de base.

En principe, le transistor bipolaire devrait tre un dispositif symtrique donc rversible,
mais, en pratique, pour fonctionner correctement, les dimensions des trois parties sont trs
diffrentes et ne permettent pas un fonctionnement symtrique.

26
Malgr un gain intressant, le temps de commutation important ainsi que la commande en
courant du bipolaire reste pnalisante aux fortes puissances. Cest pour palier ce problme et
limportante chute de tension que possde le MOSFET que lIGBT a t conu.
3. LIGBT
LIGBT est un transistor hybride, MOSFET ct commande et bipolaire ct sortie.
Comme un transistor effet de champ, il est command par la tension de grille (entre grille et
metteur) qui lui est applique, mais ses caractristiques de conduction (entre collecteur et
metteur) sont celles d'un bipolaire [Alosi, 01]. Ceci lui donne le faible cot nergtique de
commande d'un MOSFET, avec les pertes de conduction plus faibles ( surface de puce
donne) d'un bipolaire. De plus, on sait faire des IGBT de tension bien plus leve que pour le
MOSFET.

Ces caractristiques font qu'aujourdhui l'IGBT a presque totalement supplant les autres
types de composants pour les gammes de tension 600V 3300V, et qu'il perce dans les
tensions suprieures face au GTO (Gate Turn Off), ainsi que dans les tensions infrieures face
au MOSFET, bien qu'il soit plus lent. Le tableau 1 prcise quelques caractristiques de
diffrents transistors.

MOSFET
600V
IGBT
600V
IGBT
1700V
IGBT
3300V
IGBT
6500V
GTO
6000V
Chute de
tension
125C
2,2 V 1,8 V 2,5 V 3,5 V 5,3 V 3 V
Frquence
typique
15-30
kHz
6-12 kHz 3-6 kHz 1-2 kHz
0,8-1,5
kHz
300-600
Hz
Table 1 Caractristiques moyennes compares pour diffrents transistors [Carubelli, 03]
3.1. Gammes et usages
L'IGBT est utilis presque exclusivement en commutation, c'est--dire o seul les tats
saturs et bloqus sont souhaitables. Nanmoins, comme tout transistor, il possde une zone
de fonctionnement linaire , ou active, qui peut tre utilise pour des applications
particulires.

Les IGBT sont utiliss dans une gamme de tensions allant de 600 volts (et moins) 6500
volts, et des courants jusqu' 2400 ampres par module. Les valeurs de tension les plus
courantes sont:

600V : adapt la connexion sur un rseau 230V alternatif,
3300V : utilis en traction ferroviaire 1500V continu,
6500V : utilis en traction ferroviaire 3000V continu.
27
Les IGBT trouvent de trs vastes domaines d'application dans les branches les plus
diverses de l'lectronique et de l'industrie telles que la commutation de puissance dans les
secteurs civils et militaires, lalimentation pour courant lev, lappareillage mdical, le
contrle des moteurs en robotique, les amplificateurs de puissance HI-FI, les fours induction
magntique, les charges dynamiques de puissance, lalimentation dcoupage ou la soudure
lectrique l'arc.
3.2. Structure
Un module est constitu dun empilement complexe de couches de diffrents matriaux
qui doivent avoir une bonne stabilit mcanique, de bonnes proprits disolation et une
bonne conduction thermique [Ciappa, 02].

Les puces silicium IGBT et diode sont brases sur un substrat DBC (Direct Bonded
Copper) compos dun substrat cramique (Al
2
O
3
ou AlN) mtallis au cuivre sur chacune de
ces faces. Ce substrat est lui-mme bras sur une semelle de cuivre ou plus rcemment
dAlSiC. Les brasures utilises sont constitues dtain et dargent (SnAg). La connectique
entre ces puces et les pistes de cuivres du DBC est assure par les fils de bonding en
aluminium. Ces fils daluminium sont souds par ultrason sur les mtallisations aluminium
des puces. Le schma de la figure 7 reprsente cet assemblage de couches et le tableau 2
associ prcise la nature du matriau, son coefficient dexpansion thermique (CTE) et
lpaisseur de la couche utilise.

Fig 7. Structure de lIGBT
Couche Matire paisseur (m) CTE (ppm/C)
i Fil de bonding Al 300 22
h Mtallisation Al Quelques m 22
g Puce Si 250 3
f Brasure SnAg 100 20
e Cu 280 17
d Al
2
O
3
ou AlN 1000 7 ou 4
c
Substrat
mtallis
Cu 280 17
b Brasure SnAg 180 8
a Semelle Cu ou AlSiC 4000 17 ou 8
Table 2 Matriaux utiliss dans les modules IGBT [Ciappa, 02]
28
Les IGBT sont fabriqus avec des techniques similaires celles des circuits intgrs
(comme les MOSFET, mais contrairement aux GTO et thyristors de puissance). Ceci a pour
consquence que la taille de la puce est limite environ 1 cm
2
, alors qu'on sait faire des
diodes de 150 mm de diamtre (176 cm
2
).

Les IGBT de forte puissance sont donc des modules multi-puces, constitus de
nombreuses puces souvent montes en parallle et gnralement brases sur une semelle de
cuivre ou d'AlSiC travers laquelle on assure leur refroidissement. La plupart intgrent aussi
une diode anti-parallle (ou roue-libre), elle-mme multi-puces. Cette diode est en fait une
partie trs importante du module IGBT, car ses caractristiques (en particulier de
recouvrement) doivent tre compatibles avec l'IGBT lui-mme, ce qui n'est pas trivial. C'est
d'ailleurs une des premires applications se dvelopper pour les semi-conducteurs en
carbure de silicium.

Il est a noter qu'on ne trouve que des IGBT canal N. La structure complmentaire est
thoriquement possible, mais, comme pour les bipolaires et les MOSFET, les caractristiques
obtenues sont moins bonnes (pertes en commutation suprieures par exemple).
3.3. Les diffrentes technologies dIGBT
Il existe 3 types dIGBT :

Technologie Punch Through ( base non homogne),
Technologie Non Punch Through ( base homogne),
Technologie Trench Gate (grille enterre).
3.3.1. Technologie Punch Through ( base non homogne)
Elle est base sur lintroduction dune couche supplmentaire N
+
intercale entre le
substrat P
+
et lpitaxie N
-
qui en diminuant la quantit de charges stockes dans la base
permet de casser la pente du champ lectrique. Grce cela, lpaisseur de la couche N
-

est diminue et du mme coup la chute de tension. Elle conduit galement rduire la dure
de vie des porteurs et ainsi le courant de tranage lors dun blocage au dpens dune sensibilit
en temprature [Lefebvre, 04].

Fig 8. Structure Punch Trough
29
3.3.2. Technologie Non Punch Through ( base homogne)
Cette technique vise limiter lefficacit dinjection des trous dans la base au moyen
dune couche P
+
trs fine en face arrire. Comme pour la PT, la quantit de charges stockes
dans la base est diminue et donc lamplitude de la queue de courant louverture est plus
faible quune structure classique. Cependant, cette technologie ne fait appel ni
limplantation ionique ni lirradiation comme pour la PT. Il en rsulte donc un meilleur
comportement haute temprature [Lefebvre, 04].

Fig 9. Structure Non Punch Through
3.3.3. Technologie Trench Gate (grille enterre)
Le canal N a une forme verticale dans cette structure contrairement la structure planar et
cela grce une nouvelle disposition de loxyde de grille (isolant inter couches) sous forme de
tranche verticale. Cela a pour effet de supprimer la rsistance intercellulaire et donc davoir
une densit de cellules plus importante [Iwamoto, 99] ; en dautres termes, mme surface de
silicium le choix peut se tourner soit vers une augmentation du calibre en courant pour une
mme chute de tension ou vers une diminution de la chute de tension pour un mme calibre en
courant. Il peut aussi tre choisi de rduire la surface du silicium. En pratique, cest
videmment un mlange de ces trois critres. Il est dmontr que cette technologie dIGBT est
la plus performante aussi bien au niveau des pertes par conduction quau niveau des pertes par
commutation [Iwamoto, 01].

Fig 10. Structure Trench
30
Dans cette tude, les modules IGBT utiliss sont de type Non Punch Trough, dvelopps
par la socit allemande Eupec, et dot dun calibre de 3,3 kV.
3.4. Procd de fabrication
Dans ce paragraphe nous verrons comment sont fabriqus les modules IGBT, depuis le
wafer jusquau module IGBT complet.
3.4.1. Formation des jonctions
Ces techniques sont mises en uvre sur les barreaux de silicium dop N
-
. Les couches N
et P sont obtenues par formation dune sous-couche qui prsentera le dopage appropri par
lintroduction des impurets de dopage dans le matriau de base.

Voici une liste des techniques de formation des sous-couches les plus utilises :

Lpitaxie, qui consiste soumettre la puce au flux dun compos gazeux du silicium
additionn dun compos gazeux de lagent dopant.
La diffusion, qui consiste porter une temprature de lordre de 1200C un tube de
quartz dans lequel se trouve le substrat doper ainsi que lagent dopant.
Limplantation ionique, qui consiste projeter sur la pastille de silicium un faisceau
dions de forte nergie (100KeV).

Les mmes techniques sont utilises pour raliser aussi bien des puces diode que des
puces IGBT.
3.4.2. Traitement des surfaces, prparation des connexions
Une fois les jonctions ralises, les puces diodes et IGBT doivent subir divers tapes avant
dtre encapsuls dans un botier.

Le contournage : ltat bloqu, le champ lectrique dans le volume de la puce peut
atteindre 10kV/mm. On risque donc dobserver une rupture dilectrique en surface
(contournement de la puce). Pour viter ceci il faut biseauter la tranche de la puce de silicium
de faon rpartir aussi uniformment que possible les quipotentiels autours des puces.

La passivation : cette opration consiste recouvrir les surfaces libres du composant
dune couche de dilectrique prsentant une grande rigidit dilectrique, une grande stabilit
vis--vis des contraintes lectriques, thermiques et mcaniques et assurer une bonne
protection du silicium contre la pollution extrieure.

La mtallisation : la prise de contact sur une pastille de silicium ncessite une
mtallisation des zones concernes. Un choix judicieux du mtal utilis permet dattnuer
leffet Schottky, c'est dire la perturbation rsultant de la prsence d'un champ lectrique
linterface entre le mtal et le semi-conducteur due la diffrence entre le niveau de Fermi
(nergie maximale des tats occups par les lectrons au zro absolu) du semi-conducteur et
la bande de valence du mtal en contact, limitant le passage du porteur de charges.
31
Les techniques de mtallisation les plus utiliss sont :

Dpt daluminium ou de nickel par vaporation sous vide,
Dpt chimique dor,
Technique de frittage consistant presser le mtal contre le silicium, sous une
temprature infrieure la temprature de fusion du mtal, de faon crer une
pntration de ce mtal dans le silicium.

Ce choix de mtal dpend du type de prise de contact et dencapsulation des puces.

La connexion : dans le cas dune encapsulation de type module de puissance (puces
siliciums brases sur un substrat isolant) les techniques de prise de contact sont les suivantes :

Le soudage de fil daluminium ou dor par thermocompression ultrasonique
(bonding) sur un dpt du mme mtal. Cest ce type de connexion qui est utilis
dans les modules servant notre tude. La figure 11 prsente ce genre de connexion.

Fig 11. Connexion de type bonding sur un puce silicium

Le brasage dit tendre , ralis sur une pice de contact, gnralement en cuivre,
avec un matriau basse temprature de fusion (entre 180C et 300C) comme par
exemple ltain-plomb ou le plomb-indium-argent.

Lencapsulation : afin de pouvoir tre facilement intgres dans un quipement les puces
IGBT et diode formant un interrupteur sont places dans un botier rempli de gel dilectrique.

La figure 12 prsente le botier final dans le cas dune utilisation de type bras
donduleur .

Fig 12. Module IGBT 3300V 1200A EUPEC
32
3.5. Principe de fonctionnement
Pour expliquer le fonctionnement dune puce IGBT, nous commencerons par illustrer le
principe du semi conducteur (passage du courant dans une jonction PN) par le biais de la
diode.
3.5.1. Fonctionnement dune diode
La diode est un composant passif qui fait partie de la famille des semi-conducteurs, il en
constitue dailleurs le plus simple lment.

Une diode de puissance de type PIN est un barreau de silicium dop N sur une face (les
lectrons sont les porteurs majoritaires et les trous sont les porteurs minoritaires) et P
+
sur
lautre face (inversement, les lectrons sont les porteurs minoritaires et les trous sont les
porteurs majoritaires). Pour assurer le contact lectrique, ce barreau est mtallis sur ses deux
faces. De manire tenir une tension importante ltat bloqu, la couche infrieure est
compose dune rgion N
-
faiblement dope et de forte paisseur et dune rgion N
+
.

Fig 13. Structure dune diode PIN
Leffet de semi-conducteur sobtient par le dplacement dlectrons, ces derniers
changeant datomes grce une addition dimpurets (dopage) lors de sa fabrication.

La diode suivant son sens par rapport un courant lectrique se prsente sous deux
aspects : direct et inverse.

Direct : On appelle sens direct ou encore sens passant, celui qui laisse passer le
courant (figure 14), un seuil de 0,65V est atteint lorsque la diode est passante, (1,5V
pour une LED). Le courant traversera la diode de lanode vers la cathode (anneau de
reprage).
Inverse : A contrario, le sens inverse bloquera le passage du courant (figure 15), on
dit alors que la diode est bloque. Il faudra veiller ne jamais dpasser la tension
maximale admissible en inverse, sous peine de claquage de la jonction.

33

Fig 14. Diode polarise en direct

Fig 15. Diode polarise en inverse
3.5.2. Fonctionnement dun IGBT
LIGBT se constitue de quatre couches semi-conductrices diffrentes (P+, N-, P+, N+)
cres sur le mme cristal de silicium. Ce transistor associe les deux technologies vues
prcdemment (MOSFET et Bipolaire) afin dobtenir leurs avantages tout en rduisant leurs
inconvnients.

Il est possible, partir de la structure interne dun IGBT, dextraire un schma quivalent
[Baliga, 87]. Celui-ci fait apparatre un transistor MOS canal N, deux transistors bipolaires
NPN et PNP et une rsistance entre les couches N
+
et P
+
ainsi quune rsistance de
modulation (R
mod
) relative au comportement de la couche faiblement dope N
-
. Une
simplification de ce modle est alors possible en supprimant la rsistance entre la zone N
+
et
P
+
, et le transistor parasite N
+
P
+
N
-
. Cette dernire simplification se justifie par le fait que de
nombreuses tudes sur la structure de lIGBT ont permis de diminuer linfluence de ce
transistor, limitant donc le risque de latch-up (amorage du thyristor constitu des jonctions
N
+
P
+
N
-
P
+
) [Vallon, 03]. Le schma quivalent se ramne donc un Darlington MOSFET-
Bipolaire PNP avec une rsistance modulable R
mod
qui doit tenir la tension ltat bloqu et
avoir une faible valeur ltat passant. Ceci implique que la couche N (ou rgion de base)
doit tre faiblement dope, paisse et associe une zone dinjection P+ pour rduire la chute
de tension ltat passant.

Fig 16. LIGBT : structure (a) et schma quivalent (b)
Nous allons maintenant nous intresser aux 2 phases de fonctionnement dun IGBT
savoir lamorage et le blocage.
34
3.5.2.1. Amorage dun IGBT
En appliquant une tension positive entre la grille et lmetteur, suprieur une certaine
tension de seuil (V
th
=5 7V), on cre un canal N dans la couche P+, entre les couches N+
(metteur de lIGBT) et N-. Ce canal se cre par effet MOS. Le transistor MOS du schma
quivalent devient conducteur et un flux dlectrons est inject dans la couche N
-
. Ce flux
dlectrons stimule la jonction N
-
P
+
en diminuant la taille de la zone de charge despace au
niveau de cette jonction. Cet abaissement de la barrire de potentiel permet le passage des
trous de la rgion P
+
vers la rgion N
-
(ainsi que celui des lectrons dans le sens oppos). La
couche N
-
se trouve donc en forte injection de trous.

La double injection de trous et dlectrons en quantit voisine permet de moduler la
rsistivit de la rgion de base du transistor PNP. Cette modulation entrane la diminution du
champ lectrique dans cette rgion, champ initialement intense d ltat bloqu du
transistor.

Cela permet davoir une faible chute de tension aux bornes de lIGBT, ltat passant.
Les trous transitant dans la rgion de base sont aspirs par la jonction N
-
P
+
polarise en
inverse, ce qui constitue le courant du PNP. Le courant conduit dans le transistor est donc issu
dun flux dlectrons d la partie MOS et dun flux de trous d la partie bipolaire.

Fig 17. Etat passant de lIGBT
3.5.2.2. Blocage dun IGBT
Une fois le transistor passant, si on applique une tension nulle ou ngative entre la grille et
lmetteur, le canal N form dans la rgion P+ se referme trs rapidement (effet MOS) et donc
le flux dlectrons inject dans la base du bipolaire PNP est stopp suite cette fermeture, la
rgion de base du bipolaire se retrouve en lair avec une quantit de charges stockes
importante.

Ces charges stockes agissent toujours sur la base N
-
et donc maintiennent le PNP en
conduction. Pour que le transistor IGBT se bloque, il faut annuler la quantit de charges
stockes dans la rgion de base. Cette annulation peut se faire par recombinaison naturelle des
porteurs dans la zone N
-
(dpendante de la dure de vie de ces dits porteurs dans cette zone et
35
de la quantit de charges initialement prsente) et par vacuation de charges via la jonction
P
+
N
-
.

Fig 18. Etat bloqu de lIGBT
Le fonctionnement en commutation dune puce IGBT ayant t prsent, nous nous
intresserons maintenant aux principaux modes de dgradation visibles dans les modules
IGBT utiliss dans les applications de forte puissance telles que le domaine ferroviaires.
3.6. Les mcanismes de dgradation et modes de dfaillance des modules
IGBT
Les modules IGBT utilis en traction ferroviaire tels que les botiers 3,3 kV que nous
utilisons pour notre tude sont sujets diffrents mcanismes de dgradation. Ils reprsentent
les consquences du dpassement de laire de scurit qui leur est associe et qui sera
prsente au paragraphe suivant ou des phnomnes de vieillissement dus au stress engendrs
par les commutations et notamment les phnomnes de surtension et de vitesse de
commutation trop importantes.
3.6.1. Le cyclage thermique
Pour les composants de moyenne et forte puissance utiliss en traction (entranement
ferroviaire, vhicule lectriques,), le cyclage thermique est la principale cause de
dfaillance.

Ces cyclages thermiques rsultent de lapplication de cycles de marche et darrt et des
variations de frquence du signal envoy aux modules. Ces variations de tempratures
internes du modules, couples aux disparits au niveau des coefficients de dilatation
thermique (CTE) et des paisseurs entre les couches en contact engendrent des contraintes de
cisaillement aux interfaces.

En ce qui concerne les diffrences de CTE, les carts les plus important se situent entre
laluminium des fils de bonding et le silicium de la puce, entre le substrat et la semelle (en
particulier le couplage Al
2
O
3
et cuivre) et entre la puce silicium et le substrat cramique (en
particulier avec un substrat en Al
2
O
3
).
36
3.6.1.1. La fatigue des fils de bonding
Un module IGBT de forte puissance contient plus de 800 bonding dont la moiti est
utilise dans la zone active des semi-conducteurs. Ces fils sont exposs aux lvations de
temprature provoques la fois par la dissipation de la puissance travers le silicium et
galement par son propre chauffement ohmique. Un fil de bonding fait entre 300 500 m
de diamtre. Il est constitu daluminium auquel sajoute quelques composants tels que le
magnsium, le nickel ou le silicium afin de le rendre plus solide et moins sensible la
corrosion.

La capacit du fil de bonding faire circuler un courant est inversement proportionnel sa
longueur alors quelle ne dpend que peu de la temprature du substrat. En conditions
normales, le courant parcouru par un fil de bonding nexcde pas 10 A et la dissipation de
puissance se situe entre 100 et 400 mW suivant le diamtre du fil.
3.6.1.1.1. Dcollement des fils de bonding
Ce phnomne affecte les fils de bonding prsents sur les puces IGBT et diode. Le
dcollement des fils de bonding est d lapparition de microfissures entre lextrmit du fil
et la mtallisation sur laquelle il est soud. Ce phnomne arrive aprs plusieurs cycles de
croissance et dcroissance de la temprature qui engendre des efforts mcaniques sur la
soudure du bonding. Les simulations par lments finis de [Ramminger, 98] permettent de
dterminer lamplitude des ces efforts et ainsi le nombre de cycles admissibles avant
dcollement. La figure 20 illustre ce phnomne :

Fig 19. Dcollement dun fil de bonding [Ciappa, 02]
Des techniques permettent galement de mesurer leffet de ce dcollement, par exemple la
mesure de la chute de tension de la puce ltat passant [Farokhzad, 96], et ainsi donner une
indication sur la fiabilit du module vis--vis de ce mode de dfaillance.

Aujourdhui, deux techniques permettent de contrer ce problme. La premire solution
consiste ajouter une fine couche de molybdne-aluminium sur la puce IGBT et la diode.
Ceci permet de rpartir la diffrence de CTE prsente entre laluminium et le silicium
travers cette fine couche [Hamidi, 99]. La seconde mthode consiste en une simple action
corrective. En effet, lapplication dun enrobage polymre (coating) juste aprs la soudure des
fils par ultrason permet une meilleure solidit et ainsi, vite le dcollement des fils. En
revanche, des solutions comme le refroidissement direct de la puce se sont rvles peu
convaincantes [Ciappa, 02].
37
3.6.1.1.2. Fissuration des fils de bonding
Les fissurations de fils de bonding arrivent peu sur les modules rcents mais peuvent
cependant apparatre aprs de longs tests dendurance en particulier dans le cas o le process
(soudure par ultrason) nest pas optimis. Ce phnomne est d la fatigue en flexion
engendre par les cycles de temprature. Pour le cas classique dun fils de 1 cm subissant des
diffrences de temprature de 50C, le dplacement de la boucle est de 10 m ce qui
provoque une variation dangle entre le fil et la mtallisation denviron 0,05. A cette
contrainte sajoute le dplacement rapide du fil (par exemple lors de lamorage de lIGBT)
dans le gel silicone considr comme un fluide visqueux. La figure 21 illustre ce phnomne :

Fig 20. Fissuration au pied dun fil de bonding [Ciappa, 02]
Certains modles permettant de calculer le nombre de cycles admissibles avant la
fissuration du pied de bonding. Nous pouvons citer ici les modles de Shafft [Ciappa, 02]
[Schafft, 72] et un autre modle bas sur le calcul de la contrainte mcanique gnre lors du
cyclage sur le bonding [Mehrotra, 99].

n
f f
A N = (1.1)

Avec A et n constantes pour un matriaux donn, dans la littrature [Garry, 90], on trouve
frquemment des valeurs respectives pour A et n de 3,9.10
-10
et -5,13 dans le cas des
application en microlectronique de fils de bonding en aluminium dont le diamtre est
infrieur 100m.
f
est leffort dans le fil calcul par la relation suivante :

|
|
\
|

= 1
)) 1 )( cos((cos
0
0
0

T ar r
f
(1.2)

Avec :
la diffrence de CTE entre laluminium et le silicium,

0
,
0
et r sont des paramtres gomtriques dfinies sur la figure 22.

38

Fig 21. Dfinition des paramtres de bonding pour le modle de dure de vie
Un autre modle bas sur le calcul de la contrainte mcanique gnre lors du cyclage sur
le bonding [Mehrotra, 99] permet de calculer ce nombre de cycles.
3.6.1.2. Dformation des mtallisations en surface des puces
Lors des cyclages thermiques, la couche de mtallisation situe la surface de la puce
silicium subie des efforts de traction et compression. Ces efforts sont causs par la diffrence
de CTE entre laluminium de la mtallisation et le silicium de la puce. Les contraintes
engendres dpassent la limite lastique admissible par le contact mtallisation/silicium. Au
moment de la relaxation du phnomne, on peut alors assister au fluage de la mtallisation, au
glissement des grains au niveau du contact ou la dislocation de la mtallisation.

Lapparition de ces diffrents phnomnes dpend de la temprature des puces. En
fonction de la texture de la mtallisation, ce phnomne engendre lextrusion ou la cavitation
des grains daluminium au niveau de la mtallisation. La figure 23 illustre ce phnomne :

Fig 22. Dformation de la surface dune mtallisation [Ciappa, 02]
La dformation des mtallisations aluminium en surface des puces a pour consquence de
rduire la section effective de la mtallisation et de faire augmenter sa rsistance. Ceci
contribue lvolution linaire du V
CE
en fonction du nombre de cycles observs pendant les
tests de cyclage actif [Ciappa, 02]. Ces dformations sont plus videntes sur les mtallisations
situes au centre de la puce, o la variation de temprature est maximale. En revanche on peut
montrer par thermographie infrarouge [Ciappa, 96] que les zones priphriques des puces ne
sont pas soumises ce phnomne, la temprature de jonction maximale ne dpassant pas
110C.
39
3.6.1.3. Cassures au niveau des substrats et des puces
La cramique des substrats isolant et le silicium des puces sont les matriaux les plus
cassant utiliss dans la conception des modules IGBT. Les microfissures prsentes dans ces
matriaux peuvent crotre, par effet du cyclage thermique et des contraintes engendres,
jusqu la rupture. La figure 24 montre une fissure dans un substrat :

Fig 23. Rupture du substrat dun module IGBT [Ciappa, 02]
Un substrat cramique fissur nassurera plus sa fonction dilectrique et peut provoquer la
mise en court-circuit de la puce. La rupture dune puce quant elle peut tre cause par un
dommage initial induit par la soudure par ultrason des fils de bonding.
3.6.1.4. Fatigue des brasures, dlaminage des puces et du substrat
Le vieillissement et le dlaminage des brasures constituent le mode de dfaillance le plus
courant pour les modules IGBT de puissance soumis du cyclage thermique.Les brasures les
plus frquemment rencontres dans les modules IGBT sont constitues dun alliage tain-
argent ou tain-plomb. Lorsque le cuivre est bras avec un mlange tain-plomb, une raction
a lieu et forme une fine couche de Cu
5
Sn
6
prs de la semelle cuivre. Durant la solidification,
deux couches se forment, lune dtain et lautre de cuivre. Cette couche de cuivre est trs
friable et lors des cyclages thermomcaniques il y a un risque de dlaminage. Dautre part, les
cavits prsentes dans la brasure augmentent le pic de temprature et ainsi acclrent les
phnomnes de dfaillance tel que le dcollement des bondings ou le dlaminage de la
brasure. La figure 25 montre le dlaminage dune puce silicium :

Fig 24. Dlaminage dune puce IGBT [Ciappa, 02]
40
Le dlaminage du substrat commence au bord de la brasure, o le cisaillement est
maximal, et se propage vers le centre de la brasure.

Le nombre de cycles admissible par une brasure avant dlaminage est donn par la loi de
Coffin-Mansson [Ciappa, 02].

c
f
T L
N
1
5 , 0
|
|
\
|
=

(1.3)

Avec :
f
N , le nombre de cycles avant la dfaillance,
L , la dimension latrale de la brasure,
, la diffrence de CTE entre les faces suprieures et infrieures,
T , la chute de temprature,
, paisseur de la brasure,
, facteur de ductilit de la brasure,
c, constante ; pour une brasure In70% Pb30%, Sn40% Pb60% ou Sn10% Pb90%, cette
constante vaut c=-0,49 [Ciappa, 94] [Tech, 90].

Il existe plusieurs moyens pour dterminer ltat de fatigue des brasures : lutilisation de
la microscopie acoustique permet de voir les cavits [Herr, 97], la mesure de la rsistance
thermique du module ou encore les test de type effort de dcollement du substrat (DIN
41850) [Mitic, 99].
3.6.2. La corrosion
Dans un module IGBT, le phnomne de corrosion touche principalement les fils de
bonding. Lorsque laluminium pur de ces fils se trouve en contact avec loxygne de
latmosphre, une couche dAl
2
O
3
se forme ce qui provoque la passivation du mtal. Cette
passivation sopre galement en prsence deau pure. Loxyde daluminium se transforme
alors en une couche trs soluble dhydroxyde daluminium (Al(OH)
3
). En prsence dune
autre solution, cet hydroxyde daluminium est dissous par des acides forts (par exemple acide
hydrochlorique) et des bases fortes (par exemple hydroxyde de potassium). En prsence dun
lectrolyte, laluminium est corrod [Ciappa, 02]. La figure 26 est un exemple de
consquence de la corrosion sur le pied dun fil de bonding.

Fig 25. Rupture dun bonding due la corrosion [Ciappa, 02]
41
Limmunit de laluminium dpend la fois du pH de llectrolyte et de la tension
applique cet lectrolyte [Vallon, 03]. La corrosion touche lanode et la cathode du
composant. La corrosion anodique se produit en prsence dhalognure (chlorure et bromure)
issue des rsidus laisss par les processus de fabrication de ces modules, en particulier lors de
ltape permettant daugmenter la mouillabilit des surfaces des puces avant soudure. En
effet, de lhalognure est utilise pour augmenter cette mouillabilit. La corrosion cathodique
affecte les composants utilisant des verres phosphosilicate comme passivation ou en tant que
couche isolante. En effet, le phosphore sert de dopant aux puces. Si ce phosphore excde 5%,
il peut alors tre transform en acide phosphorique et corroder les mtallisations [Vallon, 03].
La corrosion des fils de bonding est fortement corrle au stress mcanique d aux cyclages
thermomcaniques ou aux dformation rsiduelles dans le fil. [Ciappa, 02]
3.6.3. Llectromigration
Llectromigration est un phnomne observ sur les composant de microlectronique.
Cependant, [Vallon, 03] fait remarquer quen lectronique de puissance, toutes les conditions
sont runies pour voir apparatre ce phnomne. Llectromigration est le dplacement
d'atomes, dans un conducteur, sous l'effet du passage d'un courant lectrique. Ce phnomne
est connu dans le cas des circuits intgrs lorsque la densit de courant est suprieure
0,5.10
6
A/cm. Lorsquun courant traverse un conducteur, une certaine quantit de
mouvement des lectrons est transfre aux atomes du conducteur provoquant un dplacement
de ces atomes dans la direction du flux dlectrons [Jensen, 95]. Latome se dplaant cre
alors un vide qui peut se dvelopper et donner naissance une craquelure entranant une
augmentation de la rsistance de la mtallisation. La quantit daluminium tant conserve, la
prsence dun vide un endroit implique la prsence dune accumulation datomes
daluminium ailleurs. Ces accumulations peuvent crer des contacts entre les mtallisations
ou causer la rupture dun dilectrique.

Un autre type dlectromigration concerne la puce silicium et les mtallisations aluminium
dont elle est dote. Des atomes daluminium migrent dans le silicium et crent des spikes
daluminium qui se dveloppent de plus en plus profondment dans le silicium jusqu former
un court circuit. On peut galement assister une rupture de la mtallisation due la
migration des atomes daluminium. Lapplication de barrires de diffusion en Tungstne
freine lvolution de ce phnomne.
3.6.4. Les dcharges partielles
Les dcharges partielles concernent tous les matriaux isolants soumis un champ
lectrique et contenant des inclusions gazeuses. Dans le cas du module IGBT, les dcharges
partielles concernent le substrat cramique. On parle de dcharge partielle lorsque des micro-
dcharges ont lieu dans les inclusions, le gaz contenu dans ces inclusions ayant une rigidit
dilectrique infrieure celle dun matriau isolant [Petraca, 99]. Ce phnomne participe la
dgradation locale du dilectrique et lagrandissement de ces inclusions gazeuses qui
peuvent long terme perforer lisolant. La norme [IEC270, 81] prsente les techniques
normalises de mesure de ces dcharges. De plus [Breit, 02] propose dans sa thse une
technique de mesure tension plus faible par application dune tension sinusodale. Pour
parer ce phnomne, le fabricant allemand dIGBT Eupec, utilise de lAlN en lieu et place
de l Al
2
O
3
, depuis 1996 [Schtze, 98].
42
3.6.5. Le rayonnement cosmique
Le rayonnement cosmique est le flux de particules hautement nergtique (plusieurs
Krad), issue de lespace et du soleil, reues quotidiennement sur Terre. Les aurores borales
au niveau des ples sont la plus belle illustration de ce phnomne. Sur les composants
lectriques tel que les modules IGBT, ce rayonnement gnre des charges par collision dans
les oxydes de grille et dans le corps du composant. La consquence de la prsence de cette
nouvelle charge est dabaisser la tension seuil du composant ce qui le rend plus sensible aux
perturbations. Lindicateur dune dgradation des puces est une augmentation du courant de
fuite de ces puces ltat bloqu [Vallon, 03]. La collecte dinformation concernant ce mode
de dfaillance est trs longue. Il existe cependant des techniques pour acclrer ce phnomne
comme par exemple le bombardement des composant avec un canon neutron (800 MeV) ou
les essais haute altitude pour augmenter le flux de particules reue [Findeisen, 98].
3.6.6. Le vieillissement des oxydes de grille
Loxyde de grille est la partie isolante situe entre la mtallisation de la commande (la
grille) et le silicium. Loxyde de grille est le sige de deux causes de dfaillance, lune
concerne les interfaces silicium/oxyde et oxyde/mtallisation ; et lautre touche la couche
doxyde elle-mme.
3.6.6.1. Effet aux interfaces
Les avances technologiques actuelles ont permis de diminuer lpaisseur de cette couche
(quelques dizaines de nanomtres sur les IGBT actuels). En revanche la tension
dalimentation est quant elle reste la mme, ce qui engendre une augmentation des champs
lectriques appliqus ces oxydes qui atteignent aujourdhui 2 MV/cm. Ce champ lectrique
participe linjection de charge travers les interfaces silicium/oxyde et oxyde/mtallisation.
Les deux mcanismes physiques dinjection de charges sont linjection thermolectronique
(Shottkey) et leffet tunnel (Fowler-Nordheim) [Vallon, 03]. Le rsultat de cette injection est
une dgradation des performances du composant, se traduisant par une augmentation de la
tension de seuil et une diminution du gain du transistor [Jensen, 95].
3.6.6.2. Dgradation de loxyde de grille
La physique lie au vieillissement des oxydes de grille est trs complexe. On peut dire
dune manire gnrale que ce vieillissement se traduit par linsertion de dfauts dans la
couche doxyde. La dfaillance dun oxyde se traduisant par un fort courant local traversant la
couche et formant un court-circuit.
3.6.7. Rcapitulatif des mcanismes de dgradation
Le tableau 3 rsume ces diffrents mcanismes de dgradations et prsente pour chacune
de ces causes, les consquences, modes de dfaillance et indicateurs associs [Vallon, 03].

43
Causes
Consquences
physiques
Consquences
lectriques/thermiques
Mode de
dfaillance
Indicateur
Cyclage
thermique
Dcollement des
bondings
Dgradations des
bondings
Dgradation des
mtallisations
Fissures des puces et
des substrats
Dlaminage des
brasures
Augmentation locale de
la temprature.
Augmentation du
Vcesat et de la
rsistance thermique
jonction/botier.
Puces en
circuit ouvert
ou en court
circuit selon
le mode de
dgradation.
Chute de tension,
Rsistance
thermique
jonction/semelle
Corrosion
Attaque chimique des
bondings et des
mtallisations.
Dconnexion des
faisceaux de bonding.
Puce en
circuit
ouvert.
Chute de tension.
Electro-
migration
Infiltration
daluminium dans les
puces silicium.
Diminution de la
rsistance de contact
Si/mtallisation.
Puce en
court- circuit.
Courant de fuite.
Dcharges
partielles
Agrandissement des
microcavits dans le
substrat isolant,
cration dun canal
conducteur dans le
substrat.
Pertes disolation entre
collecteur et radiateur
pour une puce.
Court-circuit.
Puce en
court- circuit.
Mesures
spcifiques
(quantit de
charges lors des
dcharges)
Rayonne-
ment
cosmique
Gnration de
charges dans les
oxydes de grille.
Dgradation physique
des puces silicium.
Rupture dilectrique de
loxyde de grille.
Court-circuit de la
puce.
Commande
en court
circuit.
Puce en
court-circuit.
Tension de seuil.
Courant de fuite.
Vieillisse-
ment de
loxyde
Injection et pigeage
de charges dans
loxyde.
Dgradation de la
qualit de loxyde.
Rupture dilectrique de
loxyde de grille.
Commande
en court-
circuit.
Puce en
court-circuit.
Tension de seuil.
Table 3 Rcapitulatif des mcanismes de dgradation
Aux mcanismes de dgradation associs lutilisation des modules, sajoute les limites
de fonctionnement que nous allons maintenant dtailler.
3.7. Contraintes limites
Dans le champ des contraintes que lon peut appliquer aux composants de puissance, il
existe une frontire entre rgime de fonctionnement normal et rgime extrme. Cette frontire
est dfinie par les contraintes limites applicables au composant [Vallon, 03].

Ces contraintes limites peuvent tre lies au packaging ou aux puces semi-conductrices
(IGBT et diode).

En ce qui concerne le packaging, ces limites sont dordre :

44
Thermique : en effet lassemblage dun module IGBT (bonding / puces / brasures /
substrat / semelle) est trs sensible au cyclage thermique. La dure de vie de cet
assemblage dpend de lamplitude de ce cyclage.
Electrique : les puces tant soumises des potentiels levs, il est ncessaire davoir
une bonne isolation entre les puces ainsi quentre ces puces et lenvironnement
extrieur. Le substrat AlN ainsi que le gel silicone joue ce rle ; cependant une
tension trop importante peut provoquer un dfaut disolement.
Environnementale : le botier du composant protge les puces contre les agressions
lies lenvironnement du module (humidit, attaques chimiques). Un
environnement trop svre peut altrer le fonctionnement du composant (corrosion).

Il y a ensuite les contraintes lectriques limites applicables aux puces semi-conductrices.
Ces limites forment la frontire entre le rgime de fonctionnement normal et les diffrents
rgimes extrmes.

Les passages entre le rgime normal et les rgimes extrmes peuvent tre de deux types :

Contraintes statiques trop importantes (tension ltat bloqu, courant ltat
passant, temprature des puces),
Contraintes dynamiques trop leves (vitesses de commutation lamorage et au
blocage).

Ces contraintes trop leves appliques une puce peuvent provenir soit de lextrieur de
la cellule de commutation (surtension sur le bus continu) soit de la cellule en elle-mme
(court-circuit au sein de la cellule,).

Nous allons maintenant lister les diffrents rgimes extrmes que peuvent subir les puces
diodes et IGBT au sein dune cellule de commutation.
3.7.1. Limites thermiques locales
La temprature critique en fonctionnement normal peut tre dfinie comme une des quatre
tempratures ci-dessous :

La valeur spcifie par les constructeurs de modules IGBT est gale 125C en
fonctionnement continu et 150C en rgime de surcharge de courte dure.
La temprature de fusion des brasures se situe entre 180C et 200C. Elle dpend du
mlange tain-plomb utilis. [Thebaud, 00]
La temprature intrinsque du silicium non trait se situe entre 200C et 300C.
Cette temprature dpend de la quantit de dopant [Duong, 97] en particulier de la
base. La rgle couramment admise est que la limite en temprature est atteinte
lorsque le nombre dlectrons intrinsque est gal au nombre de porteurs li au
dopage [Baliga, 87]. A titre dexemple, nous pouvons cit les botiers IGBT 3300 V
tels que ceux utilis dans cette tude, disposant dun dopage ni=2.10
13
/cm
3
et dont la
temprature limite de fonctionnement se situe 149C. Au-del de cette
temprature, les proprits du silicium sont considrablement dgrades. La
rsistivit de la puce dcrot trs rapidement ce qui gnre un chauffement fatal
pour le module IGBT.
45
La temprature de fusion des mtallisations se situe 600C pour les mtallisations
en aluminium.

La premire temprature cite ci-dessus ne prsente pas une limite en soi. Il est en effet
possible de faire fonctionner certaines puces IGBT une temprature moyenne de 150C
[Vallon, 03]. La deuxime temprature peut, quant elle, tre considre comme tant une
limite de mme que la troisime ne pas dpasser sous peine de perte de contrle du
composant. De plus les limites physiques des composant sont modifies haute temprature
[Wondrak, 99].
3.7.2. Avalanche lectronique
Lorsque le champ lectrique est lev (>10
5
V/cm), les porteurs libres peuvent acqurir,
entre collisions successives sur le rseau cristallin, une nergie cintique suffisante pour briser
une liaison de covalence, cest--dire pour crer une paire lectron-trou. Les porteurs ainsi
gnrs peuvent leur tour provoquer la cration dautres paires en un processus davalanche
[Leturcq, 99].

Ce phnomne qualifi davalanche lectronique se traduit par une augmentation brutale
du courant inverse. Au-del dun certain seuil, le processus est autonome et entrane le
claquage de la puce. Si le courant davalanche nest pas matris, lnergie dissipe au sein du
composant peut devenir trs importante, entranant sa destruction par dpassement de la
temprature de fusion du silicium [Vallon, 03].

La tension de claquage par avalanche lectronique dans le silicium reprsente une limite
ne pas atteindre, en statique comme en dynamique. Cette valeur dpend de la quantit de
dopant, de la temprature et est rarement atteinte. Elle correspond une valeur idale pour
une jonction semi-infinie. La tenue en tension de la terminaison de jonction peut faire chuter
cette valeur de 10 20 % selon la technologie choisie (terminaison plane diffuse, anneau
flottant, puce biseaute) [Baliga, 87].
3.7.3. Retournement ou latch-up
Le latch up est li la formation d'une structure NPNP parasite rsultant de la proximit
de deux transistors bipolaires (rels ou parasites) l'un NPN l'autre PNP.

Le retournement dit statique se produit lorsque ce transistor parasite intrinsque lIGBT
entre en conduction. Cette mise en conduction est due un fort courant parcourant la
rsistance parasite de la couche P
+
prise entre les couches N
-
et N
+
. Dans ce cas la grille de
lIGBT ne peut plus bloquer le composant et ce dfaut irrversible provoque la destruction du
composant de puissance. Le latch-up est sensible la temprature par lintermdiaire de la
mobilit des trous de la couche P
+
. Sur les composants actuels, ce retournement se produit
lorsque lIGBT conduit de forts courants.

Le retournement dynamique se produit quant lui lorsque lIGBT est soumis un
transitoire de forte puissance correspondant la prsence simultane dun fort courant et
dune forte tension localiss dans la couche vitale du composant. Ce retournement peut se
produire lors de la commutation ou lors dun court-circuit. Le champ lectrique dans la rgion
46
de base N dpend du dopage et du nombre des porteurs qui y transite. Si la densit de courant
est importante (300A/cm), elle peut modifier la rpartition du camp lectrique
[Baudesson, 00]. Dune manire gnrale, la valeur de courant pour laquelle se produit le
latch-up dynamique est infrieure celle du latch-up statique [Baliga, 87].
3.7.4. Claquage de la grille
Une tension entre grille et metteur trop importante induit un champ lectrique important
dans loxyde de silicium. Au-del dune certaine valeur (100V en statique et 50V 20kHz) la
grille entre en avalanche lectronique entranant la destruction de loxyde et limpossibilit de
commander le composant. Avec un champ de rupture de 10
7
V/cm, et une paisseur de 100nm,
la tension de rupture est suprieure 100V. Pour une paisseur de 50nm, cette tension est
infrieure 50V [Baliga, 87].
3.7.5. Cas particulier de la diode
La limite de la diode en commutation est dfinie travers une aire de scurit appele
RRSOA (Reverse Recovery Safe Operating Area). Cette aire de scurit de la diode est
dfinie par les fournisseurs de module par rapport la puissance instantane dissipe lors de
la commutation.

Une dynamique trop importante sur le courant la fermeture de lIGBT peut causer la
dfaillance de la diode de roue libre au blocage. Ce phnomne est dautant plus important
que les diodes de puissance utilises dans les applications de type onduleur sont rapides. Ce
phnomne survient lorsque le courant de recouvrement est trop lev. La dynamique du
recouvrement est alors augmente ce qui gnre une surtension inverse aux bornes de la
diode. Le cas le plus critique est obtenu lorsque le recouvrement du courant seffectue
brutalement (snap off). La forte augmentation du di/dt entrane alors une trs forte surtension
aux bornes de linterrupteur pouvant provoquer la dfaillance (court-circuit) de la diode ou de
lIGBT en parallle.

Un autre mode de dfaut possible pour une diode de roue libre est sa mise en avalanche
dynamique. Ce phnomne apparat lorsque les conditions de fort courant, forte tension, haute
temprature et di/dt important sont runies [Shammas, 95].
3.7.6. Rsum des limites de fonctionnement
La figure 19 reprsente les diffrentes limites de fonctionnement et les risques associs
autour de laire de scurit appele RBSOA (Reverse Bias Safe Operating Area). En pratique,
cette aire de scurit est tablie par le fabricant et fournie dans la fiche technique du
composant.

47

Fig 26. Aire de scurit pour un composant de puissance
La tension maximale admissible U
max
correspond au calibre en tension des puces IGBT
inclues dans le module (1700V, 3300V, 6500V par exemple), la limite en courant I
max

quivaut gnralement au double du courant nominal, fourni par le fabricant dans la fiche
technique du composant. Le fournisseur garanti le respect de la RBSOA pas un essai au point
maximal sur 100% des pices. Cependant, la dtermination de cette aire est effectue dans des
conditions de fonctionnement ne correspondant pas forcment aux conditions que
rencontreront les modules lors de leur utilisation. On constate donc ici une premire zone de
flou concernant la notion de RBSOA pour les utilisateurs de modules IGBT.

Lautre zone floue qui concerne la RBSOA vient du fait que les marges comprises entre
cette aire de scurit et la casse du composant sont inconnues mme de faon qualitative et
variable dune famille de composant lautre.

Le retour dexprience sur les modules IGBT utiliss en traction tend montrer que les
dfaillances rencontres au sein de la chane de traction sont essentiellement dues des
problmes de robustesse en commutation des IGBT. De ce constat est n lide dinvestiguer
sur la notion daire de scurit des modules IGBT et dapprofondir la connaissance du
comportement de ces modules au sein de cette aire.

Lidal pour tout utilisateur de module IGBT est de connatre son comportement dans
lensemble de son aire de fonctionnement et jusqu la casse du composant en fonction de
lensemble des diffrents paramtres, lis lutilisation, qui influent sur le comportement des
modules. Cette connaissance permettrait au bureau dtudes de dfinir des rgles de
conception afin de rpondre plus prcisment aux demandes des clients et dassurer une
meilleure fiabilit de ses produits.

Aujourdhui, la validation des modules IGBT est effectue seulement aux points jugs les
plus critiques par les experts, le nombre dessais tant rdhibitoire si on veut couvrir
lensemble du domaine dutilisation du module IGBT. Ainsi, aucun outil ne permet de
connatre leffet de la variation dun facteur tel que la tension ou la temprature sur le
comportement des modules IGBT et dassurer, lors de lutilisation, le non franchissement des
limites de fonctionnement des modules IGBT. A fortiori, la prsence dinteractions entre
diffrents facteurs est totalement inconnue.

Pour tudier le comportement dun module IGBT, tenter doptimiser le positionnement de
son point de fonctionnement par rapport ses limites et mieux anticiper les distributions
statistiques des paramtres caractristiques de son fonctionnement, il est ncessaire
48
didentifier des performances cls qui prsentent un seuil de fonctionnement quil est
important de ne pas dpasser.

Il est admis que les modules IGBT sont plus tolrants en courant et que le stress du
composant est surtout d la tension commute [Azzopardi, 03]. Les performances sur
lesquelles notre attention se portera seront donc associes cette tension.

Un pic de tension, appel surtension, a lieu lors du blocage des IGBT. Cette surtension
gnre un champ lectrique responsable dun stress important sur le composant IGBT. De
plus, les fabricants des modules donnent une limite de vitesse de commutation au blocage,
appele dV/dt, ce qui laisse penser la prsence dun risque en cas de commutation trop
rapide. On sait notamment que la vitesse de commutation influe sur la dissipation, dans le
composant, du champ lectrique, gnrateur de stress lintrieur des puces semi-
conductrices. A lamorage du composant, le stress engendr par une vitesse de commutation
leve est ressenti par la diode anti-parallle, plus rsistante que lIGBT, ce qui rend le
phnomne moins dangereux pour le module.

Nous nous pencherons donc, dans ce travail, sur la surtension et la vitesse de commutation
ayant lieu au blocage de lIGBT.

Le respect de cette aire de scurit lors du fonctionnement des modules IGBT doit
permettre de ralentir les phnomnes de vieillissement qui se traduisent par les mcanismes de
dgradation dvelopps ci-aprs.

Aprs avoir prsent la structure, le fonctionnement, les mcanismes de dgradation et les
limites que prsentent les IGBT, nous consacrerons la dernire partie de ce chapitre la
modlisation de ces modules.
3.8. Modlisation des transistors IGBT
Il existe plusieurs familles de modles inspirs soit par une analyse de la physique du
semi-conducteur, soit par une observation comportementale. On peut dfinir cinq groupes
principaux :

Les modles mathmatiques ; ils sont bass sur lanalyse des principes physiques du
semi-conducteur. Les diffrences dune version lautre rsident essentiellement
dans les simplifications apportes en vue de rduire le temps de calcul. [Hefner, 94]
a dvelopp le premier modle unidimensionnel complet avec contrle de la charge
donnant lieu dexcellents rsultats en commutation dure (figure 27). Cependant les
simplification apportes lexpression de la conductivit de la base conduisent de
mauvais rsultats en commutation tension nulle ou a courant nul.

49

Fig 27. Circuit quivalent dun transistor IGBT selon A.R. Hefner [Hefner, 94]
Lexpression de la conductivit en rgime statique a t amliore par [Sheng, 96] en
considrant une analyse bidimensionnelle de la modulation de la base. Ce modle donne de
trs bons rsultats mais ncessite lextraction dune centaine de paramtres et sa gestion est
difficile.

Les modles semi mathmatiques ; ils combinent des modles existants avec des
quations bases sur la physique des semi-conducteurs. Ils sont en gnral composs
de modles de transistors MOSFET et bipolaires simples augments dun ou
plusieurs lments permettant une meilleure description de certains effets. Laccent
est en gnral donn vers une meilleure reprsentation des capacits non linaires
grille-emetteur et grille-collecteur du transistor MOSFET [Protiwa, 96] ou de la
queue de courant au dclenchement, comme dans le modle dvelopp par
[Musumeci, 96] pour le logiciel PSpice et dont le circuit quivalent est fourni en
figure 28.

Fig 28. Circuit quivalent dun transistor IGBT selon S. Musumeci [Musumeci, 96]
Les modles comportementaux ; des lments simples tels que des rsistances, des
sources de courants, et des capacits sont adapts partir dune base de donnes
contenant des valeurs de paramtres pour divers points de fonctionnement
50
[Tzou, 93] ou partir dextrapolation mathmatiques [Hsu, 96]. On remarquera que
linterrupteur idal fait partie de cette catgorie.

Les modles numriques ; les dopages sont reprsents en deux ou trois dimensions
et traits par un simulateur ddi utilisant les quations de base de la physique des
semi-conducteurs sur un certain nombre de nuds (lments finis).

Les modles semi numriques ; ils contiennent une reprsentation par lments finis
de la base alors que les autres parties de llments sont simul par dautres
mthodes.

Dans [Sheng, 00], on retrouve un tat de lart des modles dIGBT dvelopp entre 1985
et 1998, leur nature (mathmatique, semi-numrique), leur complexit, le simulateur utilis
et quelques commentaires associs.

Dans ce travail de recherche, nous souhaitons amliorer la connaissance du comportement
dynamique des modules IGBT dans leur aire de scurit. Nous voulons pour cela tablir des
modles comportementaux traduisant la surtension et la vitesse de commutation au blocage de
lIGBT, performances juges critiques pour le module.

Nayant pas suivi un parcours orient vers llectronique et a fortiori vers llectronique
de puissance, nous avons opt pour une mthode de modlisation base sur lexprimentation
et plus prcisment sur la mthode des plans dexpriences. Lapplication de cette mthode
permet dtablir des modles quadratiques qui, de lavis des experts IGBT dALSTOM
Transport, permettront de traduire correctement les performances tudies.

Lobjectif vis par ce travail est donc la mise en place de modles quadratiques de
surtension et de vitesse de commutation par application des mthodes de plans dexpriences.
4. Conclusion du chapitre I
Nous avons commenc ce premier chapitre en prsentant les deux principaux
reprsentants de la famille des transistors avant daborder lIGBT, Transistor Bipolaire
Grille Isole sur lequel porte notre tude. Le blocage de lIGBT est plus prcisment ce qui
nous intresse ici ainsi que les limites de fonctionnements dfinies par une aire de scurit
appele RBSOA (Reverse Bias Safe Operating Area).Outre les phnomnes rencontrs en cas
de dpassement de cette aire de scurit, les mcanismes de dgradation, rsultant du stress
subi par le module lors de son fonctionnement ont galement t rpertoris dans ce chapitre.
Enfin, les diffrentes natures de modle dIGBT existant ont t prsentes.

La problmatique de cette thse rside dans lamlioration de la connaissance du
comportement dun module IGBT utilis en traction ferroviaire au sein de son aire de scurit
(RBSOA). Cest sur cette aire de scurit que se base la conception des onduleurs de traction
fabriqus par Alstom Transport. Pour amliorer cette connaissance, nous chercherons tablir
des modles comportementaux de modules IGBT 3,3kV, utiliss en traction ferroviaire,
lintrieur de leur aire de scurit. Lobjectif recherch derrire le dveloppement de la
connaissance du comportement dynamique des modules rside dans lamlioration de leur
robustesse en commutation, cause principale des dfaillances observes sur les onduleurs.
51
Plus prcisment, ce sont la surtension et la vitesse de commutation au blocage de lIGBT
qui ont t choisies pour symboliser les performances du module prsentant un seuil critique
pouvant laffecter. Ces deux performances sont associes la tension, principal contributeur
du stress subi par le composant lors de son fonctionnement. Ce sont donc ces performances
que nous allons modliser.

Lhypothse retenue concernant ces modles est quune forme quadratique permettra de
traduire correctement ces performances. Lobtention de ces modles se fera par lapplication
des mthodes de plans dexpriences. Ces mthodes, pouvant tre dcrites comme un
ensemble raisonn dessais permettent, par lanalyse de rsultats dexprimentation, dobtenir
des modles polynomiaux du second degr. Les facteurs utiliss dans les modles seront ceux
jugs influent parmi les paramtres prsents lors de la conception de londuleur comme
prsent dans le deuxime chapitre ddi aux plans dexpriences utiliss pour les tudes de
criblage.
Rfrences du chapitre I
[Alosi, 01] J. Alosi, Les semiconducteurs de puissance De la physique du solide
aux applications, Ellipses, 2001.
[Azzopardi, 03] S. Azzopardi, E. Woirgard, J.-M. Vinassa, O. Briat, C. Zardini, IGBT
power modules thermal characterization: what is the optimum between a
low current - high voltage or a high current - low voltage test condition for
the same electrical power?, Microelectronics Reliability 43, p.1901-1906,
2003."
[Baliga, 84] B.J. Baliga, M.S. Adler, R.P. Love, P.V. Gray, M.S. Zommer, The
insulated gate transistor, a new three-terminal-MOS-controlled bipolar
power device, IEEE Trans. Electron. Devices, vol. 31, pp. 821-828, 1984.
[Baliga, 87] B.J. Baliga, Modern power devices, New York, John Wiley & Sons,
1987.
[Baudesson, 00] Philippe Baudesson, Sret de fonctionnement, reconfiguration et
marches degrades des onduleurs multiniveaux IGBT, thse de lINPT,
2000.
[Blot, 95] J. Blot, Les transistorsElments dintgration des circuits analogiques,
Dunod, 1995.
[Breit, 02] F. Breit, E. Dutarde, J. Saiz, T Lebey, D. Malec, S. Dinculescu,Partial
discharge detection in power modules, IEEE PESC, 2002.
[Cand, 86] M. Cand, E. Demoulin, J.-L. Laroy, D. Senn, Conception des circuits
intgrs MOS, Eyrolles & CNET-ENST, 1986.
[Carubelli, 03] S. Carubelli, Contribution lidentification et lestimation des
contraintes de fatigue thermique des convertisseurs intgrs pour la
traction lectrique, thse de lUHPN, 2003.
52
[Chatelain, 79] J.D. Chatelain, Dispositifs semiconducteurs, Dunod, 1979.
[Ciappa, 02] M. Ciappa, Selected failure mechanisms of modern power modules,
Microelectronics Reliability 42, p. 653-667, 2002.
[Ciappa, 94] M. Ciappa, Package reliability in microelectronics : a review,
Proceeding of International Workshop on Electronics and Detector
Cooling, WELDEC, Vol. 1, pp 133-149, 1994.
[Ciappa, 96] M. Ciappa, P. Malberti, Plastic Strain of aluminium interconnection
during pulsed operation of IGBT multichip modules, Qual. Reliab Eng Int,
Vol 12, pp. 297-303, 1996.
[Duong, 97] Viet-Son Duong, Etude de lintgration dune protection par fusible dans
les convertisseurs IGBT, Thse de lINPG, Grenoble, 1997.
[Farokhzad, 96] B. Farokhzad, P. Trkes, E. Wolfgang, K. Goser, Reliability indicator for
lift-off of bond wires in IGBT power modules, Microelectronics reliability,
Vol 36, N 11/12, pp. 1863-1866, 1996.
[Findeisen, 98] C. Findeisen, E. Herr, M. Schenkel, H.R. Zeller, Extrapolation of cosmic
ray induced failures from test to field conditions for IGBT modules,
ESREF 98: Copenhagen, Vol 38, N 6-8, pp. 1335-1339, 1998.
[Garry, 90] W.J. Garry, R.H. Seilh, T.A. Jennings, Reliability analysis/assessment of
advanced technologies, Final Technical report, 1990.
[Hamidi, 99] A. Hamidi, N. Beck, K. Thomas, E. Herr, Reliability and lifetime
evaluation of different wire bonding technologies for high power IGBT
modules, Microelectronics Reliability 39, pp.1153-1158, 1999.
[Hefner, 94] A.R. Hefner, An experimentally verified IGBT model implemented in the
Saber circuit simulator, IEEE transaction on Power Electronics, 1994.
[Herr, 97] E. Herr, T. Frey, R. Schlegel, A. Struck, R. Zehringer, Substrate-to-
substrate solder joint reliability in high power IGBT modules,
Microelectronics reliability, Vol 37, N 10/11, pp. 1719-1722, 1997.
[Hsu, 96] T.S. Hsu, Behavioural modeling of the IGBT using the Hammerstein
configuration, IEEE transaction on Power Electronics, 1996.
[IEC270, 81] Partial discharge measurements, Norme IEC, 1981.
[Iwamoto, 99] H. Iwamoto, M. Tabata, H. Takahashi, N. Wheeler, E. Thal, A new 1200V
PT IGBT Module using Trench Gate structure and Local Life Time
Control, EPE, Lausanne, 1999.
[Iwamoto, 01] H. Iwamoto, H. Kondo, Y. Yu, A. Kawakami, M. Nakaoka, Turn-off
behaviour of epitaxial planar and trench gate IGBTs and nonepitaxial
planar gate IGBT under hard and soft switchings IEE Proceedings
Electric Power Applications, vol. 148, N5, 2001.
53
[Jensen, 95] F. Jensen, Electronic component reliability, Wiley, 1995.
[Lefebvre, 04] S. Lefebvre, F. Miserey, Composants semi-conducteur pour
llectronique de puissance, Tech & Doc, 2004.
[Leturcq, 99] P. Leturcq, Physique des semi-conducteurs de puissance, proprits
lectroniques du silicium, Techniques de lingnieur, D 3102, 1999.
[Lilienfeld, 33] Brevet U.S. 1900018, 7 mars 1933.
[Mathieu, 01] H. Mathieu, Physique des semi-conducteurs et des composants
lectroniques, Dunod, 2001.
[Mehrotra, 99] Mehrotra, V.; Jun He; Dadkhah, M.S.; Rugg, K.; Shaw, M.C., Wirebond
reliability in IGBT-power modules: application of high resolution strain
and temperature mapping, Power Semiconductor Devices and ICs, 1999.
ISPSD '99. Proceedings., The 11th International Symposium, pp. 113
116, 1999.
[Mitic, 99] G. Mitic, R. Beinert, P. Klofac, H.J. Schultz, G. Lefranc, Reliability of
AlN substrates and their solder joints in IGBT power module,
Microelectronics reliability, Vol. 39, pp. 1159-1164, 1999.
[Musumeci, 96] S. Musumeci, PT-IGBT model with new parameters extraction for life-
time and Epy dependent behaviour simulation, 27th Annual IEEE Power
Electronics Specialists Conference, 1996.
[Petraca, 99] C. Petrarca, B. Cascone, L. Fratelli, M. Vitelli, Partial discharge
diagnostics on 3.3 kV, 1.2 kA IGBT modules, High Voltage Engineering,
Eleventh International Symposium on, Vol 4, pp. 324 327, 1999.
[Protiwa, 96] F.F. Protiwa, New IGBT model for PSpice, Electronics Letters, Vol 32
N 25, 1996.
[Ramminger, 98] S. Ramminger, P. Trkes and G. Wachutka, Crack mechanism in wire
bonding joints, Microelectronics Reliability, Volume 38, Issues 6-8, pp.
1301-1305, 1998.
[Russel, 95] J.P. Russel, The COMFET A new high conductance MOS-gated device,
IEEE Electronic Device Lett, vol. 38, N3, pp. 561-566, 1995.
[Schafft, 72] Schafft H., Testing and fabrication of wire bonds electrical connections
A comprehensive survey, National Bureau of Standards, Technical Note,
Vol. 726, pp. 106-109, 1972.
[Schtze, 98] T. Schtze, H. Berg, M. Hierholzer, Further improvement in the
reliability of IGBT module, IEEE IAS, 1998.
[Shammas, 95] N.Y.A. Shammas, Munaf Rahimo,P.T. Hoban, Effects of temperature,
forward current, and commutating di/dt on the reverse recovery behaviour
of fast power diodes, EPE95, Seville, Vol 1, pp. 1577-1582, 1995.
54
[Sheng, 96] K. Sheng, A new analytical IGBT model with Improved Electrical
Characteristics IEEE transaction on Power Electronics and Application,
1996.
[Sheng, 00] K. Sheng, B.W. Williams, S.J. Finney, A review of IGBT models, IEEE
Transactions on Power Electronics, Vol 15, Issue 6, pp 1250-1266, 2000.
[Thebaud, 00] J.-M. Thebaud, E. Woirgard, C. Zardini, K.-H. Sommer, Thermal fatigue
resistance evaluation of solder joints in IGBT power modules for traction
applications, PESC Record - IEEE Annual Power Electronics Specialists
Conference, pp. 1285 1290, 2000.
[Tzou, 93] J.T. Tzou, Practical Spice macro model for IGBT, IECON Proceeding,
1993.
[Vallon, 03] J. Vallon, Introduction ltude de l fiabilit des cellules de commutation
IGBT sous fortes contraintes, these de lINPT, 2003.
[Wondrak, 99] W. Wondrak, Physical limits and lifetime limitations of semi conductor
devices at high temperature, Microelectronic Reliability, Vol 39, issue 6-
7, pp.1113-1120, 1999.

Chapitre II : Les plans dexpriences, tude de criblage
55

Chapitre II :
Les plans dexpriences,
Etude de criblage
56

57
1. Introduction la mthode des plans dexpriences
Le premier chapitre de cette thse a permis de prsenter lIGBT, transistor sur lequel porte
ce travail de recherche. Lobjectif expos dans ce premier chapitre rside dans la modlisation
de deux performances ayant lieu lors du blocage dun IGBT utilis en traction ferroviaire. Ces
deux performances sont la surtension et la vitesse de commutation. Pour effectuer cette
modlisation nous avons opt pour une mthode empirique, celle des plans dexpriences. Les
second et troisime chapitres traiteront de cette mthode et prsenteront leur application
notre cas dtude.

La mthode des plans dexpriences (MPE) cherche dterminer une relation entre 2
types de grandeurs :

La rponse : qui correspond la grandeur physique tudie ;
Les facteurs : qui correspondent aux grandeurs physiques modifiables par
lexprimentateur et senses influer sur les variations de la rponse.

La construction dun plan dexpriences consiste extraire du domaine exprimental, un
nombre suffisant N de combinaisons particulires afin destimer, avec une incertitude la fois
minimale mais aussi homogne, les p inconnues du modle (additif ou polynomial) tout en
respectant au mieux les contraintes techniques et conomiques de ltude.

La mthode des plans dexpriences peut tre utilise dans deux types dinvestigations :

Les tudes de criblage ou screening,
Les tudes de surface de rponse (MSR).

La technique du screening permet de dterminer, parmi les facteurs recenss par
lexprimentateur, ceux qui ont une influence statistiquement non ngligeable sur les
variations de la rponse. On procde ainsi implicitement une simplification du problme. On
recherche pourquoi la rponse varie (en fonction de quels facteurs). En plus des facteurs
influents il est galement possible didentifier les interactions de facteurs qui auront une
influence significative sur la rponse. Ce sera lobjet de ce second chapitre.

Dans une application de la mthodologie de surface de rponse (MSR), les variations de la
rponse sont calcules en fonction des facteurs et interactions prcdemment jugs influents.
Cette tude est davantage quantitative, le but tant de dterminer comment la rponse varie.
La prsentation et lapplication de cette mthode se feront dans le troisime chapitre.

Une dpendance fondamentale existe entre lobjectif recherch (screening ou MSR) et la
dfinition du plan dexpriences. Cependant, dans les deux cas, les tapes de la dmarche se
droulent dans un ordre similaire savoir :

Dfinition des objectifs et des rponses,
Choix dune stratgie exprimentale,
Dfinition des facteurs,
Dfinition du domaine exprimental,
58
Dfinition du modle empirique,
Construction du plan dexpriences,
Exprimentation,
Analyse globale des rsultats dessais,
Analyse mathmatique des rsultats dessais,
Analyse statistique du modle,
Analyse graphique du modle,
Validation du modle et des informations obtenues.

Nous cherchons dans ce travail traduire la surtension et la vitesse de commutation
prsentes au blocage des IGBT travers des modles quadratiques. Pour cela nous utiliserons
la mthode des plans dexpriences pour ltude des surfaces de rponses qui nous permettra
dobtenir des modles de la forme suivante [Goupy, 99] :

= =
= + =
+ + + =
k
i
k
i
k
i
k
i j
j i ij i ii i i
x x x x
1 1
1
1 1
0

(2.1)

Dans lequel, reprsente les coefficients du modle identifier (
0
la constante,
i
les
coefficients associs aux facteurs,
ii
les coefficients associs aux termes quadratiques et
ij

les coefficients associs aux interactions dordre 1), k dsigne le nombre de facteurs x
i
pris en
considration dans le modle.

Comme nous le verrons au chapitre III consacr aux plans pour ltude des surfaces de
rponse, ces plans ncessitent un nombre important dessais. Ce nombre dessais doit tre au
moins gale au nombre p de coefficients dterminer dans le modle. Cependant, ce nombre
p est troitement li au nombre k de facteurs prsent dans le modle comme nous lindique la
formule du calcul de p dans le cas dun modle dordre 2 :

2
) 2 )( 1 ( + +
=
k k
p (2.2)

Rappelons que dans le contexte industriel qui englobe cette thse en contrat CIFRE au
sein de la socit Alstom Transport de Tarbes, il est important de minimiser les dpenses et
donc dans notre cas, le nombre dessais sans pour autant perdre en efficacit.

On comprend alors mieux la ncessit didentifier les facteurs ayant une influence
statistiquement significative sur nos rponses avant de chercher tablir ces modles. Les
tudes de criblage rpondent ce besoin et font lobjet de ce deuxime chapitre.

Ce second chapitre sera construit de la manire suivante : un rapide historique reviendra
sur lvolution au cours du temps des mthodes de plans dexpriences pour tude de criblage.
Une deuxime partie dcrira ensuite de manire thorique le contenu des 12 tapes prsentes
dans une tude de criblage par plans dexpriences. Enfin, les 12 tapes de cette mthode
seront appliques notre tude des modules IGBT.

Un certain nombre de termes de vocabulaire couramment utiliss dans une tude par plan
dexpriences [ISO 3534-3, 98] est donn en annexe 1.
59
2. Historique des plans de criblage
On peut reprsenter lvolution des mthodes de plan dexpriences pour ltude des
effets des facteurs (tudes de criblage) par la figure 1 :

Fig 1. Evolution des techniques de criblage [Louvet, 06]
Le pre fondateur des plans dexpriences est le britannique Sir Ronald Aymler Fisher
(1890-1962). Les dispositifs dexprimentations quil proposa permettent hlas de ne prendre
en considration que peu de facteurs qui, de plus, doivent possder un mme nombre de
modalit [Fisher, 25], [Fisher, 35]. La taille du plan dexpriences correspond alors au carr
du nombre de modalits et le modle sous-jacent est un modle additif sans interactions. Ces
plans sont les plans en carr grco-latin. On peut citer par exemple le plan en carr grco-latin
destin ltude des effets de 4 facteurs 3 modalits ncessitant 9 essais.

Sir Ronald Aymler Fisher, professeur de mathmatiques, dveloppa et utilisa les plans en
carr grco-latin la station agronomique de Rothamsted, prs de Londres, ds 1924. Il fut
rejoint un peu plus tard par Franck Yates (1902-1994), plus connu pour les notations quil
proposa pour ltude des plans factoriels.

Le nombre de dispositifs exprimentaux proposs par Fisher est faible, cependant il a
introduit des notions fondamentales dans lorganisation dune exprimentation, afin de
minimiser les incertitudes. Il sagit des techniques de cration de blocs homognes, de
randomisation lintrieur des blocs et de rptitions.

Cest en 1946 quune nouvelle famille de plans dexpriences apparat. Ces nouveaux
plans permettent ltude dun grand nombre de facteurs auxquelles on affecte 2 modalits et
respectent les rgles dorthogonalit ce qui facilite lanalyse des rsultats dessais. Il sagit des
plans proposs par R.L. Plackett et J.P. Burman auxquels on associe immdiatement les
problmes de criblage [Plackett, 46]. La taille des plans de ce type est gale au multiple de 4
directement suprieur au nombre dinconnues du modle additif sans interactions.

60
En 1961, G.E.P. Box et J.S. Hunter montrent quil est possible de prciser leffet dun
facteur laide dinteractions en ne ralisant quune fraction rgulire du plan factoriel
complet. Ils crent ainsi les mthodes de construction et danalyse des plans factorielles
fractionnaires, nots 2
k-p
dans [Box, 62].

Toutefois, une fraction dun plan complet reste encore une puissance de 2 et peut
occasionner un grand nombre dessais raliser. En 1962, pour estimer les interactions en
prsence de 4 facteurs, P.J.M. John propose de ne raliser que les du plan complet soit 12
essais [John, 62]. Malheureusement cette mthode nest pas suffisamment gnralisable.

Les dispositifs exprimentaux cits ci-dessus sont tous symtriques. Cest en 1962 que S.
Addelmann [Addelmann, 62] a propos des dispositifs asymtriques respectant des rgles
dorthogonalit, marquant ainsi la fin des grands dveloppements associs la construction
des plans dexpriences pour ltude des effets des facteurs partir de rgles combinatoires.

En 1967, R.L. Rechtschaffner propose dans son article [Rechtschaffner, 67] une mthode
de construction de matrices dexpriences par permutation circulaire, permettant destimer les
interactions partir dun nombre dexpriences distinctes rigoureusement identique au
nombre dinconnues du modle empirique (plan satur).

Enfin, il nest pas envisageable de parler des plans dexpriences pour ltude des effets
des facteurs sans voquer Genichi Taguchi. Les dispositifs exprimentaux proposs par
Taguchi ne sont pas originaux, ils reprennent les travaux antrieurs en les prsentant de faon
pragmatique [Taguchi, 87]. Mais Taguchi va plus au-del de simples matrices dexpriences
rendues prtes lemploi, en proposant une mthode qui donnera naissance lingnierie
robuste. Pour Taguchi, la mise en uvre dun plan dexpriences doit permettre la
minimisation du cot de la non-qualit, traduite par le ratio Signal/Bruit, notion introduite en
1962.

Les dernires volutions des plans dexpriences concernent les plans optimaux. Les
mthodes doptimisation permettent aux exprimentateurs de construire une matrice
dexpriences la carte . Cette technique permet doutrepasser les limites des plans
traditionnels, en particulier en laissant la possibilit daffecter chaque facteur un nombre
spcifique de modalits et en permettant de ne choisir que certaines interactions mettre dans
le modle additif.

Les plans optimaux doivent beaucoup au progrs de linformatique qui a permis un
interfaage convivial des algorithmes dchange proposs dans les annes 70. Ces algorithmes
optimisent des critres algbriques dfinis quelques 10 annes auparavant par J. Kiefer et J.
Wolfowitz [Kiefer, 59].
3. Mthode de criblage ou Screening
La premire famille de problmes auxquels les plans dexpriences peuvent apporter une
aide concerne les plans dits de criblage ou screening. Ces plans concernent la comprhension
de leffet des facteurs qui affectent le processus.

Pour illustrer la technique du sceerning, nous pouvons nous rfrer [Srinivasaiah, 04]
dans lequel lauteur utilise un plan en 28 essais, propos par Plackett et Burman et identifie 10
facteurs ayant une influence significative sur le comportement du CMOS (Complementary
61
Metal Oxide Semi-conductor) tudi parmi un ensemble de 21 facteurs potentiellement
influents. Le but de cette phase didentification est, tout comme dans notre cas, de limiter le
nombre de facteur en vue dune tude de surface de rponse.

Nous allons maintenant revenir sur le contenu des 12 tapes cites dans le premier
paragraphe dans le cas dune tude de criblage avant de les appliquer notre cas.
3.1. Dfinition de lobjectif et de la/des rponse(s)
Nous avons vu dans lintroduction de ce chapitre que les plans dexpriences peuvent
rpondre deux sortes de problmes et que la construction du plan dpend troitement de
lobjectif vis. Il est donc capital de dfinir lobjectif de ltude ainsi que la rponse observe
de faon prcise.
3.1.1. Dfinition de lobjectif de ltude
Il sagit ici de la premire tape de la dmarche mthodologique qui consiste bien
dcrire le problme et en particulier clairement prciser ce quon attend de la campagne
exprimentale.

Voici quelques voies dinvestigation pour lesquelles les plans dexpriences de criblage
peuvent sappliquer :

Hirarchiser les consquences des changements de modalit des facteurs sur une
variable rponse et identifier ainsi les facteurs ayant une influence significative sur
cette rponse, comme ce sera le cas dans notre tude.
Estimer les effets moyens des facteurs avec une incertitude minimale.
Prciser les effets moyens des facteurs par des interactions.
Proposer une orientation de rglage pour un processus.
Mettre en uvre lingnierie robuste.

Il est galement ncessaire de dfinir la/les rponses observes lors de lexprimentation.
3.1.2. Dfinition de la/les rponse(s) caractrisant lobjectif
Lestimation et la comparaison des effets des facteurs sappuient sur lanalyse de rsultats
dessais qui reprsentent les valeurs particulires de grandeurs que la terminologie des plans
dexpriences appelle des rponses. Les modifications des rglages de tout processus
conduisent lobservation des variations dune ou plusieurs rponses.

Les rponses dune tude correspondent des traductions mtrologiques des besoins
industriels. Il est important de mener une rflexion approfondie sur le choix, la dfinition et
les mthodes dobtention des rponses.

Les rponses doivent tre de nature quantitative afin de permettre lutilisation de
mthodes danalyses statistiques telles que lanalyse de la variance ou de rgression dont les
hypothses sont gnralement admises lors de la mise en uvre dun plan dexpriences.
62
Les rponses quantitatives peuvent tre de deux types :

Discrtes, si la valeur de la rponse appartient lensemble des entiers naturels.
Cest le cas par exemple pour une tude portant sur le nombre de soufflures
observes suite une soudure laser prsente dans [Louvet, 06].
Continue, si la valeur de la rponse appartient lensemble des nombres rels. Cest
le cas de la majorit des tudes bases sur les mthodes de plan dexpriences. Pour
un rglage donn des facteurs, les valeurs de la rponse obissent une variable
alatoire dont il nest pas ncessaire de connatre systmatiquement la distribution.

Dans notre application, nous observerons deux rponses de type continu sur lesquelles
nous reviendrons dans la partie applicative de ce chapitre.
3.2. Choix dune stratgie exprimentale
Choisir une stratgie exprimentale consiste voquer la/les mthodes mettre en uvre
afin dapporter des lments de rponse aux questions que se posent les exprimentateurs.

Parmi les diffrentes solutions envisageables, il est possible dvoquer lanalyse de
donnes existantes, ltude dun facteur la fois et le recours un modle empirique pour la
recherche dlments dinformation. Notre choix se tournera naturellement vers cette dernire
option et lutilisation dun plan de criblage pour y parvenir.

Les plans dexpriences pour ltude des effets des facteurs constituent la mthode qui
semble simposer, ds lors quil est impossible, pour des raisons souvent matrielles, de
raliser un plan complet c'est--dire lensemble des combinaisons des modalits des facteurs.

Lorsquon dcide destimer et de comparer les effets des facteurs, il faut rendre les
comparaisons les plus quitables possible de faon uniformiser et minimiser les
incertitudes qui affectent les inconnues du problme.

Quand le nombre de facteurs et de modalits augmente, il nest plus possible de concevoir
de manire intuitive, une stratgie exprimentale qui permette datteindre de faon rationnelle
les objectifs fixs. Il faut alors remplacer la stratgie qui consiste ne faire varier quun seul
facteur la fois par un plan dexpriences pour ltude des effets des facteurs. On choisit dans
ce cas de sappuyer sur un modle additif avec ou sans interactions pour traduire la/les
rponse(s) observe(s).
3.3. Dfinition des facteurs
Aprs avoir prcis les objectifs dune tude et les rponses les caractrisant, il est
ncessaire de dfinir les facteurs, c'est--dire les variables sur lesquelles lexprimentateur va
agir de manire crer une variation de la/les rponse(s), qui sera restitue au travers dun
modle.

Un diagramme dIshikawa [Ishikawa, 96] ou un P-Diagramme permet de compiler
lensemble des facteurs prsents dans une tude et de les prsenter dans un mme graphique.
Il peut galement tre utile de prciser pour chaque facteur les difficults que reprsente le
63
changement de son niveau. En effet, lors du choix de la matrice dexpriences cela permettra
dviter davoir modifier chaque exprimentation, un facteur difficilement modifiable.

Une tude par plan dexpriences peut mettre en jeu des facteurs de toute nature
(qualitative, quantitative, temporelle). Cependant, lorsque lobjectif dune tude est destimer
puis de comparer les effets des facteurs, la stratgie exprimentale conduit postuler un
modle additif, pralablement la construction dun plan dexpriences adapt lobjectif. En
consquence de quoi et daprs la dfinition de leffet dun facteur, tous les paramtres de
rglage mis en uvre au cours du plan dexpriences seront considrs comme tant des
variables quantitatives, auxquelles on associe au moins deux tats distincts appels modalits.

Le nombre de facteurs indpendants utilis dans ltude est not k et le nombre de
modalit est not m
i
pour chaque facteur qualitatif i.

Le passage du plan dexprimentation, compos des valeurs utilises pour les diffrents
facteurs lors des essais, la matrice dexprience
N
, compose des diverses modalits des
facteurs sillustre avec lexemple dune table L
4
trois facteurs (plan en carr grco-latin)
prsent dans la table 1 :

Table 1 Passage du plan dexprimentation la matrice dexpriences
Il ne sagit l que de remplacer les valeurs relles des niveaux des facteurs par les
modalits A, B, Il est galement courant de voir les modalits A, B de la matrice
dexpriences remplaces par les modalits +/- notamment dans les plans du type
Rechtschaffner [Rechtschaffner, 67] utiliss pour ltude des interactions lorsque les facteurs
ne prennent que 2 modalits.

Comme nous le montre lexemple de la table 1, la matrice dexprience (
N
) est une entit
mathmatique prsente sous forme de tableau comportant autant de colonnes que de facteurs
(k ici gal 3) et autant de lignes que de combinaisons (N ici gal 4) de modalits retenues
dans le plan dexpriences.

Il est maintenant ncessaire de passer de la matrice dexprience (
N
) la matrice du
modle. La matrice du modle est note X, cest une matrice comportant autant de colonnes
que dinconnues dans le modle (p) et autant de lignes que la matrice dexpriences (N). La
matrice du modle permet la construction de nombreuses matrices dont les invariants ou les
lments permettent destimer la qualit de la matrice dexprience retenue. On citera par
exemple la matrice dinformation dfinie par :

Matrice dinformation = (
t
XX) (2.3)

Pour passer de la matrice dexpriences la matrice du modle, un codage des modalits
des facteurs est ncessaire.
Matrice dexpriences
N

essais X1 X2 X3
1 A A A
2 A B B
3 B A B
4 B B A

Plan dexprimentation
essais Temprature Pression Couple
1 25C 1 MPa 5 Nm
2 25C 3 MPa 10 Nm
3 70C 1 MPa 10 Nm
4 70C 3 MPa 5 Nm

64
Peu douvrages prsentent les relations de codage utilises dans les logiciels ddis la
construction des plans dexpriences pour les tudes de criblage. Dans [Louvet, 06], on trouve
explicites les 2 relations de codage utilises pour les tudes de criblage qui sont dfinies dans
les paragraphes 3.3.1 et 3.3.2.
3.3.1. Codage associ aux modles additifs sans interaction
Pour cette premire relation de codage, le nombre de colonnes du tableau disjonctif
complet est gal la somme du nombre de modalits affectes chacun des facteurs. Cette
relation est utilise et commente dans [Dagnelie, 97].

Nombre de colonnes du tableau disjonctif complet =
=
k
i
i
m
1
(2.4)

Rappelons que k est le nombre de facteurs et m
i
le nombre de modalits associes au
facteur i.

On illustre cette relation avec le plan propos par Ronald Aylmer Fisher et repris par
Genichi Taguchi sous la notation L
9
(3
4
) dans la table 2 :

A B C D
1 A1 B1 C1 D1
2 A1 B2 C2 D2
3 A1 B3 C3 D3
4 A2 B1 C2 D3
5 A2 B2 C3 D1
6 A2 B3 C1 D2
7 A3 B1 C3 D2
8 A3 B2 C1 D3
9 A3 B3 C2 D1
Table 2 Table L
9
(3
4
) non code
On attribue une colonne chacune des modalits de chacun des facteurs. Cette matrice
dexprience donne aprs codage la table 3 :

A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3
1 1 0 0 1 0 0 1 0 0 1 0 0
2 1 0 0 0 1 0 0 1 0 0 1 0
3 1 0 0 0 0 1 0 0 1 0 0 1
4 0 1 0 1 0 0 0 1 0 0 0 1
5 0 1 0 0 1 0 0 0 1 1 0 0
6 0 1 0 0 0 1 1 0 0 0 1 0
7 0 0 1 1 0 0 0 0 1 0 1 0
8 0 0 1 0 1 0 1 0 0 0 0 1
9 0 0 1 0 0 1 0 1 0 1 0 0
Table 3 Table L
9
(3
4
) code
On dfinit alors un tat de rfrence, c'est--dire une combinaison particulire des
modalits des facteurs. Cet tat de rfrence est souvent dfini arbitrairement dans les
65
logiciels comme la combinaison des dernires modalits de chacun des facteurs. Dans le cas
prsent, ltat de rfrence serait donc dfini partir de la combinaison :

Etat de rfrence = A
3
B
3
C
3
D
3
(2.5)

La matrice du modle se compose dune premire colonne compose exclusivement de 1.
Cette colonne servira au calcul de la constante du modle. Les colonnes suivantes proviennent
de la table code, en supprimant dans ce dernier les colonnes correspondant aux modalits de
rfrences. On obtient ainsi les p colonnes de la matrice du modle associe chacune une
inconnue du modle.

Dans lexemple de la table L
9
(3
4
), on obtient la matrice de la table 4 issue de la table
code prsente en table 3 laquelle on te les colonnes relatives au modalits A3, B3, C3 et
D3, associs ltat de rfrence et on ajoute une premire colonne compose exclusivement
de 1 :

|
|
|
|
|
|
|
|
|
|
|
|
\
|
=
0 1 1 0 0 0 0 0 1
0 0 0 1 1 0 0 0 1
1 0 0 0 0 1 0 0 1
1 0 0 1 0 0 1 0 1
0 1 0 0 1 0 1 0 1
0 0 1 0 0 1 1 0 1
0 0 0 0 0 0 0 1 1
1 0 1 0 1 0 0 1 1
0 1 0 1 0 1 0 1 1
X

Table 4 Matrice du modle
3.3.2. Codage associ aux modles additifs avec ou sans interactions
Il existe une deuxime relation de codage, dfinie par [Eriksson, 00], qui offre lavantage
dtre facilement applicable au problme destimation des interactions dordre 1. Cette
relation consiste coder chaque colonne de la matrice dexpriences en (m
i
-1) colonnes
comme le montre la table 5 :

Table 5 Codage dun facteur A
Facteur A
m
1
A1
m
2
A2
m
3
A3
x(A2) x(A3)
m
1
-1 -1
m
2
1 0
m
3
0 1
En reprenant lexemple du plan en carr grco-latin L
9
(3
4
) de la table 2, ce codage donne
les rsultats de la table 6 :
66
x(A2) x(A3) x(B2) x(B3) x(C2) x(C3) x(D2) x(D3)
1 -1 -1 -1 -1 -1 -1 -1 -1
2 -1 -1 1 0 1 0 1 0
3 -1 -1 0 1 0 1 0 1
4 1 0 -1 -1 1 0 0 1
5 1 0 1 0 0 1 -1 -1
6 1 0 0 1 -1 -1 1 0
7 0 1 -1 -1 0 1 1 0
8 0 1 1 0 -1 -1 0 1
9 0 1 0 1 1 0 -1 -1
Table 6 Table L
9
(3
4
) code
La matrice du modle scrit alors en ajoutant la table 7 une colonne contenant
exclusivement la valeur 1, correspondant au calcul de la constante du modle, soit la matrice
de la table 8 :

|
|
|
|
|
|
|
|
|
|
|
|
\
|

=
1 1 0 1 1 0 1 0 1
1 0 1 1 0 1 1 0 1
0 1 1 0 1 1 1 0 1
0 1 1 1 1 0 0 1 1
1 1 1 0 0 1 0 1 1
1 0 0 1 1 1 0 1 1
1 0 1 0 1 0 1 1 1
0 1 0 1 0 1 1 1 1
1 1 1 1 1 1 1 1 1
X

Table 7 Matrice du modle
Cette relation permet notamment de retrouver la notation +1/-1 souvent rencontre lors de
lutilisation des plans dexpriences mettant en jeu 2 modalits par facteurs, comme le montre
lexemple de la table 8 :

(a) Table non code (b) Table code
Table 8 Exemple de codage
essais x(A2) x(B2) x(C2)
1 -1 -1 -1
2 1 -1 1
3 -1 1 1
4 1 1 -1
essais A B C
1 A1 B1 C1
2 A2 B1 C2
3 A1 B2 C2
4 A2 B2 C1
Lorsquon dcide de prciser leffet moyen dun premier facteur en fonction des modalits
dun second facteur (interaction dordre 1), la matrice du modle est complte par une ou
plusieurs colonnes rsultat du produit des colonnes relatives aux facteurs concerns. Voyons
dans la table 9 comment seffectue ce calcul dinteractions avec cet exemple dun plan
complet mettant en jeu un facteur A 2 modalits et un facteur B 3 modalits.

67
Cest ce type de codage que nous utiliserons dans notre application prsent dans le 4
me

paragraphe de ce chapitre.
3.4. Dfinition du domaine exprimental
La dfinition du domaine exprimental dcoule directement de ltape prcdente,
savoir de la dfinition des facteurs et de leurs modalits. En effet le domaine est dfinie
comme tant lensemble des combinaisons ralisables partir des modalits des facteurs.

Lorsque tous les facteurs ont le mme nombre de modalits, le domaine est dit
symtrique, dans le cas contraire, il est asymtrique. Par exemple pour 3 facteurs 4
modalits, 2 facteurs 3 modalits et 1 facteur 2 modalits, le domaine exprimental est
asymtrique et se compose de 4x4x4x3x3x2=1152 combinaisons possibles.

La partie applicative de ce chapitre prsentera deux tudes de criblage, lune utilisant un
domaine exprimental symtrique au paragraphe 4.3 et lautre un domaine asymtrique au
paragraphe 4.4.

La visualisation du domaine exprimental parat dlicate au-del de trois facteurs.
Toutefois des techniques de reprsentation en perspective ou de projection particulire
permettent dobtenir une cartographie plane du domaine exprimental dans un espace
multidimensionnel. La figure 2 prsente un exemple de reprsentation du domaine
exprimental pour une tude faisant intervenir 3 facteurs 3 modalits (A, B et C) et 1 facteur
2 modalits (D).

Fig 2. Exemple de reprsentation graphique dun domaine exprimental
Essais x(A) x(B2) x(B3) x(A)*x(B2) x(A)*x(B3)
1 -1 -1 -1 1 1
2 -1 1 0 -1 0
3 -1 0 1 0 -1
4 1 -1 -1 -1 -1
5 1 1 0 1 0
6 1 0 1 0 1
Table 9 Illustration du calcul dinteraction
68
3.5. Dfinition du modle empirique
Cette tape revient choisir une forme de modle adapte aux objectifs de ltude et
estimer le nombre dinconnues p associes au modle :

Adopter un modle additif sans couplage pour estimer et comparer les effets moyens
des facteurs :

=
+ =
k
i
i
te
W C Y
1
et
=
+ =
k
i
i
m p
1
) 1 ( 1 (2.6)

Adopter un modle additif avec interactions pour prciser les effets moyens des
facteurs par des interactions (gnralement limits au 1
er
ordre) comme ce sera le cas
dans notre application :

= + = =
+ + =
1
1 1 1
k
i
k
i j
ij
k
i
i
te
C W C Y et

= + = =
+ + =
1
1 1 1
) 1 )( 1 ( ) 1 ( 1
k
i
k
i j
j i
k
i
i
m m m p
(2.7)

Dans les relations 2.6 et 2.7 :
m
i
dsigne le nombre de modalits du facteur i,
k dsigne le nombre de facteurs considrs,
W
i
dsigne le poids du facteur i
C
ij
dsigne le poids de linteraction entre les facteurs i et j.
3.6. Construction du plan dexpriences
La construction dun plan dexpriences pour ltude des effets des facteurs peut
sappuyer sur deux grandes familles de critres :

Les critres dorthogonalit, la construction des plans se fait partir de rgles
combinatoires.
Les critres doptimalit, la construction des plans se fait partir de rgles
algorithmiques.

Parmi les plans construits partir des rgles dorthogonalit, les plus souvent rencontrs
sont les plans en carr grco-latin de Fisher [Fisher, 49], les plans de Plackett et Burman
[Plackett, 46] ou les plans de Box et Hunter [Box-Hunter, 62]. Le but de ces plans est
dextraire du domaine exprimental, gnralement symtrique, tout ou une partie des
combinaisons des modalits des facteurs, partir de rgles bases sur des permutations
circulaires, de manire estimer avec une incertitude minimale les inconnues du modle et les
informations recherches en terme deffet des facteurs.

Les plans optimaux cherchent quant eux extraire du domaine exprimental,
gnralement asymtrique, un sous-ensemble des combinaisons des modalits des facteurs,
partir de rgles algorithmiques, de manire estimer avec une incertitude minimale les
inconnues du modle et les informations recherches en terme deffet des facteurs. Ce type de
plan ncessite lutilisation dun logiciel adapt.

69
Lutilisation des uns ou des autres de ces critres tant indpendant de lobjectif recherch
par ltude, nous dtaillerons dans ce chapitre la notion de critres dorthogonalit tandis que
le chapitre suivant, portant sur la mthode de surface de rponse, prsentera les critres
doptimalit et lutilisation des algorithmes dchange.

Historiquement, le premier critre utilis pour la ralisation dune matrice dexprience
fut le critre dorthogonalit et ce pour plusieurs raisons exposes dans [Louvet, 06] :

Un dispositif exprimental orthogonal est facile construire partir de simples
rgles de permutation circulaire.
Un dispositif exprimental orthogonal offre une incertitude minimale pour
lestimation des inconnues dun problme, en particulier parce que les combinaisons
retenues dans sa structure sont parfaitement quilibres. Toutes les modalits
apparaissent un mme nombre de fois pour chacun des facteurs.
Lanalyse des rsultats dessais provenant dun dispositif exprimental orthogonal
est facile mettre en uvre ; elle ne requiert pas systmatiquement dexpliciter le
modle mathmatique. La construction du trac des effets moyens et la
reprsentation graphique des couplages peuvent seffectuer partir du calcul de
simples moyennes arithmtiques.

Daprs la norme [ISO 3534-3, 98], un arrangement orthogonal est un ensemble de
combinaisons de traitements tels que pour chaque paire de facteurs, chaque combinaison de
traitement survient un mme nombre de fois pour tous les niveaux possibles de facteurs.

Pour vrifier lorthogonalit dun arrangement, il suffit de raliser autant de tableaux de
contingence quil y a de paires de facteurs. On complte ensuite chacun des tableaux en
dnombrant, dans la matrice dexpriences, le nombre de combinaisons observes
correspondant au croisement des lignes et des colonnes de chaque tableau de contingence. Si
pour chacun des tableaux, la valeur des cellules est constante, la matrice dexprience est
alors orthogonale.

Lexemple de la table 10, dun plan de Plackett et Burman mettant en jeu trois facteurs
deux modalits illustre cette notion dorthogonalit :

Table 10 matrice dexprience et tableaux de contingence associs
Cette matrice est bien orthogonale, chaque tableau de contingence est rempli dune mme
valeur (ici 1) dans chacune de ces cases. En effet, dans cette table, lassociation A1-B1 par
exemple napparat quune seule fois (lors de lessai 4). De plus ici, le fait que chaque facteur
A1 A2
B1 1 1
B2 1 1

B1 B2
C1 1 1
C2 1 1

A1 A2
C1 1 1
C2 1 1

A B C
1 A2 B2 C1
2 A1 B2 C2
3 A2 B1 C2
4 A1 B1 C1

70
soit dot dun mme nombre de modalits engendre le fait que cette valeur est la mme dans
chacun des tableaux de contingence.

On peut citer parmi les plans bass sur ce critre dorthogonalit les plans en carr grco-
latin et hyper grco-latin et les plans de Plackett et Burman sans oublier les plans Taguchi qui
pour lessentiel reprennent les tables cites prcdemment.
3.7. Exprimentation
Avant lexprimentation, il convient de prparer pour chacun des essais, une fiche
indiquant les modalits des facteurs respecter. De plus, il est prfrable deffectuer une
randomisation des essais si cela est possible. Cette randomisation permet de limiter
lventuelle influence perturbatrice de facteurs non contrls.

Cependant cette randomisation peu savrer coteuse lorsque la modification de la
modalit dun ou plusieurs facteurs ncessite de lourdes manipulations. Ce sera le cas dans
notre tude o la modification de modalit de certain facteurs cest avre trs contraignante.
3.8. Analyse globale des rsultats dessais
Avant de mettre en uvre des outils mathmatiques pour estimer les p inconnues du
modle et visualiser ensuite les effets moyens des facteurs et les ventuelles interactions, il est
important de porter un jugement global sur lensemble des rsultats dessais.

Lanalyse globale des rsultats dessais permet notamment :

Dapprcier la variation des rponses observes au cours du plan dexpriences
(c'est--dire de sassurer dun cart significatif entre les valeurs minimales et
maximales de la rponse observe),
De dtecter des valeurs suspectes et procder une reproduction dexprience le cas
chant,
De reprer une combinaison des modalits des facteurs dont les rsultats peuvent se
rvler industriellement intressants, indpendamment de lestimation et de la
comparaison des effets des facteurs.

Pour effectuer cette analyse, on fera appel des constructions graphiques sous forme de
nuages de point ou de botes moustaches lorsque les traitements du plan dexpriences
donnent lieu des rptitions.

La reprsentation de botes moustaches (Box and Whiskers Plot) est une technique
rcente de statistique descriptive pour rsumer des distributions unidimensionnelles de
donnes.

Ce mode de visualisation graphique a t initialement propos par John W. Tukey (1915-
2000) en 1977 [Tukey, 97]. Il connat de nombreuses variantes dveloppes par diffrents
auteurs. Lobjectif consiste reprsenter sur un mme graphique les caractristiques
suivantes :

71
La caractristique de tendance centrale choisie comme tant la valeur mdiane de la
distribution est reprsente par un trait horizontal lintrieur de la boite.
La caractristique de dispersion autour de la tendance centrale est reprsente par
lintervalle interquartile dfini par la diffrence entre le 3
me
et le 1
er
quartile. Cet
intervalle constitue la bote.
Ltendue de la distribution est signal par la longueur des moustaches, traits
verticaux reliant les extrmits de la boite aux valeurs minimales et maximales
observes.
Lasymtrie de la distribution peut tre mise en vidence par lcart entre la
moyenne arithmtique, matrialise par un cercle plein, et la mdiane matrialise
par un trait.
3.9. Analyse mathmatique des rsultats dessais
Lanalyse mathmatique des rsultats dessais a pour objectif de calculer les coefficients
du modle et par la suite les rsidus quengendre ce modle.
3.9.1. Grille de dpouillement
Cette mthode a t propose en 1990, par Robert H. Lochner et Joseph E. Matar dans un
ouvrage intitul designing for quality [Lochner, 90]. Elle rpond parfaitement un besoin
danalyse rapide et manuelle des rsultats dessais.

Si aujourdhui le dploiement des outils informatiques ddis la construction et lanalyse
de plans dexpriences ou encore une programmation simple de feuille de calcul laide de
tableur informatique permet dviter cette opration, cette prsentation reste nanmoins utile
pour bien comprendre le principe danalyse des rsultats dessais.

Chaque grille de dpouillement comporte 3 zones :

La zone destine au report des valeurs de la rponse analyser correspond la
colonne Y de la grille de dpouillement. En prsence de rptitions, on remplira
cette colonne par les moyennes observes en chaque point dessai.
La zone des facteurs contient autant de blocs quil y a de facteurs. Le nombre de
colonnes de chacun des blocs correspond au nombre de modalits affectes chacun
des facteurs prsent dans le plan dexpriences. Pour chacune des lignes, on
complte les cellules vides par la valeur de la rponse analyser.
La zone de calcul et daffichage des rsultats permet dtablir, pour chacune des
modalits des facteurs, la moyenne arithmtique caractrisant la modalit tudie.

Nous retrouvons ces trois zones sur dans la table 11 :

72
Facteur A Facteur B Facteur C Facteur D
Traitement Y
A1 A2 A3 B1 B2 B3 C1 C2 C3 D1 D2 D3
1
2
3
4
5
6
7
8
9
Total
Nombre 9 3 3 3 3 3 3 3 3 3 3 3 3
Moyenne
Table 11 Grille de dpouillement associ un arrangement L
9
(3
4
)
La structure des cellules vides correspond aux combinaisons particulires des modalits
des facteurs retenues dans le plan dexpriences. Cette prsentation facilite ainsi le calcul des
moyennes propres chacune des modalits des diffrents facteurs.
3.9.2. Calcul des coefficients du modle additif
Le plan dexpriences peut se retranscrire sous la forme :

{ } ( ){ } { } E ts Coefficien X Y + = (2.8)

Avec :
{Y} le vecteur des rsultats dessais,
(X) la matrice du modle,
{Coefficients} le vecteur des estimations des coefficients.
{E} le vecteur derreur.

La matrice (X) ntant pas souvent une matrice carre, nous avons recourt pour rsoudre
ce problme lcriture matricielle de la mthode des moindres carrs [Dodge, 99]
[Goupy, 06] dont lquation est :

{ } ( ) ( ){ } Y X XX ts Coefficien
t t
1
=
(2.9)

Cette quation fait appel au calcul de la pseudo inverse de la matrice du modle (X). La
matrice (X) tant de rang plein en colonne (le nombre de colonnes indpendantes est infrieur
au nombre de lignes), cette pseudo inverse se calcule de la faon suivante [Rotella, 95] :

( ) ( ) ( ) X XX X
t t
1
+
=
(2.10)

Voici quelques proprits de la mthode des moindres carrs :

Lestimation des coefficients seffectue partir de la recherche dun critre
doptimisation qui consiste minimiser la somme des carrs des rsidus. La
73
mthode des moindres carrs offre ainsi le meilleur ajustement des rsultats par le
modle mathmatique.
La somme des rsidus est nulle, ce qui implique que la moyenne des rsultats
observs est gale la moyenne des rsultats calculs partir du modle. Il sagit
dun critre de vrification lorsquon met en uvre la mthode des moindres carrs
laide dun tableur.
La mthode des moindres carrs suppose que les rsidus sont distribus suivant une
loi normale desprance mathmatique nulle, la dispersion des rsidus autour de la
moyenne servant estimer un cart type rsiduel, utilis dans la mise en uvre des
tests statistiques quand on ne dispose pas dinformations sur la variabilit naturelle
des rsultats.
3.9.3. Calcul des rsidus
Connaissant une estimation des coefficients du modle, il est possible dutiliser ce dernier
afin de calculer une estimation de la rponse pour chacun des traitements du plan
dexpriences. Il suffit pour cela dutiliser le produit scalaire entre le vecteur des estimations
des coefficients et le vecteur reprsentant la fonction du modle, pour une combinaison x
0
des
modalits des facteurs donne [Draper, 81] :

( ) ( ){ } ts Coefficien x f x y
t
0 0
=

(2.11)

Pour une combinaison x
0
donne du plan dexpriences, le rsidu est dfini partir de la
relation suivante :

( ) ( )
0 0
x y x y Rsidu
=
(2.12)

La mthode des moindres carrs, utilise dans le calcul des coefficients du modle, est
base sur la minimisation de la somme des carrs de ces rsidus.
3.10. Analyse statistique du modle
Lanalyse statistique du modle est ltape principale de lanalyse des rsultats. Elle se
base dans certains cas sur les donnes de lanalyse mathmatique comme pour lapplication
de la mthode de Daniel ou de Lenth. Son objectif est didentifier les facteurs statistiquement
influents sur la/les rponse(s) observe(s).
3.10.1. Mthode de Daniel
Le graphe de Daniel [Daniel, 59] permet de tester graphiquement la normalit de la
rpartition des valeurs des effets [Goupy, 96] [Droesbeke, 97].

Cette mthode danalyse repose sur la construction dun graphique. On ordonne dans un
premier temps la valeur absolue des effets moyens dans un ordre croissant, ce qui permet
dobtenir le rang i de chacune de ces valeurs absolues (i=1,, k).
74
La valeur des effets moyens constitue laxe des abscisses du graphe de Daniel. On calcul
alors la frquence correspondante partir de la relation :

k
i
P
5 , 0
= (2.13)

Lapplication de linverse de la fonction de rpartition de la loi normale centre rduite
not F
-1
permet dobtenir les ordonnes du graphique, appel fractiles thoriques semi-
normaux nots :

|
\
|
+
2
1
1
P
F (2.14)

Si tous les effets moyens taient nuls, le nuage de point salignerait alors sur une droite
passant par lorigine du graphique, la dispersion des points autour de cette droite tant due la
variabilit naturelle des rsultats dessais. Ds quil ny a plus alignement, les points qui se
dtachent de la droite traduisent des facteurs aux effets moyens probablement actifs.
3.10.2. Mthode de Lenth
La mthode de Lenth [Lenth, 89] consiste estimer une pseudo erreur-type, pour mettre
en uvre un test statistique dont le rsultat se traduit sous forme graphique semblable une
carte de contrle.

La premire tape de lapplication de cette mthode consiste classer les valeurs absolues
des coefficients a
j
du modle obtenu dans lordre croissant. On dfini ensuite la grandeur s
0

partir de la mdiane de ces valeurs absolues :

j
a mdiane s = 5 , 1
0
(2.15)

On limine les coefficients dont la valeur absolue est suprieure 2,5 s
0
. En appliquant la
mme dmarche aux coefficients restants, on estime nouveau s
0
.

Il ny a plus de coefficients liminer. On a atteint ainsi la valeur dune pseudo erreur-
type, dsignant lcart-type sur lestimation dun coefficient :

j
s a
a mdiane PSE
j 0
5 , 2
5 , 1
<
=
(2.16)

Ce dernier rsultat est utilis de faon classique pour construire un intervalle bilatral de
confiance associ aux coefficients dont les limites sont dfinies par :

PSE t ME
d
2 / 1
= (2.17)

La valeur du facteur dlargissement t dpend dune part du niveau de signification
choisi, gnralement gal 5%, et dautre part du nombre de degrs de libert d que R.V.
75
Lenth dfinit de faon empirique par le tiers du nombre m de coefficients restants [Lenth, 89].
La valeur du coefficient t est dfinie partir de la loi de Student.

Par ailleurs, R.V. Lenth propose la construction dautres limites partir dune probabilit
dfinie par :

2
) 95 , 0 1 (
1
m
+
=
(2.18)

On obtient alors :

PSE t ME
d
= (2.19)

La valeur du coefficient t est ici aussi dfinie partir de la loi de Student.

Les coefficients a
j
dont les valeurs estimes sont situes lextrieur des limites dfinies
par la valeur de ME correspondent des effets actifs. Inversement, les coefficients a
j
dont les
valeurs estimes sont situes lintrieur des limites dfinies par la valeur de ME
correspondent des effets non actifs.

Lapplication de cette mthode peut amener parfois ne considrer aucun facteur comme
actif. Ce nest pas pour autant que les rsultats de lanalyse mathmatique ne sont pas
exploitables. Il est alors prfrable danalyser ces rsultats laide dune autre mthode
comme la mthode de Daniel ou lanalyse de la variance et dassocier cette analyse les
connaissances du groupe de travail.

Remarque : la mthode de Daniel tout comme celle de Lenth repose sur lhypothse qui
stipule que 20% seulement des facteurs expliquent 80% de la variation de la rponse. En cas
de non respect de cette hypothse il sera plus hasardeux de diffrencier les facteurs influents
des non influents.
3.10.3. Analyse de la variance
Lanalyse de la variance est appel Analysis of Variance dans la littrature anglo-
saxonne ; son appellation est couramment abrge en ANOVA.

Contrairement ce que laisse penser son nom, lanalyse de variance ntudie pas les
diffrences de variances entre populations mais les diffrences de moyenne. Cette mthode
doit son nom au fait quelle utilise des mesures de variance afin de juger du caractre
significatif ou non, c'est--dire de la significativit des diffrences de moyenne mesures entre
populations.

Il sagit dune gnralisation p populations du classique test de comparaison de deux
chantillons, le clbre test de t de Student.

Dune faon gnrale, en matire de rgression, le principe de lanalyse de la variance est
de subdiviser la variation totale en une composante factorielle relative lquation de
rgression ou au modle utilis, et une composante rsiduelle, la premire devant tre teste
76
par rapport la deuxime [Droesbeke, 97]. Les composantes factorielle et rsiduelle seront
mathmatiquement reprsentes par des carrs moyens, c'est--dire des variances.

En dfinitive, lintrt de lanalyse de la variance est de pouvoir tester de manire absolue
linfluence des facteurs sur les variations dune rponse donne [Vivier, 02].
3.10.3.1. Calcul du carr moyen des facteurs et des interactions
La variance des facteurs sobtient en calculant la somme des carrs des carts (SCE) que
lon divise par le nombre de degr de libert (ddl) associs au facteur f considr.

Pour les facteurs :

Le nombre de ddl associs un facteur f correspond son nombre de modalit (nombre
de valeurs distinctes que lon prend lors de la ralisation du plan) minor de 1, soit :

1 =
f f
Nn ddl
(2.20)

Avec
f
Nn le nombre de modalit du facteur f .

La somme des carrs des carts associs au facteur f vaut :

( ) ( )

= =
=
= =
f f
Nn
i
i f
Nn
i
i f
f f f
y y E SCE
1
2
2
1

(2.21)

Avec :
=
=
N
i
i
y
N
y
1
1
la moyenne des rponses,
f
f
Nn
N
= le nombre dexpriences pour lesquelles le facteur f prend un de ses
f
Nn
niveaux,
i
y la moyenne des rponses observes pour les expriences o le facteur f prend son
me
i niveau.

Pour les interactions :

Le nombre de ddl associs une interaction de facteur correspond au produit des ddl des
facteurs mis en jeu dans cette interaction, soit :

l g f l fg
ddl ddl ddl ddl = ...
...

(2.22)

Pour les interactions mettant en jeu 2 facteurs f et g, la somme des carrs des carts vaut :

77
( )
= =
+ =
i
j Nn
i
Nn
j
j i ij fg fg
y y y y SCE
1 1
2
(2.23)
Avec :
g f
fg
Nn Nn
N
.
= le nombre dexpriences pour lesquelles le facteur f prend un de ces Nn
f

niveaux et lorsque le facteur g adopte un de ces Nn
g
niveaux,
ij
y la moyenne des rponses observes pour les expriences o le facteur f prend son
i
me
niveau et o le facteur g prend son j
me
niveau,

La gnralisation aux interactions dordre suprieur se fait de la mme faon. Par exemple
pour une interaction dordre 3 mettant en jeu les facteurs f, g et l, on aura :

( )
= = =
+ + + =
i j k
Nn
i
Nn
j
Nn
k
jl il ij l j i ijl fgl fgl
y y y y y y y y SCE
1 1 1
2
(2.24)

On dduit alors la valeur des carrs moyens, associs au facteur ou linteraction
considr(e) x, comme tant :

x
x
x
ddl
SCE
CM =
(2.25)
3.10.3.2. Calcul de la variance rsiduelle
Pour 2 facteurs on peut crire la dcomposition suivante :

( ) ( ) ( ) y y y y y y y y y y
j i ij j i ij
+ + + = (2.26)

On ralise alors une somme sur i et j, des deux cots de lgalit mis pralablement au
carr. La somme se fait ainsi sur les niveaux de tous les facteurs. On aboutit alors lquation
de variance, dmontrant ladditivit des sommes des carrs des carts (membres de droite) :

( )

= =
= =
x
Nn
i
Nn
j
ij t
SCE y y SCE
i
j
1 1
2
(2.27)

Avec :
SCE
t
la somme totale des carrs des carts ;
SCE
x
la somme factorielle des carrs (x dsignant un facteur ou une interaction).

Enfin notons la relation donnant entre autre la valeur de ddl
t
(le nombre total de degrs de
libert) :

+ =
eraction
ij
facteur
i t
ddl ddl ddl
int

(2.28)

On a donc galement additivit des degrs de libert.
78
Lorsquil existe une erreur exprimentale non nulle, lquation de variance fait apparatre
un nouveau terme appel communment variance rsiduelle (SCE
r
) :

r x t
SCE SCE SCE + =
(2.29)

Cest cette variance rsiduelle SCE
r
que les SCE
x
sont compars afin de dterminer les
caractres significatifs des facteurs et des interactions x. La variance rsiduelle est un point de
comparaison. Elle doit traduire une variation des valeurs de rponse, dont lamplitude est
arbitrairement considre comme faible. Tout facteur influent doit donc possder des
caractristiques fortement diffrencies de celles de cette composante.

Dans le cas des exprimentations relles, la variation rsiduelle est prise comme tant un
estimateur de la variance exprimentale, qui traduit la variabilit inhrente des rsultats sur
plusieurs ralisations dexpriences identiques. Lutilisation dexpriences virtuelles exclut
donc cette possibilit [Vivier, 02].

La variance rsiduelle est le plus souvent calcule comme tant la somme des carrs des
rsidus, i.e. des cart entre les rponses mesures (y) et les rponses correspondantes,
calcules grce au modle (y
mod
) [Pillet, 94] [Schimmerling, 98].

( ) ( ) ( )
2
1
mod
=
=
N
i
i i
r
x y x y SCE (2.30)

Avec
i
x le vecteur des coordonnes du i
me
point dexprience du plan.

Le nombre de degrs de libert ddl
r
associ vaut N-p. On comprend en effet que les
rsidus nexistent que grce aux N-p (>0) expriences ralises en plus des p simulations
absolument ncessaires au calcul des p coefficients du modle.

On calcul alors un carr moyen rsiduel tel que :

( ) ( ) ( )
2
1
mod
1
= =
N
i
i i
r
r
r
x y x y
p N ddl
SCE
CM (2.31)

Calculer le SCE
r
de cette faon permet, en dfinitive, de tester le caractre significatif des
facteurs et des interactions et dans le mme temps dvaluer la qualit du modle utilis (y
mod
)
[Vivier, 02].

Cette solution nest pas applicable dans le cas de plans saturs. Dans ces cas prcis,
certains auteurs ([Goupy, 96], [Droesbeke, 97], [Sapora, 90]) proposent la construction de la
variance rsiduelle partir des interactions dont les variances (carrs moyens) sont les plus
faibles ; leurs valeurs devant tre du mme ordre de grandeur.
3.10.3.3. Test de Fisher-Snedecor
Le test de Fisher-Snedecor permet de comparer 2 variances, par lutilisation de la loi
statistique de Fisher (loi F) [NF X 06-063, 87]. Celle-ci travaille sur le quotient de variance et
79
prend en compte le nombre de degrs de libert de chacune delles. Les variances concernes
doivent tre celles de variables alatoires suivant une distribution normale et variance
constante.

Pour effectuer ce test on calcule le ratio suivant pour le terme du modle considr
(facteur ou interaction) :

r
x
obs
CM
CM
F =
(2.32)

On compare ensuite cette valeur une valeur critique F
crit
extraite de la table de la loi F.
Si la valeur de F
obs
est infrieure celle de F
crit
, on considre la variance associe au facteur
ou linteraction (CM
x
) comme gale la variance rsiduelle (CM
r
). On dfinie ainsi
lhypothse H
0
, selon laquelle laffirmation prcdente est vraie. Si cest le cas, F
obs
est alors
une valeur observe dune variable F de Fisher-Snedecor, ddl
f
et ddl
r
degrs de libert.

Il est courant de rsumer les calculs raliss dans un tableau danalyse de variance dont la
structure est donne dans la table 12

Source de
variation
ddl
Somme des
carrs des
carts
Carrs moyens F
obs
F
crit
Conclusion
Facteur 1

Facteur k
ddl
1

ddl
k

SCE
1

SCE
k

CM
1
=SCE
1
/ddl
1

CM
k
=SCE
k
/ddl
k

CM
1
/CM
r

CM
k
/CM
r

Interaction
fg
ddl
fg

SCE
fg

CM
fg
=SCE
fg
/ddl
fg
CM
fg
/CM
r

F
1-/2
(ddl
x
;ddl
r
)
Source
influente ?
F
obs
>F
crit
?
Variation
rsiduelle
ddl
r
SCE
r
CM
r
=SCE
r
/ddl
r

Totaux ddl
t
SCE
t

Table 12 Tableau danalyse de variance
Ce tableau danalyse de variance est frquemment complt dune colonne indiquant pour
chaque lment du modle (facteurs et interactions) la probabilit P de rejeter tord
lhypothse H
0
qui qualifie de non significatif llment qui lui est associ.

Ces rsultats permettent donc de dterminer la significativit des facteurs et des
interactions. Dans le cas de non significativit, les termes concerns peuvent tre exclus du
modle. Il est alors prfrable de refaire une analyse de variance afin de sassurer que tous les
lments restants sont bien significatifs. En effet, il est noter quen supprimant des termes
du modle, on augmente la variance rsiduelle ce qui peut avoir pour consquence le rejet
dautre termes.

Cette opration est trs importante dans une tude de screening car en diminuant le
nombre de dimensions du problme, elle autorise lutilisation de dmarches coteuses et
gnralement dpendantes du nombre de facteurs : il sagit principalement dapplications de
la mthode des surfaces de rponses et des optimisations par plans dexpriences [Vivier, 02].

80
Les modles obtenus peuvent Le tableau danalyse de rgression permet dtablir
immdiatement le coefficient de dtermination partir de la relation 3.38 [Eriksson, 00] :

SCT
SCE
SCT
SCM
R
= = 1
2
(3.38)

Ce coefficient traduit la contribution du modle dans la restitution de la variation de la
rponse observe. Par dfinition, le coefficient de dtermination appartient lintervalle
[0 ; 1].

En prsence de plusieurs variables explicatives, ce qui est gnralement le cas dans
lanalyse des rsultats dessais provenant dun plan dexpriences, il faut imprativement
viter lutilisation du coefficient de dtermination R pour comparer la qualit descriptive de
diffrents modles. Il faut recourir lutilisation du coefficient de dtermination ajust R
ajust
.
Ce coefficient tient compte du nombre de coefficients prsents dans un modle et se calcul
partir de la relation (3.39) :

1
1
2
=
N
SCT
p N
SCE
Rajust
(3.39)

Plus la valeur du coefficient de dtermination est proche de 1 et plus les rponses
calcules par le modle sont proches de celles mesures lors de lexprimentation.
3.11. Analyse graphique du modle
Lanalyse graphique des rsultats dessais permet une restitution plus visuelle des rsultats
dessais et de leur analyse.
3.11.1. Trac des effets moyens
Leffet moyen dun facteur est dfinie comme tant la variation de la rponse observe ou
modlise lorsque le facteur change de modalit [Droesbeke, 97]. Le trac des effets moyens
des facteurs, comme prsent sur la figure 3, consiste reporter les valeurs calcules la
dernire ligne de la grille de dpouillement en regard de chacune des modalits des facteurs.
Pour chacun des facteurs, on relie par un trait les moyennes des rsultats dessais
correspondant chacune des modalits.

81

Fig 3. Exemple de trac des effets moyens
La reprsentation des effets par un segment de droite permettant de juger du signe et de
lamplitude de ces derniers est conventionnellement admise dans la littrature et dans la
majorit des logiciels. Il ne faut en aucun cas que cette reprsentation laisse suggrer une
quelconque interpolation entre les modalits des facteurs, que ces derniers soit quantitatifs ou
qualitatifs.

Leffet moyen dun facteur est dfini partir de la diffrence observe ou modlise dune
variable de rponse, lorsque ce facteur subit un changement de modalit. La grille de
dpouillement et le trac des effets moyens facilitent lestimation et la visualisation des effets
moyens. Le trac des effets moyens facilite la restitution de linformation. Cest un atout
incontestable de la dmarche mthodologique associe aux plans dexpriences.
3.11.2. Trac des interactions
Dans un systme complexe, les paramtres sont souvent coupls. La connaissance des
effets de chaque paramtre n'est pas suffisante pour pouvoir estimer une rponse. Il faut donc
une information sur linfluence de la variation de chacun des facteurs sur leffet des autres
facteurs. Cette notion, appele interaction, est reprsente graphiquement par la figure 4 :

Fig 4. Exemple de trac des interactions
82
Dans le premier compartiment de la figure 4, le remplacement de la modalit A1 par la
modalit A2 occasionne une diminution de la rponse observe, ceci indpendamment de la
modalit retenue pour le facteur B. Dun point de vue graphique, les effets rels sont
matrialiss par des droites parallles. Leffet moyen est gal aux effets rels : il y a absence
dinteraction.

Dans le deuxime compartiment de la figure 4, le remplacement de la modalit A1 par la
modalit A2 occasionne une diminution de la rponse observe, mais lamplitude des effets
rels dpend de la modalit retenue pour le facteur B. Ainsi, en adoptant la modalit B1, on
observe un effet gal -10, tandis quavec la modalit B2 on observe un effet gal -30. On
constate que la moyenne des effets rels correspond la valeur de leffet moyen. On est en
prsence dune interaction faible qui dun point de vue graphique, se traduit par des droites
faiblement non parallles. En pratique, la prsence dinteraction faible perturbe peu
ladditivit des effets moyens.

Dans le troisime compartiment de la figure 4, leffet moyen du facteur A nest pas
reprsentatif du signe et de lamplitude des effets rels. En adoptant la modalit B1, on
observe un effet gal +20, tandis quavec la modalit B2 on observe un effet gal -60. On
constate que la moyenne des effets rels correspond la valeur de leffet moyen, mais la seule
interprtation de ce dernier reprsenterait une source derreur pour les exprimentateurs. On
est en prsence dune interaction forte qui, dun point de vue graphique, se traduit par des
droites fortement non parallles. Les interactions fortes perturbent de manire importante
ladditivit des effets moyens.
3.11.3. Diagramme de Pareto
Il est possible de dcomposer la variation dune rponse partir des contributions
apportes par chacun des facteurs dans un modle partir de la relation suivante :

=
=
k
j
j
j
j
a
a
CTR
1
2
2

(2.34)

Avec :
CTR
j
la contribution du facteur j la variation de la rponse.
a
j
le coefficient du modle associ au facteur j,
k le nombre de facteurs de ltude.

Les contributions des facteurs sont alors ordonnes par ordre croissant puis reprsentes
sous forme de diagramme en btons associ une reprsentation cumulative tel que
reprsente figure 5 :

83
0
20
40
60
80
100
B D E F A C
Facteur
C
o
n
t
r
i
b
u
t
i
o
n

d
'
u
n

f
a
c
t
e
u
r

s
0
20
40
60
80
100
C
o
n
t
r
i
b
u
t
i
o
n

c
u
m
u
l
e

s

Fig 5. Exemple de diagramme de Pareto
Dans cet exemple, nous voyons que leffet des facteurs B, D et E est important et
contribue eux trois expliquer prs de 90% des variations de la rponse. En revanche, les
facteurs A et C ne semblent pas significatifs. Il est alors ncessaire de vrifier que ces facteurs
ne sont pas impliqus dans une interaction, si cela nest pas le cas, ces facteurs peuvent tre
supprims de ltude.
3.11.4. Graphe dadquation du modle
La construction du graphe dadquation du modle repose sur un nuage de points qui
matrialise en abscisse la variation de la rponse mesure et en ordonne la variation de la
rponse calcule partir du modle obtenu.

La reprsentation de la premire bissectrice permet de porter visuellement un jugement
sur lalignement des points : plus le nuage est proche de cette premire bissectrice, plus le
modle dcrit convenablement la variation des rsultats dessais. Le graphe dadquation
permet alors de traduire graphiquement la qualit descriptive R
ajust
du modle.
3.11.5. Diagramme des coefficients
Le diagramme des coefficients est obtenu directement partir des rsultats de lanalyse
mathmatique des rsultats dessais. Les estimations des coefficients des monmes du
premier degr traduisent les effets moyens des facteurs. Les estimations des coefficients des
monmes du second degr prsents dans le modle sont reprsentatives de la nature des
interactions.

On utilise un histogramme comme celui de la figure 6 pour reprsenter ces estimations.

84
-30
-25
-20
-15
-10
-5
0
5
10
15
20
A B C AB AC BC
Mnomes de degr 1 et 2
E
s
t
i
m
a
t
i
o
n

d
e
s

c
o
e
f
f
i
c
i
e
n
t
s

s

Fig 6. Exemple de diagramme des coefficients pour un plan 3 facteurs 2 modalits
Laxe horizontal prcise les diffrents termes du modle polynomial en distinguant les
monmes de degr 1 et les monmes de degr 2, respectivement reprsentatifs des effets
moyens et de la nature des interactions. Laxe vertical indique la valeur des estimations des
coefficients. On distingue alors immdiatement les effets moyens et les interactions
importants.

Dans cet exemple on remarque que les facteurs A et B semblent avoir un effet important,
en ce qui concerne les interactions, on peut suggrer que les interactions A*B et A*C sont
importantes.
3.12. Validation du modle et des informations obtenues
Enfin, la dernire tape dune tude de screening concerne la validation du modle qui est
primordiale afin de capitaliser, par la suite, les rsultats et les conclusions du plan
dexpriences.

La mise en uvre de la dmarche a conduit effectuer deux hypothses quil convient
maintenant de vrifier :

La premire hypothse porte sur le recourt un modle empirique dont
linterprtation doit permettre lutilisateur dapporter des lments de rponse aux
questions poses.
La deuxime hypothse porte sur lcriture particulire du modle mathmatique
sous forme additive.

Une validation exprimentale des hypothses doit toujours venir complter et enrichir une
analyse mathmatique et statistique du modle.

Cette validation passe par la dfinition de nouveaux traitements exprimentaux. Ces
derniers contribueront conforter linterprtation industrielle des premiers rsultats.
85
4. Application des mthodes de criblage
Nous avons, dans le paragraphe prcdent, prsent de manire thorique la dmarche
suivre lors dune tude de criblage par plan dexpriences. Cette dmarche par tape va
maintenant tre applique notre tude afin de limiter le nombre de facteurs prendre en
compte dans la modlisation des performances observes.

On utilise pour cette tude des modules IGBT du fabricant allemand Eupec frquemment
utiliss dans les onduleurs de tractions fabriqus par Alstom. La figure 7 prsente un IGBT
utilis pour cette tude :

Fig 7. IGBT 3,3 kV Eupec
Ces modules sont de technologie NPT (Non Punch Through) de calibre 3,3 kV et dont le
courant nominale est de 1200 A. On retrouve ces modules dans les onduleurs des RER, loco
Fret, et TGV premire gnration IGBT.
4.1. Dfinition des objectifs et des rponses
Le but de cette premire tude est destimer leffet des facteurs identifis comme
potentiellement influent par les experts IGBT dAlstom et didentifier ceux ayant une
influence statistiquement significative sur les performances observes. Les interactions seront
galement observes afin de complter lestimation des effets moyens des facteurs.

Comme nous lavons prcis dans le premier chapitre, les rponses observes dans ce
travail sont :

La surtension V, considre comme la valeur maximale de tension obtenue lors du
blocage de lIGBT mesure en V,
La vitesse de commutation dV/dt mesure en kV/s.

Ces performances sont observes lors du deuxime blocage dun test double impulsion,
test couramment utilis par les fabricants et les utilisateurs dIGBT. Pour effectuer ce type de
test, le signal envoy par la commande est programm pour avoir une forme telle que celle
prsent sur la figure 8 :

86

Fig 8. Signal envoy par la commande la grille du module IGBT
Lvolution de la tension et du courant aux bornes du module IGBT pendant ce test est
schmatise par la figure 9 :

Fig 9. Schmatisation des formes donde du courant et de la tension pendant lessai
Initialement, le signal envoy par la commande la grille du module IGBT est de -12V.
Pendant le premier pulse, dune dure t
1
, la commande envoie un signal de +15 V, lIGBT se
ferme (Amorage 1) et le courant se charge dans une inductance L
load
. Au bout du temps t
1
, le
signal de commande repasse au niveau bas (-12 V), lIGBT est bloqu, le courant devient nul
et la tension passe de 0 V au niveau de tension dlivre par lalimentation, cest le premier
blocage (Blocage 1). Lorsque le signal de commande repasse au niveau haut (+15 V) aprs un
temps t
2
rest -12 V, on assiste au deuxime amorage (Amorage 2), la tension chute et le
courant retrouve quasiment la valeur quil avait au moment du premier blocage. Ce courant va
alors continuer charger linductance pendant un temps t
3
, jusquau deuxime blocage
(Blocage 2). Cest lors de ce deuxime blocage que les rponses sont observes. Le courant
est alors au niveau souhait pour lobservation des performances. Ce courant repasse alors
0 A alors que la tension jusquici nulle atteint la valeur dlivre par lalimentation une
vitesse dV/dt et en passant par une surtension V. Les temps t
1
, t
2
et t
3
dpendent du couple
tension-courant dsir.

La figure 10 montre le blocage dun module IGBT sur lequel sont prcises les
performances observes, surtension et vitesse de commutation :

87

Fig 10. Blocage du module IGBT
La surtension est considre ici comme le pic de tension maximal atteint lors de la
commutation et la vitesse de commutation se mesure entre 60% et 100% de la tension
commute. Cette mesure du dV/dt est dfinie par le fournisseur et tend maximiser la vitesse
de commutation.
Ltape de dfinition des facteurs, ralise laide des experts IGBT dAlstom transport
de Smac, a permis didentifier 10 facteurs potentiellement influents sur les rponses
observes. On retrouve ces facteurs sur le schma lectrique du montage donn figure 11 :

Fig 11. Schma lectrique du montage
Des facteurs de 3 natures diffrentes ont t identifis :

Les facteurs lis aux conditions de fonctionnement :
o La tension commute U,
o Le courant commut I,
o La temprature de fonctionnement TC.
Les facteurs lis au module IGBT (caractristiques intrinsques) :
o La chute de tension aux bornes de lIGBT Vcesat,
o La chute de tension aux bornes de la diode Vf,
88
o Le courant de fuite Ices.
Les facteurs lis aux paramtres de conception :
o Linductance de boucle Lcom due la connectique entre la capacit et le module
IGBT,
o Linductance grille-emetteur Lge, due la connectique entre le module IGBT et
lallumeur,
o La rsistance Rg
off
prsente sur lallumeur.
o Le temps t
on
pendant lequel lIGBT est passant avant son blocage.

Le choix a t fait, dans un premier temps, de dissocier ces 10 facteurs en deux groupes.
Un premier groupe concerne les facteurs lis aux conditions de fonctionnement et au module
IGBT (ces caractristiques intrinsques). Un second groupe de facteur se compose des
paramtres lis aux paramtres de conception.

Une tude de criblage est effectue indpendamment sur ces deux groupes de facteurs.
Ceci nous permet dviter les contraintes relationnelles prsentes entre certains facteurs de ces
deux groupes comme par exemple entre la tension, le courant et linductance Lcom. Ces
contraintes seront dfinies dans le chapitre 3 lors de la dfinition du domaine exprimental.

En ce qui concerne les facteurs lis aux conditions de fonctionnement (tension et courant
commuts, temprature de fonctionnement), lavis des experts, a priori, est quils sont tous les
trois influents sur les rponses mais ne savent pas en quelle mesure ni sil existe des
interactions entre certains de ces facteurs. De plus, la dfinition donne la surtension dans
notre tude tend supposer un effet prpondrant de la tension sur cette dernire. En ce qui
concerne les caractristiques statiques intrinsques chacun des modules IGBT, il est
intressant de connatre leurs effets, sils existent, sur les performances dynamiques des
modules. Un premier plan de criblage concernera donc ces 6 facteurs (3 conditions de
fonctionnement et 3 caractristiques statiques).

En ce qui concerne les facteurs lis aux paramtres de conception, lobjectif est
classiquement didentifier les facteurs et les interactions influentes sur les rponses. Un
second plan de criblage concernera ces quatre facteurs.

Dans un premier temps ltude de criblage portant sur les facteurs lis aux conditions de
fonctionnement et les caractristiques statiques sera prsente. Ensuite les tapes seront
redfinies partir de ce point en sintressant au plan de criblage utilisant les facteurs lis aux
paramtres de conception.
4.3. Plan 1 (U, I, T, caractristiques statiques)
Lobjectif est ici didentifier les facteurs ayant une influence statistiquement significative
sur les rponses observes afin dliminer les autres et minimiser ainsi le nombre de
coefficients identifier dans les modles traduisant ces rponses.

Cette premire tude de criblage cherche mesurer les effets des facteurs et des interactions
sur la surtension et la vitesse de commutation en considrant les 6 facteurs suivants :

Tension commute (U),
Courant commut (I),
89
Temprature de fonctionnement (TC),
Caractristiques statiques :
o Chute de tension aux bornes de lIGBT (Vcesat),
o Chute de tension aux bornes de la diode (Vf),
o Courant de fuite (Ices).

Sil est relativement ais de faire varier les niveaux de U, I ou TC, il est plus compliqu
de faire varier les caractristiques statiques des modules tests. En effet, ces caractristiques
tant intrinsques chacun des modules, le seul moyen de les faire varier est dutiliser
diffrents modules.

Le choix des modules fera suite une analyse succincte des distributions statistiques des
caractristiques statiques Vcesat, Vf et Ices intrinsques chacun des modules.
4.3.1. Etude des tendues statistiques des caractristiques statiques
Lobjectif de cette tude est dobserver les distributions statistiques des caractristiques
statiques intrinsques aux modules IGBT afin de choisir les modules sur lesquelles raliser le
premier plan de criblage. Il est dautant plus facile de mesurer leffet dun paramtre lorsque
les modalits quil prend sont distinctes. Nous nous intresserons donc plus particulirement
aux bornes de ces distributions et aux modules possdant ces caractristiques extrmes.

Pour cela, nous disposons des mesures du fabricant ralises 25C et 125C sur un
chantillon de 223 modules. Les tendues des distributions statistiques sont rsumes dans la
table 13 :

A 25C A 125C

Vcesat (V) Vf (V) Ices (mA) Vcesat (V) Vf (V) Ices (mA)
Minimum 3,484 2,485 0,003 4,285 2,569 4
Maximum 3,661 3,091 0,296 4,579 2,993 49,34
Table 13 Bornes des distributions des caractristiques statiques de 223 modules IGBT
Ne disposant pas de ces 223 modules mais de 30 seulement, nous avons observ ces
mmes caractristiques sur notre chantillon ce qui donne les rsultats fournis dans la table
14 :

A 25C A 125C

Vcesat (V) Vf (V) Ices (mA) Vcesat (V) Vf (V) Ices (mA)
Minimum 3,484 2,779 0,005 4,285 2,778 4
Maximum 3,661 3,091 0,081 4,579 2,993 34
Table 14 Bornes des distributions des caractristiques statiques des 30 modules IGBT
Nous constatons donc que, malgr un lger manque au niveau des faibles valeurs de Vf et
des valeurs leves dIces, notre chantillon reprsente convenablement la population de ces
modules IGBT du point de vue des bornes des distributions. Nous pourrons donc choisir les
modules tester parmi ces 30 packs.

90
Afin de mesurer leffet des caractristiques statiques sur les rponses observes dans notre
tude, il est ncessaire de disposer de modules possdant des caractristiques statiques
proches de ces bornes. Mathmatiquement, cela ncessite un lot de 6 modules tester (2
modules pour chacune des trois caractristiques). Cependant, la prsence de corrlations entre
certaines de ces caractristiques pourrait limiter ce nombre.

Nous nous sommes donc intresss la prsence possible de corrlations entre les
caractristiques statiques des modules IGBT. La seule corrlation ayant un sens physique est
celle pouvant tre au niveau de lIGBT entre la chute de tension Vcesat et le courant de fuite
Ices, les autres corrlations nayant pas de sens physique (par exemple, une corrlation entre
les chute de tension aux bornes de IGBT et des diode ne peut pas tre relle).

En utilisant le r de Pearson dfini ci-dessous, nous avons observ les corrlations aux deux
tempratures fournies par le fournisseur.

y x
xy
xy
s s
s
r = (2.36)

O :
S
xy
dsigne la covariance entre les variables x et y,
S
x
et S
y
dsignent les cart-types des variables x et y.

Ces tests fournis en annexe 2 nous ont permis didentifier une corrlation 125C entre la
chute de tension (Vcesat) et le courant de fuite (Ices) aux bornes de lIGBT.

Cette corrlation peut sexpliquer grce la physique du composant. En effet ces deux
caractristiques dpendent dun mme lment savoir la couche N
-
de la puce silicium. De
plus cette dpendance est accentue haute temprature cest pourquoi cette observation se
fait 125C et non 25C.

Six modules IGBT ont donc t slectionns pour leurs caractristiques statiques 25C
et quatre modules pour leurs caractristiques 125C. Ces paramtres intrinsques chacun
de ces modules sont donns dans les tables 15 et 16. Les caractristiques dterminantes pour
le choix de ces modules sont soulignes dans les tables, il sagit des bornes des distributions
statistiques de ces paramtres.

IGBT. Vcesat Vf Ices
1-25C 3,484 V 3,008V 0,024 mA
2-25C 3,661 V 3,077 V 0,027 mA
3-25C 3,565 V 2,779 V 0,025 mA
4-25C 3,620 V 3,091 V 0,016 mA
5-25C 3,598 V 2,932 V 0,005 mA
6-25C 3,573 V 2,989 V 0,081 mA
Table 15 Modules IGBT utiliss 25C

91
IGBT Vcesat Vf Ices
1-125C 4,285 V 2,914 V 4 mA
2-125C 4,579 V 2,951 V 34 mA
3-125C 4,409 V 2,778 V 10 mA
4-125C 4,475 V 2,993 V 19 mA
Table 16 Modules IGBT utiliss 125C

Nous verrons par la suite que les niveaux de tempratures utiliss dans ce plan sont -40C,
25C et 125C. Si les valeurs des caractristiques statiques sont connues 25C et 125C,
elles ne le sont pas -40C et leur mesure nous est impossible avec les moyens dont nous
disposons.

En observant les valeurs des caractristiques statiques 125C en fonction de celles
25C, nous pouvons supposer la prsence dun effet homogne, ou non, de la temprature sur
ces paramtres. Ces diagrammes sont donns en figure 12, 13 et 14 :

4,250
4,300
4,350
4,400
4,450
4,500
4,550
4,600
3,460 3,480 3,500 3,520 3,540 3,560 3,580 3,600 3,620 3,640 3,660 3,680
Vcesat 25C (V)
V
c
e
s
a
t

1
2
5
C

(
V
)

s

Fig 12. Effet de la temprature sur Vcesat
2,500
2,550
2,600
2,650
2,700
2,750
2,800
2,850
2,900
2,950
3,000
3,050
2,400 2,500 2,600 2,700 2,800 2,900 3,000 3,100 3,200
Vf 25C
V
f

1
2
5
C

s

Fig 13. Effet de la temprature sur Vf
92
0
10
20
30
40
50
60
0,000 0,050 0,100 0,150 0,200 0,250 0,300 0,350
Ices 25C
I
c
e
s

1
2
5
C

s

Fig 14. Effet de la temprature sur Ices
Aux vues des rsultats fournis en figure 12 et 13, il semble que la temprature ait un effet
homogne sur la chute de tension aux bornes de lIGBT (Vcesat) et de la diode (Vf). En
revanche, en ce qui concerne le courant de fuite, la temprature a une influence diffrente
selon les modules comme nous le montre la figure 14.

De ce constat, nous pouvons donc mettre lhypothse qu -40C, les modules possdant
des valeurs limites de Vcesat ou Vf sont les mmes que ceux en possdant 25C. Les
modules IGBT tests -40C sont donc les mmes que ceux utiliss pour les tests 25C
possdant des valeurs extrmes de Vcesat et Vf. En revanche, aucune hypothse nest faite
concernant les module possdant des valeur extrme de courant de fuite Ices -40C.

Nous avons donc identifi un lot de 4 modules pour les essais -40C, un lot de 6
modules pour les essais 25C et un lot de 4 modules pour les tests 125C.
4.3.2. Dfinition du domaine exprimental
Le domaine exprimental est constitu de lensemble des combinaisons de facteurs quil
est possible de raliser. Dans notre cas, nous tudions 6 facteurs pourvus dun nombre
diffrent de modalits. La table 17 rsume les diffrentes modalits des facteurs. Dans un
souci de simplification, les 3 caractristiques statiques sont runies en un mme facteur
nomm IGBT.

Facteurs Modalits
Tension U 500V ; 2400V
Courant I 600A ; 1200A ; 2400A
Temprature TC -40C ; 25C ; 125C
IGBT 4 6 modules suivant la temprature
Table 17 Facteurs et modalits associes
Le domaine exprimental peut tre reprsent travers la schmatisation de la figure 15, il
est compos de 84 traitements exprimentaux :
93

Fig 15. Illustration du domaine exprimental
4.3.3. Dfinition du modle empirique
Nous avons vu dans la partie thorique de ce chapitre que les modles associs aux tudes
de criblage sont des modles additifs. Nous souhaitons affiner la connaissance des effets
moyens des facteurs pris en considration par le calcul des interactions prsentes entre ces
facteurs et viter ainsi le phnomne daliase. En ne considrant pas les interactions dans les
modles, les effets calculs pour chaque facteur seraient en ralit la combinaison de ce
dernier et de certaines interactions. Par exemple, en considrant un modle sans interaction,
leffet calcul pour la tension regrouperait en ralit leffet de la tension et leffet de
linteraction entre le courant et la temprature. On dit alors que la tension est aliase
linteraction courant-temprature.

Les modles que nous recherchons sont donc de la forme :

IT UT UI T I U
W W W W W W cst Y + + + + + + =
(2.37)

Dans lesquels :
Y reprsente la rponse observe (surtension ou vitesse de commutation),
W
i
est le poids du facteur i,
W
ij
est le poids de linteraction entre les facteurs i et j.

On remarque dans ces modles labsence des caractristiques statiques intrinsques aux
modules. En effet, lobservation de leffet de ces paramtres et des interactions les mettant en
jeu devra se faire graphiquement dans un premier temps. Pour cela, les rsultats en chaque
point seront observs en fonction des valeurs des caractristiques Vcesat, Vf et Ices des
modules utiliss. Si une tendance est observe, une tude plus approfondie sera effectue afin
destimer avec prcision leffet de la/les caractristique(s) statique(s) prsentant une influence
sur la/les rponse(s).

Les facteurs courant (I) et temprature (TC) possdent chacun trois modalits alors que la
tension nen possde que deux. Le nombre total dinconnues du modle est donc :

94
14 4 2 2 2 2 1 1 ) 1 )( 1 ( ) 1 ( 1
1
1 1 1
= + + + + + + = + + =

= + = =
k
i
k
i j
j i
k
i
i
m m m p
(2.38)

m
i
dsigne ici le nombre de modalit du facteur i et k le nombre de facteurs.

Le modle possde 14 inconnues dterminer. Ces 14 coefficients permettent de
connatre leffet de la tension, du courant, de la temprature et des interactions entre ces
facteurs sur la surtension et la vitesse de commutation. Leffet des caractristiques statique
sera identifi graphiquement.
4.3.4. Construction du plan dexpriences
Nos modles possdent 14 inconnues et ncessitent donc au moins 14 traitements
exprimentaux. Nous avons choisi de raliser les 18 (=3x3x2) expriences du plan complet
pour dterminer les coefficients des modles. Ces 18 traitements exprimentaux seront
raliss sur les groupes de 4 6 IGBT afin de visualiser les effets des caractristiques
statiques.

La matrice dexpriences est donc celle fournie dans la table 18 :

Essai U I TC
1 500 600 -40
2 2400 600 -40
3 500 1200 -40
4 2400 1200 -40
5 500 2400 -40
6 2400 2400 -40
7 500 600 25
8 2400 600 25
9 500 1200 25
10 2400 1200 25
11 500 2400 25
12 2400 2400 25
13 500 600 125
14 2400 600 125
15 500 1200 125
16 2400 1200 125
17 500 2400 125
18 2400 2400 125
Table 18 Matrice dexprience
Le codage de cette matrice se fait grce la relation de codage donne en 3.3.2 et donne la
matrice du modle X de la table 19 :
95

Essai X
0
U I
1
I
2
T
1
T
2
U*I
1
U*I
2
U*T
1
U*T
2
I
1
*T
1
I
1
*T
2
I
2
*T
1
I
2
*T
2

1 1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1
2 1 1 -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1
3 1 -1 1 0 -1 -1 -1 0 1 1 -1 -1 0 0
4 1 1 1 0 -1 -1 1 0 -1 -1 -1 -1 0 0
5 1 -1 0 1 -1 -1 0 -1 1 1 0 0 -1 -1
6 1 1 0 1 -1 -1 0 1 -1 -1 0 0 -1 -1
7 1 -1 -1 -1 1 0 1 1 -1 0 -1 0 -1 0
8 1 1 -1 -1 1 0 -1 -1 1 0 -1 0 -1 0
9 1 -1 1 0 1 0 -1 0 -1 0 1 0 0 0
10 1 1 1 0 1 0 1 0 1 0 1 0 0 0
11 1 -1 0 1 1 0 0 -1 -1 0 0 0 1 0
12 1 1 0 1 1 0 0 1 1 0 0 0 1 0
13 1 -1 -1 -1 0 1 1 1 0 -1 0 -1 0 -1
14 1 1 -1 -1 0 1 -1 -1 0 1 0 -1 0 -1
15 1 -1 1 0 0 1 -1 0 0 -1 0 1 0 0
16 1 1 1 0 0 1 1 0 0 1 0 1 0 0
17 1 -1 0 1 0 1 0 -1 0 -1 0 0 0 1
18 1 1 0 1 0 1 0 1 0 1 0 0 0 1
Table 19 Matrice du modle X
On retrouve dans cette matrice la colonne X
0
attribu la constante du modle et
compose exclusivement de 1, les 5 colonnes associes aux facteurs et les 8 colonnes associs
aux interactions entre les facteurs. On obtient les colonnes associes aux interactions en
multipliant les colonnes des facteurs utiliss dans linteraction. La matrice comporte donc 14
colonnes associes aux 14 inconnues du modle.
4.3.5. Exprimentation
La temprature pour les essais 1 6 est fixe -40C, ces essais sont raliss sur 4
modules IGBT. Pour obtenir cette temprature sans recourir une tuve, non disponible lors
de cette tude de criblage, nous avons utilis une centrale air. Les modules IGBT sont alors
fixs sur une semelle usine sur laquelle est branch la centrale air et qui permet un
refroidissement des modules par une lame dair qui vient lcher la semelle AlSiC des modules
IGBT tests. La semelle utilise est prsente en figure 16 :

Fig 16. Semelle usine pour essais froid
96
Les essais 25C sont raliss sur 6 modules IGBT et les essais 125C sur un lot de 4
modules IGBT. On utilise une plaque chauffante pour les essais 125C.

Pour les essais raliss -40C et 125C, un temps de mise en temprature de 2h a t
respect. Le dispositif exprimental est prsent en figure 17 :

Fig 17. Banc de test utilis
Lors des essais, il existe trois sources derreurs :

Le dispositif de prise de mesure, soit ici loscilloscope TDS 5054B et la sonde de
tension P5210 tous deux de la marque Tektronix,
Lexprimentateur,
Les conditions dessai (comme par exemple la temprature).

Le dispositif de mesure reste inchang tout comme lexprimentateur, en revanche, en ce
qui concerne les conditions dessais, celles-ci varient de faon volontaire. Lerreur de mesure
va donc changer selon lessai ralis.

Pour palier ce phnomne et avoir une ide des dispersions des rsultats en chacun des
points dessai, chacune des expriences du plan complet t rpte trois fois pour chaque
module IGBT. Lcart observ entre les valeurs maximale et minimale obtenues lors de ces
trois rptitions est associ au dispositif de mesure.
4.3.6. Analyse globale des rsultats dessais
Les rsultats dessais pour la surtension et la vitesse de commutation sont prsents
respectivement dans les tables 20 et 21.

Lanalyse de ces rsultats va permettre de calculer les coefficients des modles recherchs
et surtout didentifier les facteurs ne prsentant pas dinfluence significative sur les rponses
mesures et qui, par consquent, pourront tre supprims de notre tude.

97
Essai U I TC Vcesat faible Vcesat fort Vf faible Vf fort Ices faible Ices fort
1 500 600 -40 765 773 770 758
2 2400 600 -40 2754 2753 2762 2768
3 500 1200 -40 901 893 896 893
4 2400 1200 -40 2922 2927 2921 2907
5 500 2400 -40 1007 1014 1018 1018
6 2400 2400 -40 3087 3063 3053 3061
7 500 600 25 770 766 769 755 766 768
8 2400 600 25 2776 2781 2780 2780 2781 2776
9 500 1200 25 880 885 888 883 889 883
10 2400 1200 25 2959 2967 2962 2948 2949 2943
11 500 2400 25 1013 1008 1026 1016 1019 1025
12 2400 2400 25 3107 3098 3100 3093 3109 3082
13 500 600 125 716 723 714 716 716 723
14 2400 600 125 2827 2802 2808 2808 2827 2802
15 500 1200 125 823 834 819 825 823 834
16 2400 1200 125 3000 3033 3001 3020 3000 3033
17 500 2400 125 954 944 933 942 954 944
18 2400 2400 125 3160 3147 3135 3141 3160 3147
Table 20 Rsultats obtenus en surtension
Essai U I TC Vcesat faible Vcesat fort Vf faible Vf fort Ices faible Ices fort
1 500 600 -40 1,387 1,450 1,409 1,412
2 2400 600 -40 2,954 2,998 2,961 3,020
3 500 1200 -40 1,389 1,388 1,430 1,473
4 2400 1200 -40 2,994 3,070 3,041 3,083
5 500 2400 -40 1,340 1,378 1,373 1,383
6 2400 2400 -40 3,185 3,267 3,259 3,280
7 500 600 25 1,321 1,318 1,367 1,279 1,339 1,334
8 2400 600 25 2,853 2,911 2,902 2,904 2,949 2,924
9 500 1200 25 1,294 1,298 1,316 1,343 1,367 1,286
10 2400 1200 25 2,941 2,997 2,962 2,993 3,009 3,029
11 500 2400 25 1,215 1,269 1,269 1,313 1,295 1,320
12 2400 2400 25 3,080 3,112 3,105 3,116 3,144 3,085
13 500 600 125 1,092 1,221 1,125 1,144 1,092 1,221
14 2400 600 125 2,728 2,732 2,750 2,736 2,728 2,732
15 500 1200 125 1,114 1,225 1,189 1,195 1,114 1,225
16 2400 1200 125 2,816 2,817 2,830 2,796 2,816 2,817
17 500 2400 125 1,190 1,217 1,174 1,180 1,190 1,217
18 2400 2400 125 2,837 2,859 2,796 2,871 2,837 2,859
Table 21 Rsultats obtenus en vitesse de commutation
On remarque dans ces tableaux que les rsultats obtenus 125C pour les valeurs faibles
et fortes dIces sont les mmes que celles obtenues pour les valeurs faibles et fortes de Vcesat.
En effet nous avons vu au paragraphe 4.3.1 quune corrlation a lieu entre ces deux
caractristiques 125C. En ralit, seulement 4 modules ont t tests.

Il est alors possible pour chacun des essais dobserver les rsultats en fonction de la valeur
des caractristiques statiques des modules utiliss. Par exemple, les rsultats de lessai 10 en
fonction de la chute de tension aux bornes de la diode (Vf) donne le tableau 22 :

98
IGBT 1 2 3 4 5 6
Essai 10
Vf 2,779V 2,932V 2,989V 3,008V 3,077V 3,091V
Surtension
(V)
2962 2949 2943 2967 2959 2948 Tension
Courant
Temprature
2400V
1200A
25C
dV/dt
(kV/s)
2,962 3,009 3,029 2,941 2,997 2,993
Table 22 Rsultats de lessai 10 pour diffrentes valeurs de Vf
Lessai 10, utilis pour cet exemple est ralis 25C, 6 modules IGBT sont donc tests et
chacun de ces modules possde sa propre valeur de chute de tension aux bornes de la diode
Vf. Nous pouvons donc observer graphiquement sur la figure 18 leffet de la chute de tension
aux bornes de la diode sur la surtension et la vitesse de commutation.

2940
2945
2950
2955
2960
2965
2970
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
2,930
2,940
2,950
2,960
2,970
2,980
2,990
3,000
3,010
3,020
3,030
3,040
d
V
/
d
t

s
Surtension
dV/dt

Fig 18. Rponses obtenues pour diffrentes valeurs de Vf
A premire vue on ne remarque aucune tendance indiquant une quelconque influence de la
chute de tension aux bornes de la diode sur lune ou lautre des rponses observes.

On note la faible disparit des rsultats, infrieur 1% pour la surtension et 3% pour la
vitesse de commutation. Ces carts peuvent tre associs lerreur exprimentale lie au
dispositif de mesure.

Ce constat tant gnral lensemble des points et sur les trois caractristiques statiques,
comme peut le voir le lecteur en se rfrant lannexe 3, nous avons conclu labsence
deffet des caractristiques statiques sur la surtension ou la vitesse de commutation. Ces 3
facteurs peuvent dores et dj tre supprim de ltude.

La suite de lanalyse sera donc ralise sur les rsultats obtenus pour les 4 6 rptitions
suivant la temprature (4 rptitions -40C et 125C, 6 rptitions 25C).
99
4.3.7. Analyse mathmatique des rsultats dessais
La mthode des moindres carrs permet dobtenir les coefficients des modles fournis
dans la table 23 :

Surtension dV/dt
Cste 1909,8305 2,1294
W
U
1039,7746 0,835
W
I1
5,7322 -0,0011
W
I2
137,6975 0,0439
W
T1
6,7672 0,0272
W
T2
-0,4727 -0,1444
W
U*I1
7,173 -0,0133
W
U*I2
15,9173 0,0583
W
U*T1
-12,5087 0,0117
W
U*T2
40,9818 -0,0233
W
I1*T1
-2,6405 -0,0006
W
I1*T2
4,3792 0,0111
W
I2*T1
3,629 -0,0056
W
I2*T2
-2,5655 -0,0139
Table 23 Poids des lments des modles
La constante du modle reprsente la valeur moyenne des rsultats mesurs. On remarque
limportance du poids de la tension dans le modle de surtension ce qui tait prvisible tant
donn la dfinition donne ici la surtension. Le poids de certains termes des modles est
faible, par exemple le poids des termes lis linteraction entre le courant et la temprature
sur la vitesse de commutation. Pour statuer quant au caractre significatif des termes dans ces
deux modles, une analyse statistique est ncessaire.
4.3.8. Analyse statistique du modle,
Une analyse de variance effectue sur les rsultats dessais permet didentifier les
lments statistiquement significatifs dans les modles. Leffet des caractristiques
intrinsques aux modules IGBT ntant pas significatif sur les rponses observes, nous
considrons pour lanalyse des modles 4 rptitions pour les essais raliss -40C et 125C
et 6 rptitions pour ceux raliss 25C. Ces rptitions tant associes aux diffrents
modules utiliss aux diffrentes tempratures. Dans ces conditions nous obtenons pour la
surtension, lanalyse de variance prsente dans la table 24 :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
U 90503146 1 90503146 903699,20 5,25 influent 1,242E-143
I 1112857,5 2 556428,73 5556,10 3,89 influent 7,585E-76
TC 2526,4 2 1263,21 12,61 3,89 influent 0,002
U*I 22645,6 2 11322,78 113,06 3,89 influent 1,193E-20
U*TC 65130,2 2 32565,08 325,17 3,89 influent 3,669E-34
I*TC 569,8 4 142,45 1,42 2,97 non influent 23,56
Rsidu 7010,3 70 100,15
Total 91713886 83
Table 24 Analyse de variance sur la surtension
100
Daprs cette analyse de variance, leffet de linteraction entre le courant I et la
temprature TC nest pas significatif. On vrifie, travers la table 25, quen supprimant cet
lment du modle on ne trouve que des lments influents :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
U 90503146,3 1 90503146,35 883525,50 5,23 influent 1,306E-150
I 1112857,5 2 556428,73 5432,06 3,88 influent 5,256E-79
TC 2526,4 2 1263,21 12,33 3,88 influent 0,00238
U*I 22645,6 2 11322,78 110,54 3,88 influent 5,944E-21
U*TC 65130,2 2 32565,08 317,91 3,88 influent 4,666E-35
Rsidu 7580,1 74 102,43
Total 91713886,1 83
Table 25 Vrification de lanalyse de variance sur la surtension
Les lments influents dans le modle de surtension sont donc la tension U, le courant I, la
temprature TC, linteraction entre U et I ainsi que celle entre U et TC.

Le modle additif faisant intervenir le poids des facteurs et des interactions influentes
scrit donc :

2 1 2
1 2 1 2 1 max
* 98 , 40 * 51 , 12 * 92 , 15
* 17 , 7 47 , 0 77 , 6 7 , 137 73 , 5 77 , 1039 1910
T U T U I U
I U T T I I U U
+ +
+ + + + + =
(2.39)

On retrouve dans ce modle les lments jugs influents sur les variations de la surtension
ainsi que leur coefficient associ, calculs par la mthode des moindres carrs au paragraphe
4.3.7. Les valeurs des lments influents utiliss dans ce modle (U, I
1
,, U*T
2
) proviennent
de la matrice du modle, ce sont donc des valeurs codes et centres rduites.

Le coefficient de dtermination R
ajust
indique le pourcentage de variation de la rponse
expliqu par le modle. La qualit descriptive associe ce modle est indique en (2.40).

918 , 99
2
=
ajust
R %
(2.40)

La mme dmarche ralise sur la vitesse de commutation fournie en annexe 4 nous
amne considrer linteraction entre la courant et la temprature comme non influente et
obtenir le modle suivant :

2 1 2
1 2 1 2 1
* 023 , 0 * 012 , 0 * 058 , 0
* 013 , 0 144 , 0 027 , 0 044 , 0 001 , 0 835 , 0 129 , 2 /
T U T U I U
I U T T I I U dt dV
+ +
+ + + =
(2.41)

La qualit descriptive associe ce modle est :

79 , 99
2
=
ajust
R %
(2.42)

Les valeurs de R
ajust
sont proche de 100% et traduise donc la bonne qualit descriptive
des modles.

101
Remarque : Pour cette tude nous nous contenterons des rsultats de lanalyse statistique par
analyse de variance. En effet, la quasi-totalit des lments des modles tant influents,
lhypothse sur laquelle repose lanalyse par la droite de Daniel ou la mthode de Lenth qui
stipule que 80% des variations de la rponse est attribu 20% des facteurs nest pas
respecte.
4.3.9. Analyse graphique des rsultats
Les effets des facteurs U, I et TC sur la surtension peuvent tre reprsents de manire
graphique comme sur la figure 19 :

0
500
1000
1500
2000
2500
3000
3500
U=500V U=2400V I=600A I=1200A I=2400A TC=-40C TC=25C TC=125C
Tension Courant Temprature
S
u
r
t
e
n
s
i
o
n

s

Fig 19. Effet des facteurs U, I et TC sur la surtension
Rappelons que les pointills entre les points de mesure ne supposent en aucun cas une
volution linaire de la rponse entre les diffrentes modalits mais servent uniquement
faciliter la lecture du graphique.

La tension est le facteur ayant le plus dinfluence sur la surtension comme le montre la
figure 19. Ce phnomne se comprend aisment puisque la surtension observe dans cette
tude est dfinie comme la tension maximale atteinte lors de la commutation. Il est donc
normal que la valeur de la tension commute ait sur elle un effet prpondrant. La
temprature semble ne pas avoir dinfluence sur cette visualisation graphique des effets des
facteurs sur la surtension, cependant, lanalyse de variance effectue au paragraphe 4.3.8 a
permis de juger ce facteur comme influent. Lanalyse graphique des rsultats ne semble donc
pas tre la plus adquate pour juger de linfluence dun facteur.

Les effets des facteurs U, I et TC sur la vitesse de commutation sont reprsents de
manire graphique sur la figure 20 :

102
0
0,5
1
1,5
2
2,5
3
3,5
U=500V U=2400V I=600A I=1200V I=2400A TC=-40C TC=25C TC=125C
Tension Courant Temprature
d
V
/
d
t

.

Fig 20. Effet des facteurs U, I et TC sur la vitesse de commutation
La tension est galement le facteur ayant le plus dinfluence sur la vitesse de
commutation. Ce phnomne est dautant plus marqu sur le diagramme de Pareto de la
figure 21 :

0
20
40
60
80
100
U TC U*I I U*I*T U*T I*T
Facteurs
C
o
n
t
r
i
b
u
t
i
o
n

d
e

c
h
a
q
u
e

f
a
c
t
e
u
r

s
0
20
40
60
80
100
C
o
n
t
r
i
b
u
t
i
o
n

c
u
m
u
l
e

s

Fig 21. Diagramme de Pareto pour la vitesse de commutation
Daprs lanalyse de variance, linteraction entre U et TC est celle dont leffet est le plus
important sur la surtension car elle possde la valeur de F
obs
la plus leve. Graphiquement
elle se reprsente par la figure 22 :

103
0
500
1000
1500
2000
2500
3000
3500
TC=-40C TC=25C TC=125C
S
u
r
t
e
n
s
i
o
n

s
U=500V
U=2400V

Fig 22. Interaction entre U et TC sur la surtension
Linteraction est faible mais son poids a cependant t jug significatif par lanalyse de
variance.

Linteraction prsente entre U et I est celle juge la plus influente sur la vitesse de
commutation, sa reprsentation graphique est donne en figure 23 :

1,2
1,4
1,6
1,8
2
2,2
2,4
2,6
2,8
3
I=600A I=1200A I=2400A
d
V
/
d
t

s
U=500V
U=2400V

Fig 23. Interaction entre U et I sur la vitesse de commutation
Lanalyse graphique permet dobserver les tendances sur les rponses observes.
Cependant il est dangereux de conclure la significativit des lments du modle partir de
ces tendances. En effet, comme cest le cas ici, certains facteurs ou interactions semblent ne
pas avoir deffet sur la rponse dun point de vu graphique mais sont jugs influents par une
analyse de variance.
104
4.3.10. Rsultats du plan 1
Dans cette tude nous avons pris en considration 6 facteurs, soit dans la construction
dun plan factoriel complet soit dans la rptition de ce plan sur plusieurs produits. Ceci nous
a permis didentifier les facteurs influents et surtout dliminer les facteurs ne prsentant pas
un effet statistiquement significatif sur les rponses observes.

La prise en compte des interactions au sein des modles a permis dviter le phnomne
daliase. Ce phnomne fausse le jugement apport par lanalyse statistique sur le caractre
significatif ou non dun facteur et peut amener supprimer un facteur influent sur les
variations de la rponse.

Les facteurs tension, courant et temprature ont donc t jugs influents et seront donc
prsents dans la construction du plan dexpriences visant modliser la surtension et la
vitesse de commutation au chapitre suivant. En revanche, les caractristiques statiques,
intrinsques chaque module IGBT ne prsentent pas un effet significatif sur les
performances dynamiques observes dans cette tude.

Afin de complter la liste des facteurs influents prsents dans la mise en place du plan
dexpriences pour ltude de surface de rponse, qui sera prsent dans le chapitre suivant,
une tude de criblage portant sur les 4 facteurs relatifs aux paramtres de conception a t
ralise et est expose dans le paragraphe 4.4.
4.4. Plan 2 (Lcom, Lge, Rgoff, t
on
)
Lobjectif est de nouveau didentifier les facteurs ayant une influence statistiquement
significative sur les rponses observes afin dliminer les autres et ainsi minimiser le nombre
de coefficients dterminer dans les modles traduisant ces rponses.

Ce deuxime plan de criblage cherche identifier les lments influents parmi 4 facteurs.
Ces 4 facteurs, lis aux paramtres de conception de londuleur, sont :

Linductance de boucle Lcom due la connectique entre la capacit et le module
IGBT,
Linductance prsente entre la grille et lmetteur Lge, due au cble reliant la grille
du module IGBT lallumeur,
La rsistance Rg
off
Le temps t
on
pendant lequel lIGBT est passant avant son blocage.

La figure 24 prsente le montage utilis sur lequel nous retrouvons les lments associs
aux 4 facteurs pris en compte dans ce plan de criblage.

105

Fig 24. Montage utilis pour le second plan de criblage
La connectique de type busbar est associe linductance de boucle du montage appel
Lcom. Pour faire augmenter sa valeur nous insrons des ptes de cuivre, telles que celle
prsent sur la figure 25, entre la capacit et le busbar.

Fig 25. Ptes de cuivre utilises pour augmenter linductance Lcom
La longueur du cble de commande reliant lallumeur la commande du module IGBT est
lie linductance entre la grille et lmetteur Lge. Pour observer son effet sur la surtension et
la vitesse de commutation nous avons utilis les deux cbles, de longueur diffrente, prsents
en figure 26.

Fig 26. Cbles de commande utiliss
La rsistance de grille Rg
off
est intgre lallumeur. Diffrents allumeurs possdant des
rsistances Rg
off
de diffrentes valeurs ont t utiliss dans cette tude.
106
Le temps t
on
est obtenu par rglage du gnrateur basse frquence (GBF) utilis pour
gnr les impulsions de commande.
4.4.1. Dfinition du domaine exprimental
Chacun des 4 facteurs utiliss pour cette tude de criblage est dots de 2 modalits
correspondantes aux bornes minimales et maximales rencontres en application. Ces niveaux
sont donns dans la table 26 :

Mini Maxi
Lcom 60 nH 160 nH
Lge cble court (cc) cble long (cl)
Rg
off
3,7 6,8
t
on
10 s 100 s
Table 26 Modalits utilises pour chacun des facteurs
Chacun des 4 facteurs possdant 2 modalits, lensemble des 16 points candidats peut tre
reprsent par la figure 27 :

Fig 27. Ensemble des points candidats
4.4.2. Dfinition du modle empirique
Tout comme lors de la prcdente tude, le modle recherch est un modle additif faisant
intervenir les interactions afin dviter le phnomne daliase. Il se prsente donc sous la
forme :

on off
off on off on off
t Rg ton Lge
Rg Lge t Lcom Rg Lcom Lge Lcom t Rg Lge Lcom
W W
W W W W W W W W cst Y
/ /
/ / / /
+
+ + + + + + + + + =

(2.43)

Dans ce modle :
Y reprsente la rponse observe (surtension ou vitesse de commutation),
W
i
dsigne le poids du facteur i,
W
ij
est le poids de linteraction entre les facteurs i et j.
107
Ce modle possde 11 inconnues dterminer. Pour cela, nous avons utilis une matrice
dexpriences de taille suprieure ou gale 11 dont lanalyse des rsultats permettra de
calculer la valeur de ces 11 inconnues.
4.4.3. Construction du plan dexpriences
Ne disposant pas de matrice fractionnaire permettant ltude de 4 facteurs 2 modalits et
de leurs interactions, nous avons opt pour le plan complet compos des 16 points du domaine
exprimental. Rappelons que le nombre minimale dexpriences est dans ce cas de 11 ce qui
est dj proche du plan complet.

La relation de codage dcrite dans le paragraphe 3.3.2 permet dobtenir la matrice du
modle X prsente dans la table 27 :

Cst Lcom Lge Rg
off
t
on
Lcom/Lge Lcom/Rg
off
Lcom/t
on
Lge/Rg
off
Lge/t
on
Rg
off
/t
on

1 -1 -1 -1 -1 1 1 1 1 1 1
1 1 -1 -1 -1 -1 -1 -1 1 1 1
1 -1 1 -1 -1 -1 1 1 -1 -1 1
1 1 1 -1 -1 1 -1 -1 -1 -1 1
1 -1 -1 1 -1 1 -1 1 -1 1 -1
1 1 -1 1 -1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 -1 -1 1 1 -1 -1
1 1 1 1 -1 1 1 -1 1 -1 -1
1 -1 -1 -1 1 1 1 -1 1 -1 -1
1 1 -1 -1 1 -1 -1 1 1 -1 -1
1 -1 1 -1 1 -1 1 -1 -1 1 -1
1 1 1 -1 1 1 -1 1 -1 1 -1
1 -1 -1 1 1 1 -1 -1 -1 -1 1
1 1 -1 1 1 -1 1 1 -1 -1 1
1 -1 1 1 1 -1 -1 -1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
Table 27 Matrice du modle X
On retrouve dans cette matrice la premire colonne consacre au calcul de la constante du
modle, les 4 colonnes ddies ltude des facteurs et les 6 colonnes utilises pour le calcul
des interactions.
4.4.4. Exprimentation
Le plan dexpriences choisi permet daffiner lestimation des effets moyens des 4
facteurs pris en compte en calculant les interactions prsentes eux. En revanche, les
interactions entre ces facteurs lis et les facteurs associs aux conditions dutilisation (tension,
courant, temprature) ne peuvent pas tre calculer directement. Pour palier ce problme, les
16 points de la matrice dexpriences ont t raliss en 3 points de fonctionnement (tension-
courant). Si un facteur est jug non influent aux trois points de fonctionnement, nous
vrifierons labsence dinteraction avec la temprature avant de le supprimer. En effet, en
108
prsence dinteraction, un facteur peut sembler ne pas avoir deffet sur les rponses alors
quen ralit ce nest vrai qu cette temprature.

Les rglages en tension et courant des trois points de fonctionnement auxquels les tests
ont t effectus sont fournis par la table 28 :

Tension Courant
a 500 V 600 A
b 1200 V 1000 A
c 2000 V 1500 A
Table 28 Points de fonctionnement
Ces trois points de fonctionnement on t choisis de faon viter la casse du module
pendant lessai.
4.4.5. Analyse globale des rsultats dessais
Les rsultats obtenus pour chacune des 2 rponses en chacun des 3 points de
fonctionnement sont rsums dans la table 29 :

point a point b point c
Lcom Lge Rg
off
t
on

Surtension dV/dt Surtension dV/dt Surtension dV/dt
-1 -1 -1 -1 792 2,2 1720 3,5 2740 4,222
-1 -1 -1 1 760 1,543 1620 2,667 2500 3,417
-1 -1 1 -1 760 1,3 1640 2,182 2560 3
-1 -1 1 1 736 1,12 1600 1,846 2520 2,438
-1 1 -1 -1 784 2,16 1700 3,286 2720 4
-1 1 -1 1 752 1,657 1620 2,778 2500 3,545
-1 1 1 -1 728 1,35 1640 2,2 2580 2,923
-1 1 1 1 736 1,111 1600 2 2520 2,471
1 -1 -1 -1 1024 2,08 2040 3,429 3040 4,111
1 -1 -1 1 912 1,533 1880 2,778 2720 3,5
1 -1 1 -1 936 1,35 1900 2,773 2960 2,786
1 -1 1 1 888 1,08 1820 2 2780 2,5
1 1 -1 -1 1008 2,16 2020 3,667 3020 4
1 1 -1 1 904 1,6 1860 2,667 2720 3,455
1 1 1 -1 928 1,35 1900 2,182 2860 2,786
1 1 1 1 888 1,04 1820 2 2780 2,563
Table 29 Rsultat du plan dexpriences
Le point de fonctionnement joue un rle dterminant dans le rsultat des essais que ce soit
pour la surtension ou pour la vitesse de commutation. On remarque galement limportance
de leffet de linductance Lcom sur la surtension et du couplage Rg
off
/t
on
sur la vitesse de
commutation. Une analyse plus prcise permet de confirmer ces premiers constats.
109
4.4.6. Analyse mathmatique des rsultats dessais
On obtient les coefficients associs chacune des variables du modle grce la table 30
utilisant lexemple de la surtension au point de fonctionnement not a :

Essais Cste Lcom Lge Rg
off
t
on

Lcom/
Lge
Lcom/
Rg
off

Lcom/
t
on

Lge/
Rg
off

Lge/
t
on

Rg
off
/
t
on

point a
1 1 -1 -1 -1 -1 1 1 1 1 1 1 792
2 1 -1 -1 -1 1 1 1 -1 1 -1 -1 760
3 1 -1 -1 1 -1 1 -1 1 -1 1 -1 760
4 1 -1 -1 1 1 1 -1 -1 -1 -1 1 736
5 1 -1 1 -1 -1 -1 1 1 -1 -1 1 784
6 1 -1 1 -1 1 -1 1 -1 -1 1 -1 752
7 1 -1 1 1 -1 -1 -1 1 1 -1 -1 728
8 1 -1 1 1 1 -1 -1 -1 1 1 1 736
9 1 1 -1 -1 -1 -1 -1 -1 1 1 1 1024
10 1 1 -1 -1 1 -1 -1 1 1 -1 -1 912
11 1 1 -1 1 -1 -1 1 -1 -1 1 -1 936
12 1 1 -1 1 1 -1 1 1 -1 -1 1 888
13 1 1 1 -1 -1 1 -1 -1 -1 -1 1 1008
14 1 1 1 -1 1 1 -1 1 -1 1 -1 904
15 1 1 1 1 -1 1 1 -1 1 -1 -1 928
16 1 1 1 1 1 1 1 1 1 1 1 888
Cff. 846 90 -5 -21 -24 1 -5 -14 0 3 11
Table 30 Calcul des coefficients du modle de surtension au point a
La matrice fournie dans la table 30 reprend les 11 colonnes de la matrice du modle (X) et
la colonne de rsultats. Dans le cas, comme ici, o nous sommes en prsence de facteurs ne
possdant que deux modalits, il est possible de calculer le coefficient associ la variable de
la colonne j de la faon suivante :

N
Y X
C
i ij
j
= (2.44)

Avec :
X
ij
issu de la i
me
ligne de la j
me
colonne de la matrice du modle X.
Yi la rponse mesure lors de lessai i,
N le nombre total dessais de la matrice dexpriences.

En calculant les coefficients de chaque modle, on obtient les rsultats fournis par la table
31 :

110
Point a Point b Point c
Coefficients
Cste 846 1,540 1773,75 2,622 2720 3,232
W
Lcom
90 -0,016 131,25 0,065 140 -0,020
W
Lge
-5 0,014 -3,75 -0,025 -7,5 -0,014
W
Rgoff
-21 -0,327 -33,75 -0,474 -25 -0,549
W
ton
-24 -0,204 -46,25 -0,280 -90 -0,246
W
Lcom/Lge
1 -0,001 -1,25 -0,033 -7,5 0,003
W
Lcom/Rgoff
-5 0,008 -11,25 0,026 10 -0,005
W
Lcom/ton
-14 -0,007 -13,75 -0,046 -20 0,038
W
Lge/Rgoff
0 -0,014 3,75 -0,028 -2,5 0,017
W
Lge/ton
3 0,003 1,25 0,044 7,5 0,037
W
Rgoff/ton
11 0,079 16,25 0,094 45 0,056
Table 31 Coefficients des modles de surtension et de vitesse de commutation
Comme pressentie lors de lanalyse globale des rsultats dessais, nous pouvons observer,
dans la table 31, limportance des coefficients attribus linductance Lcom sur la surtension
et aux facteur Rg
off
et t
on
sur la vitesse de commutation.

La pertinence des effets des facteurs va maintenant tre juge par le biais dune analyse
statistique.
4.4.7. Analyse statistique du modle
Le but de cette analyse est didentifier les facteurs et interactions ayant une influence
statistiquement significative sur les rponses observes afin dliminer les autres. Dans le
paragraphe 3.10, consacr ces mthodes danalyses, 3 mthodes danalyses sont dcrites.
Lapplication de ces mthodes est prsente ici.
4.4.7.1. Application de la mthode de Daniel
Lapplication de la mthode de Daniel aux rsultats obtenus en terme de vitesse de
commutation au point de fonctionnement a, c'est--dire 500V et 600A, donne le graphique de
la figure 28 :

0
0,5
1
1,5
2
2,5
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Valeur absolue des effets moyens
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
Rgoff
ton
Rgoff/ton

Fig 28. Graphe de Daniel pour la vitesse de commutation au point a
111
Les points aligns sur la droite passant par lorigine reprsentent les variables non
statistiquement influentes. Au contraire, le positionnement sur le graphique des points
associs la rsistance de grille, au temps de commutation et leur interaction tend montrer
que ces variables seraient statistiquement significatives sur la variance globale du modle.

Lensemble des graphiques issus de lapplication de la mthode de Daniel pour
lidentification des facteurs influents sur les rponses observes est fourni en annexe 5.1.

Lapplication de cette mthode aux autres points de fonctionnement nous montre que les
variables influentes sur la vitesse de commutation semblent tre la rsistance de grille Rg
off
, le
temps de commutation t
on
ainsi que linteraction entre ces deux facteurs.

Sur la surtension, lapplication de la mthode de Daniel tend montrer que les variables
influentes seraient linductance de boucle Lcom, la rsistance de grille Rg
off
, le temps de
commutation t
on
ainsi que les 3 interactions issues des combinaison de ces facteurs.

Linconvnient majeur rencontr dans lapplication de cette mthode rside dans le trac
de la droite, ce dernier tant subjectif et laiss la libre apprciation de lutilisateur. Il arrive
alors dans certains cas, que le trac de 2 droites, paraissant pourtant toutes les deux correctes,
engendre des conclusions diffrentes.
4.4.7.2. Application de la mthode de Lenth
Lapplication de la mthode de Lenth ce mme modle de vitesse de commutation au
point de fonctionnement a donne le rsultat prsent par la figure 29:

-0,35
-0,3
-0,25
-0,2
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Fig 29. Mthode de Lenth applique au modle de dV/dt au point a
Sur ce graphique sont reprsents les coefficients associs chacune des variables du
modle ainsi que les limites dfinies partir des probabilits de 1-/2 pour un niveau de
signification =5% (en traits pleins) et de ici dune valeur de 0,996 (en pointills) calcule
comme indiqu dans le paragraphe 3.10.2.

La limite dfinie partir du seuil de signification = 5% nous donne des rsultats
similaires ceux donns par la mthode de Daniel savoir une influence juge significative
112
pour la rsistance de grille Rg
off
, le temps de commutation t
on
et linteraction entre ces deux
facteurs Rg
off
/t
on
. En revanche, pour une probabilit , la limite est beaucoup plus restrictive et
ne laisse apparatre comme significatif que les facteurs Rg
off
et t
on
. Les graphiques issus de
lensemble de ces applications sont fournis en annexe 5.2.

Dune manire gnrale, la mthode de Lenth, applique aux 6 modles obtenus dans cette
tude, est plus restrictive que la mthode de Daniel.
4.4.7.3. Analyse de la variance
Lanalyse de la variance est sans doute la plus rigoureuse des mthodes danalyse
statistique utilises lors de ce travail. Son application sur ces mmes rsultats obtenus dans le
cas de la vitesse de commutation au point de fonctionnement a donne le tableau danalyse de
variance fourni dans la table 32 :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 0,004 1 0,004 1,675 10,007 non influent 25,216
Lge 0,003 1 0,003 1,342 10,007 non influent 29,899
Rg
off
1,711 1 1,711 745,426 10,007 influent 0,0001
t
on
0,667 1 0,667 290,470 10,007 influent 0,0013
Lcom/Lge 0,000 1 0,000 0,002 10,007 non influent 96,832
Lcom/Rg
off
0,001 1 0,001 0,432 10,007 non influent 53,991
Lcom/t
on
0,001 1 0,001 0,318 10,007 non influent 59,737
Lge/Rg
off
0,003 1 0,003 1,318 10,007 non influent 30,29
Lge/t
on
0,000 1 0,000 0,048 10,007 non influent 83,518
Rg
off
/t
on
0,100 1 0,100 43,783 10,007 influent 0,1186
Rsidu 0,011 5 0,002
Total 2,501 15
Table 32 Tableau danalyse de variance pour dV/dt au point a
Les facteurs Rg
off
, t
on
et leur interaction Rg
off
/t
on
semblent tre influents sur la vitesse de
commutation. Leur caractre influent est confirm par une nouvelle analyse de variance,
prsente dans la table 33, ralis seulement partir de ces variables, juges influentes dans la
table 32.

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Rg
off
1,711 1 1,711 882,628 6,550 influent 1E-10
t
on
0,667 1 0,667 343,934 6,550 influent 3E-08
Rg
off
/t
on
0,100 1 0,100 51,842 6,550 influent 0,0011
Rsidu 0,023 12 0,002
Total 2,501 15
Table 33 Vrification du caractre significatif des variables
On retrouve bien les conclusions trouves prcdemment avec les mthodes de Daniel et
de Lenth savoir linfluence statistiquement significative des facteurs Rg
off
, t
on
et de leur
interaction Rg
off
/t
on
.

113
Lensemble des analyses de variance ralises sur chacune des deux rponses aux trois
points de fonctionnement est prsent en annexe 5.3.
4.4.7.4. Conclusion sur lanalyse statistique des modles
La table 34 rsume les rsultats obtenus par les trois mthodes danalyse statistiques
utilises sur la surtension et la vitesse de commutation.

Y mthode Point a Point b Point c
Daniel
Lcom, Rg
off
, t
on
,
Lcom/t
on
, Rg
off
/t
on

Lcom, Rg
off
, t
on
,
Lcom/Rg
off
, Lcom/t
on
,
Rg
off
/t
on

Lcom, Rg
off
, t
on
,
Lcom/t
on
, Rg
off
/t
on

0,975 Lcom, t
on
Lcom Lcom, t
on

Lenth
0,996 Lcom Lcom Lcom
V
ANOVA
Lcom, Rg
off
, t
on
,
Lcom/t
on
, Rg
off
/t
on

Lcom, Rg
off
, t
on
,
Lcom/Rg
off
, Lcom/t
on
,
Rg
off
/t
on

Lcom, Rg
off
, t
on
,
Lcom/t
on
, Rg
off
/t
on

Daniel Rg
off
, t
on
, Rg
off
/t
on
Rg
off
, t
on
, Rg
off
/t
on
Rg
off
, t
on

0,975 Rg
off
, t
on
, Rg
off
/t
on
Rg
off
, t
on
Rg
off
, t
on

Lenth
0,996 Rg
off
, t
on
- Rg
off
, t
on

dV/dt
ANOVA Rg
off
, t
on
, Rg
off
/t
on
Rg
off
, t
on
Rg
off
, t
on

Table 34 Tableau rcapitulatif des rsultats danalyses statistiques
Quelques diffrences apparaissent suivant la mthode danalyse statistique utilise. De
manire gnrale on constate que la mthode de Daniel et lanalyse de variance donnent des
rsultats similaires. En revanche, comme il est indiqu plus tt, la mthode de Lenth est plus
restrictive en particulier lorsque de nombreux facteurs ont une influence importante comme
cest le cas avec les modles de surtension. Il est noter que cette mthode est dautant plus
pertinente que le nombre de variables influentes reste faible par rapport au nombre total de
variables du modle.

Les diffrences observes sur les variables influentes aux diffrents points de
fonctionnement laissent prsumer la prsence dinteractions entre les paramtres tension,
courant et certains des facteurs utiliss ici. La prsence de ces interactions sera vrifie dans
la modlisation des rponses par lapplication de la mthode des plans dexpriences pour
ltude de surfaces de rponses prsente dans le chapitre 3.

On retiendra dans les modles additifs les variables juges influentes par lanalyse de la
variance, cette mthode tant la plus prcise. Les modles obtenus sont donc les suivants :

Au point a :

on off on on off
t Rg t Lcom t Rg Lcom Surtension * 11 * 14 24 21 90 846 + + =
(2.45)

on off on off
t Rg t Rg dt dV * 079 , 0 204 , 0 327 , 0 54 , 1 / + =
(2.46)

114
Au point b :

on off on
off on off
t Rg t Lcom
Rg Lcom t Rg Lcom Surtension
* 25 , 16 * 75 , 13
* 25 , 11 25 , 46 75 , 33 25 , 131 75 , 1773
+
+ =

(2.47)

on off
t Rg dt dV 28 , 0 474 , 0 62 , 2 / =
(2.48)

Au point c :

on off on on off
t Rg t Lcom t Rg Lcom Surtension * 45 * 20 90 25 140 2720 + + =
(2.49)

on off
t Rg dt dV 246 , 0 549 , 0 23 , 3 / =
(2.50)

Les indicateurs issus de lanalyse de rgression de chacun des modles sont restitus par
la table 35 :

Point a Point b Point c
R 98,97 99,07 99,76 90,61 98,56 97,72
R
ajust
98,46 98,84 99,59 89,17 97,84 97,37
Table 35 Indicateurs danalyse de rgression des modles
Les indicateurs refltent la qualit descriptive des modles qui semblent bien traduire les
valeurs mesures de surtension et de vitesse de commutation. Une analyse graphique des
rsultats et plus prcisment un graphe dadquation permettra dobserver cette qualit.
4.4.8. Analyse graphique du modle
Il est possible dobserver la qualit descriptive grce un graphique dadquation du
modle comme le montre la figure 30 dans le cas de la surtension au point b. Le trac de la
premire bissectrice favorise la visualisation, elle reprsente le cas ou le modle dcrit
exactement la ralit.

1500
1600
1700
1800
1900
2000
2100
1500 1600 1700 1800 1900 2000 2100
Rponses calcules par le modle
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Fig 30. Graphe dadquation du modle de surtension au point b
115
Ce graphique montre bien que les rponses calcules par le modle traduisent bien la
ralit et par le fait, que les conclusions dduites des analyses statistiques sont correctes.

Le graphique dadquation attribu chacun des 6 modles est disponible en annexe 6.
4.4.9. Rsultats du plan 2
Lobjectif de cette tude de criblage rside dans lidentification des facteurs
statistiquement influents sur la surtension et la vitesse de commutation parmi 4 facteurs lis
aux paramtres de conception des onduleurs de traction.

Linductance lie au cble reliant lallumeur la commande de lIGBT, note Lge dans
cette tude, na pas t retenue dans les modles additifs prsents dans lanalyse statistique
des rsultats. En effet son influence sur les rponses na t juge influente en aucun des trois
points de fonctionnement. Avant dliminer dfinitivement ce facteur de ltude, nous nous
avons vrifi quil ne prsentait pas dinteraction avec la temprature. Cette vrification est
donne en annexe 7.

Cette tude traitant des 4 facteurs lis aux paramtres de fonctionnement a permis
dliminer le facteur Lge, jug non influent sur lune et lautre des rponses observes.
5. Conclusion
Ce deuxime chapitre a trait de lapplication de la mthode des plans dexpriences dans
une tude de criblage. Ce type dtude vise estimer leffet des facteurs, et au besoin, comme
cest le cas ici, des interactions dordre 1, sur la rponse observe afin didentifier parmi eux
les lments statistiquement influents.

Ce type dtude est une tape quasi obligatoire dans la modlisation dune rponse par
lutilisation des plans dexpriences. En effet, les plans dexpriences pour ltude des
surfaces de rponse tant trs gourmand en essais, et le nombre dessais tant troitement lis
au nombre de facteurs de ltude, il est ncessaire de les aborder en ne prenant en
considration que les facteurs dont linfluence sur la rponse a t pralablement vrifie.

Dans notre application, nous avons opt pour la ralisation de deux tudes de criblage
successives afin dviter dans un premier temps les problmes poss par la prsence de
contraintes relationnelles prsentes entre les diffrents facteurs. La premire tude utilisait 6
facteurs parmi lesquels 3 ont t jugs statistiquement significatifs sur la surtension et la
vitesse de commutation. La deuxime tude, quant elle, a permis didentifier 3 facteurs
influents dans un ensemble initial de 4.

Parmi les 10 facteurs potentiellement influents identifis avec laide des experts IGBT
dAlstom Transport de Tarbes, nous avons donc identifi 6 facteurs prsentant une influence
significative sur la surtension et la vitesse de commutation.

Lquation (2.2) permet de calculer le nombre de coefficients prsent dans un modle
quadratique en fonction du nombre de facteurs considrs. Ce nombre dlments prsent
116
dans le modle correspond au nombre minimal dexpriences raliser pour effectuer la
modlisation et donc la taille minimale de la matrice du modle dans une tude de surface
de rponse. Initialement, 10 facteurs ont t pris en considration et identifis comme
potentiellement influents. Pour une telle quantit de facteurs, lapplication de la formule (2.2)
permet de calculer un nombre de coefficients dterminer qui slve alors 66. Suite aux
deux tudes de criblage prsentes dans ce second chapitre, 4 facteurs ont t supprims de
ltude aprs avoir t jugs non statistiquement influents sur les rponses. Le nombre de
facteurs influents, prsents dans les modles, est donc seulement de 6. Le nombre de
coefficients prsent dans un modle quadratique pour 6 facteurs considrs est seulement de
28.

Par cette phase de criblage, nous avons donc diminu de plus de moiti le nombre
minimal de lignes ncessaire dans la matrice du modle X qui servira la modlisation des
rponses, prsente dans le chapitre suivant.

La modlisation par application de la mthode des plans dexpriences pour ltude de
surface de rponse prsente dans le chapitre 3 utilisera ces 6 facteurs influents savoir la
tension, le courant, la temprature, linductance de boucle Lcom, la rsistance de grille Rg
off

et le temps t
on
.
Rfrences du chapitre II
[Addelmann, 62] S. Addelmann, Orthogonal main effect plans for asymmetrical factorial
experiment, Technometrics, 1962.
[Box, 62] G.E.P. Box, J.S. Hunter, The 2k-p fractional factorial plans,
Technometrics, Vol 4, 1962.
[Dagnelie, 97] P. Dagnelie, La planification des expriences et lanalyse de variance :
une introduction extrait de Plan dexpriences, Applications
lentreprise, Technip, Ed Paris, 1997.
[Daniel, 59] C. Daniel, Use of half-normal plots in interpreting factorial two-level
experiment, Technomtrics, Vol.1, N4, 311-341, 1959.
[Dodge, 99] Y. Dodge, Analyse de rgression applique, Ed. Paris, 1999.
[Draper, 81] N. Draper H. Smith, Wiley, Applied regression analysis, Ed New-
York, 1981.
[Droesbeke, 97] J.J. Droesbeke J. Fine G. Saporta,Plan dexpriences Application
lentreprise, Ed. Technip, 1997.
[Eriksson, 00] L. Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wilkstrm, S. Wold,
Design of experiments, Principles and applications, Umetrics, Ed.
Ume, 2000.
[Fisher, 25] R.A. Fisher, Statistical methods for research workers, Oliver and
Boyd, Ed. Edinburgh, 1925.
117
[Fisher, 35] R.A. Fisher, The design of experiments, Oliver and Boyd, Ed.
Edinburgh, 1935.
[Goupy, 96] J. Goupy, La mthode des plans dexpriences Optimisation du choix
des essais et de linterprtation des rsultats, Ed. Dunod, 1996.
[Goupy, 06] J. Goupy, Tutorial, Les Plans dExpriences, Revus Modulad, N 34,
2006.
[Ishikawa, 96] K. Hishikawa, La gestion de la qualit, outils et applications
pratiques, Dunod, Ed Paris, 1996.
[ISO 3534-3, 98] Statistique, Vocabulaire et Symboles, Partie 3 : plans dexpriences,
Norme ISO 3534-3, 1998.
[John, 62] P.W.M. John, Three quarter replicates of 2n, Biometrics, Vol 18,
1962.
[Kiefer, 59] J. Kiefer, Optimum experimental designs, J.R. Statist. Soc. B, Vol 21,
1959.
[Lenth, 89] R. V. Lenth, Quick and easy analysis of unreplicated factorials,
Technometrics, Vol. 31, N4, 469-473, 1989.
[Lochner, 90] R.H. Lochner, J.E. Matar, Designing for quality, an introduction to the
best of Taguchi and western methods and statistical experimental
design, Productivity press, ed. Portland, Oregon, 1990.
[Louvet, 06] F. Louvet L. Delplanque, Design of experiments : the French touch /
Les plans dexpriences : une approche pragmatique et illustre,
tmoignage de lassociation Exprimentique, 2006.
[NF X 06-063, 87] Application de la statistique, comparaison du rapport de deux variances
(deux cart-types) une valeur donne, Afnor, Ed Paris, 1987.
[Pillet, 94] M. Pillet, Introduction aux plans dexpriences par la mthode
Taguchi, Les Editions dOrganisation Universit, 1994.
[Plackett, 46] R.L. Plackett J.P. Bur,man, The design of optimum multifactorial
experiments, Biometrika, 1946.
[Rechtschaffner, 67] R.L. Rechtschaffner, Saturated fractions of 2n and 3n factorial
designs, Technometrics, Vol 9, 1967.
[Rotella, 95] F. Rotella et P. Borne, Thorie et pratique du calcul matriciel, ditions
Technip, 1995.
[Sapora, 90] G. Sapora, Probabilit, analyse des donnes statistiques, Eds Technip,
1990.
118
[Schimmerling, 98] P. Schimmerling, J.C. Sisson, A. Zaidi, Pratique des plans
dexpriences, Ed Lavoisier Tec & Doc, 1998.
[Srinivasaiah, 04] H.C. Srinivasaiah, N. Bhat, Characterization of sub-100nm CMOS
process using screening experiment technique, Proceedings 17th
International Conference on VLSI Design, pages 285 -290, Mumbai,
India, 2004.
[Taguchi, 87] G. Taguchi, S. Konishi, Taguchi methods, Orthogonal arrays and linear
graphs, tools for quality, ASI Press, Ed. Allen Park, 1987.
[Tukey, 97] J.W. Tukey, Exploratory data analysis, Reading Massachusetts,
Addison-Wesley Publishing Company, 1997.
[Vivier, 02] S. Vivier, Stratgie doptimisation par la mthode des plans
dexpriences et application aux dispositifs lectrotechniques modliss
par lments finis, thse, 2002.

Chapitre III : Les plans dexpriences, tude de surface de rponse
119

Chapitre III :
Les plans dexpriences,
Etude de surface de rponse
120

121
1. Introduction
Les premiers plans dexpriences diffuss dans la littrature ont t destins lestimation
des effets des facteurs. Cependant, du point de vue industriel, tous les problmes rencontrs
ne consistent pas uniquement estimer puis comparer les effets des facteurs. De nombreuses
tudes consistent trouver, sil existe, un optimum dans un domaine dtude appel domaine
exprimental. Pour ce faire, on utilise la mthodologie des plans dexpriences pour surfaces
de rponse, traite dans ce chapitre.

La mthodologie des surfaces de rponses (MSR) constitue donc le second volet de la
mthode des plans dexpriences. Cette technique vise dterminer dune faon quantitative
les variations de la rponse vis--vis des facteurs dinfluence significative, identifis si besoin
lors dune premire tude de screening [Goupy, 99] [Box, 87]. Aussi aprs avoir rpondu,
dans le second chapitre, la question Pourquoi la rponse varie-t-elle ? nous cherchons a
savoir Comment la rponse varie-t-elle ? .

Ce troisime et dernier chapitre sera construit de manire identique au second. Tout
dabord, un rapide historique reviendra sur lvolution des plans pour ltude de surfaces de
rponse au cours du temps. Ensuite, une partie thorique prsentera les lments ncessaires
au bon droulement dune tude base sur ce type de plans. Enfin, nous appliquerons ces
principes thoriques notre tude afin dobtenir les modles de surtension et de vitesse de
commutation recherchs.

Dans le second chapitre, deux tudes de criblage ont permis didentifier six facteurs ayant
une influence statistiquement significative sur la surtension et la vitesse de commutation
observes au blocage des modules IGBT. Nous avons ainsi limit le nombre de facteurs
prendre en considration dans la modlisation des rponses. Le principal intrt de cette
rduction du nombre de facteurs prsents dans cette tude rside dans la minimisation du
nombre dexprimentations effectuer. Une fois valids, les modles obtenus permettront de
calculer la surtension et la vitesse de commutation des modules IGBT en fonction de
lensemble des paramtres prsents dans un onduleur et ainsi damliorer la connaissance du
comportement des modules IGBT en fonctionnement.
2. Historique des plans de surface de rponse
Les plans dexpriences pour ltude des surfaces de rponses sont apparus dans la
seconde moiti du XX
me
sicle. Il sagit de dispositifs exprimentaux plus onreux que ceux
destins ltude des effets des facteurs car ncessitant davantage dessais, mais permettant
de rpondre un objectif spcifique qui correspond la recherche dun optimum. Le modle
sous-jacent la construction de ce type de plan est de forme polynomiale du second degr.
Les plans mis en place avant 1970 sont utilisables dans des domaines isotropes. En prsence
dune ou plusieurs contraintes rationnelles, il faut alors avoir recourt la recherche dun plan
optimal base sur lutilisation dun algorithme dchange dont la technique est apparue aprs
1970, comme lindique la figure 1. Dans tous les cas, lanalyse des rsultats dessais, passant
par le calcul des coefficients du modle, ncessite la mise en uvre de la mthode des
moindres carrs.
122
Lvolution des plans dexpriences pour ltude de surfaces de rponse peut se
schmatiser comme lindique la figure 1 :

Fig 1. Evolution des techniques de surfaces de rponse [Louvet, 06]
Lvolution des plans dexprience pour ltude des surfaces de rponse sest faite dans
une priode plus courte que celle des plans dexpriences pour ltude des effets des facteurs.
En effet, lvolution des plans dexpriences pour ltude des surfaces de rponse stend de
1950 1970 alors quau cours du second chapitre, nous avons vu que lvolution des plans
pour ltude des effets des facteurs a dbut ds 1925 pour sachever galement vers 1970.

Si lon fait exception des plans pour ltude de mlange, cette priode sarticule autour de
trois travaux :

Les plans composites centrs proposs par G.E.P. Box et K.B. Wilson en 1951
[Box, 51].
Les plans proposs par G.E.P. Box et D.W. Behnken en 1960 [Box, 60].
Les rseaux uniformes proposs par D.H. Doehlert en 1970 [Doehlert, 70].

Il est possible de calculer le nombre de traitements exprimentaux N de manire gnrale
pour les plans composites centrs et les rseaux de Doehlert. En revanche pour les plans
proposs par Box et Behnken, le nombre N de traitement ne peut tre calcul de manire
gnrale.

Pour les plans composites centrs on obtient pour k facteurs :

1 2 2 + + = k N
k

(3.1)

Et pour les rseaux de Doehlert on a pour k facteurs :

1
2
+ + = k k N
(3.2)

123
Bien quil y ait eu dautres dveloppements mthodologiques, proposant parfois des
matrices dexpriences dexcellente qualit, ce sont ces trois dispositifs exprimentaux que
lon cite le plus rgulirement et que lon rencontre le plus frquemment dans les logiciels.

En ce qui concerne les plans optimaux pour ltude de surfaces de rponse en prsence
dun domaine anisotrope comme ce sera le cas dans cette tude, ils reposent sur lutilisation
dun algorithme dchange. Cet algorithme cherche les essais intgrer dans la matrice
dexpriences, qui optimisent un critre defficacit parmi un ensemble de points candidats.
Les critres defficacit les plus frquemment utiliss par les mthodes de plans dexpriences
pour ltude de surfaces de rponses seront prsents dans le paragraphe 3.6.3.2.
3. Mthode de surface de rponse
Nous avons vu dans le second chapitre quune tude de criblage permet, travers
lobtention dun modle additif, didentifier les lments ayant une influence significative sur
une rponse parmi une liste de facteurs. Une tude de surface de rponse quant elle permet,
travers un modle polynomiale le plus souvent, de traduire les variations dune rponse dans
un domaine exprimental.

Les tapes suivre dans le cas dune tude de surface de rponse sont les mmes que
celles ralises lors dune tude de criblage. Cependant, leur contenu est diffrent. En effet, le
modle tablir lors dune tude de surface de rponse na pas la mme forme que celui
recherch dans une tude de criblage. Or, le contenu des tapes suivre lorsquon mne une
tude par plan dexpriences est troitement li la forme du modle recherch.

Les tapes dune tude par plan dexpriences sont rappeles ici :

Dfinition des objectifs et des rponses,
Choix dune stratgie exprimentale,
Dfinition des facteurs,
Dfinition du domaine exprimental,
Dfinition du modle empirique,
Construction du plan dexpriences,
Exprimentation,
Analyse globale des rsultats dessais,
Analyse mathmatique des rsultats dessais,
Analyse statistique du modle,
Analyse graphique du modle,
Validation du modle et des informations obtenues.

Nous allons maintenant dcrire de manire thorique le contenu de chacune de ces tapes
dans le cas dune tude base sur la mthode des plans dexpriences pour ltude de surface
de rponse avant de les appliquer notre tude.

124
3.1. Dfinition des lobjectifs et de la/les rponse(s)
3.1.1. Dfinition du ou des objectif(s) de ltude
Un grand nombre de problmes industriels se pose souvent spontanment en terme
doptimisation. En effet, on associe la recherche dune performance donne, la minimisation
des cots.

Lobjectif vis lors dune tude de surface de rponse peut tre de diffrentes natures
[Goupy, 99] :

Optimiser (maximiser/minimiser) une ou plusieurs variables de rponse,
Trouver un compromis satisfaisant entre plusieurs variables de rponse,
Construire une cartographie de la variation dune rponse dans un plan, comme ce
sera le cas pour nous,
Rechercher dans quelles proportions on peut mlanger des constituants
pralablement choisis.

La recherche dun optimum ncessite gnralement davoir dlimit, au pralable, une
zone probable dappartenance dune solution au problme. Cest pourquoi, une tude
prliminaire des effets des facteurs (criblage) simpose souvent et permet parfois dapporter
des premiers lments de rponse ce type de problmatique. Noublions pas non plus quune
telle tude prliminaire simpose ds que le nombre de facteurs pris en compte est trop
important afin dviter un plan matriellement irralisable, comme a a t le cas dans cette
application.
3.1.2. Dfinition de la/les rponse(s) caractrisant lobjectif
La modlisation dune surface de rponse partir dun polynme appropri ncessite de
disposer de rponses sous forme de grandeurs quantitatives variation si possible continue.
Le nombre de rponses est spcifique chaque tude, on parle doptimisation multicritres
ds que lon caractrise les objectifs dun problme partir dau moins deux rponses
[Goupy, 99].

Les grandeurs traduites par les rponses tant le plus souvent de nature diffrente, il
convient, dans le cas dune optimisation, de procder une transformation avant de
rechercher le meilleur rglage des facteurs permettant datteindre un compromis. Diffrentes
mthodes on t dcrites dans la littrature, on peut citer la mthode utilisant la transformation
des rponse partir des fonctions de dsirabilit, initialement dvelopp par E.C. Harrington
en 1965 [Harrington, 65], puis adapt par R. Derringer et R. Suich en 1980 [Derringer, 80].
La dsirabilit traduit le degr de satisfaction des exprimentateurs, en fonction du niveau de
la rponse observe ou modlise.
Ds lors que les objectifs et les rponses ont bien t dfinis, il convient dadopter une
dmarche pour atteindre le ou les objectifs fixs de la manire la plus efficace possible.
125
Lorsquon est confront un problme doptimisation, deux grandes approches
exprimentales peuvent tre appliques :

Les mthodes directes consistent converger squentiellement vers un optimum
local sans faire appel une forme particulire de modlisation. Il sagit par exemple
de la mthode du simplexe et de ses diffrentes variantes proposes par [Walters, 91]
[Nelder, 65] [Spendley, 62]. Les rgles de progression squentielle repose sur le
classement des rsultats dessais et sur des principes purement gomtriques. On
cherche chaque tape de sloigner du plus mauvais rsultat. Ces mthodes ne
demandent pas dlimiter a priori un domaine exprimental et restent applicables en
prsence de rponses qualitatives. Des facteurs peuvent tre ajouts ou supprims
tout instant. La limitation de ces mthodes est due la ncessit de pouvoir obtenir
rapidement la valeur des rsultats dessais, sous peine dun temps trs long de mise
en uvre.
Les mthodes indirectes consistent postuler a priori un modle, pour explorer un
domaine exprimental dont les limites ont t fixes, au pralable, partir de la
plage de variation des facteurs. Cest linterprtation du modle sous forme
numrique et/ou graphique qui permet dobtenir des propositions de rglages
permettant datteindre un optimum. Comme le nombre de coefficients estimer (p)
crot rapidement avec le nombre de facteurs (k), il est ncessaire de limiter le
domaine dtude.

Lorsque lobjectif vis nest pas une optimisation mais plutt dobserver les variations
dune ou plusieurs rponses dans un domaine exprimental, comme cest le cas ici, il convient
dutiliser les mthodes indirectes et de traduire ces variations travers un modle.
3.3. Dfinition des facteurs et des niveaux
La liste des facteurs potentiels introduire dans un problme doptimisation doit tre
initialement la plus exhaustive possible afin dviter un plan trop lourd. Cependant, daprs
les auteurs de [Louvet, 06], limiter volontairement la liste des facteurs sous prtexte dun cot
exprimental trop lev reprsente un risque doubli dune variable prpondrante pour
loptimisation. Il est vrai que les plans dexpriences pour ltude de surfaces de rponse
ncessitent un nombre important dessais raliser. La pratique industrielle de tels dispositifs
restreint, dun point de vue pratique, leur application des domaines exprimentaux dfinis
partir de la variation dun nombre de facteurs gnralement infrieur ou gal 5
[Droesbeke, 97]. Le choix des facteurs peut provenir dun premier plan de criblage, destiner
identifier, parmi de nombreux facteurs, ceux dont leffet sur la rponse est rel, comme cela a
t le cas dans le chapitre II.

Pour ce type dtudes, les facteurs doivent tre quantitatifs variation continue de par la
nature polynomiale du modle utilis pour lexploration du domaine exprimental.
3.3.1. Dfinition des niveaux
Dans lapproche traditionnelle des plans dexpriences pour ltude des surfaces de
rponse, les niveaux sont fixs par la mthode de construction du plan, au sein dun domaine
dont les bornes sont dfinies par lutilisateur.
126
La prsence dun optimum au sein dun domaine exprimental se traduit par des drives
partielles de la surface de rponse nulles. La recherche de rglages particuliers pour lesquels
les drives partielles du modle polynomial sont nulles impose le choix dun modle du
deuxime degr au minimum. La construction dun plan pour ltude de surface de rponse
ncessite donc 3 niveaux au minimum pour chacun des facteurs. Toutefois pour respecter des
critres de qualit en terme de prdiction dune rponse, certains dispositifs exprimentaux,
comme les rseaux de Doehlert [Doehlert, 70] par exemple, imposent parfois plus de trois
niveaux aux facteurs. Il est donc intressant dintgrer les difficults de modification des
rglages des facteurs lors du choix dun dispositif exprimental particulier.

Tout comme dans le cas des plans dexpriences pour ltude des effets des facteurs, les
plans destins ltude de surfaces de rponse utilisent une relation de codage.
3.3.2. Codage de la matrice dexpriences
Les paramtres de rglage dun processus traduisent le plus souvent des grandeurs
diffrentes.

Il convient donc de standardiser les variations de ces paramtres pour avoir accs aux
outils gnraux de construction des plans dexpriences. Pour cela on utilise une relation de
codage unique dfinie partir de la transformation bijective dfinissant la valeur x
i
partir de
la relation (3.3) que lon peut retrouver dans lensemble des ouvrages traitant des plans pour
tude de surface de rponses comme par exemple [Goupy, 99] :

|
\
|

|
\
|
+
=
2
2
min max
min max
i i
i i
i
i
u u
u u
u
x (3.3)

u
maxi
et u
mini
tant les bornes dfinies par lutilisateur et u
i
le niveau rel donn au facteur i
lors de lexprimentation.

Il sagit dune relation de centrage et de rduction de la variable u. Le numrateur de la
relation prcdente traduit un centrage par rapport au milieu de lintervalle de variation des
facteurs. Le dnominateur traduit une rduction par rapport la moiti de ltendue de ce
mme intervalle.

Le facteur cod x, transform du facteur u, est sans dimension et ses valeurs sont
comprises dans lintervalle born [-1 ; 1].
La dfinition du domaine exprimental [Goupy, 99] dcoule directement de ltape
prcdente, savoir de la dfinition des facteurs et de leurs niveaux et des contraintes
relationnelles pouvant ventuellement exister entre les niveaux des facteurs.

La nature quantitative continue des facteurs induit un nombre de combinaisons infini pour
le domaine exprimental, chacun des facteurs pouvant prendre un nombre infini de niveaux
127
particuliers, dans la plage de variation qui leur est associe [Droesbeke, 97]. Nous nous
intressons donc, dans le cas dun plan pour ltude de surface de rponse, lenveloppe du
domaine exprimental qui, suite la relation de codage prsente ci-dessus peut prsenter
deux gomtries :

Un domaine isotrope : lorsquil nexiste pas de contraintes relationnelles dfinies
entre tout ou partie des k facteurs indpendants, le domaine exprimental est limit
par un hyper-cube, chacun des facteurs variant dans lintervalle [-1 ; 1] daprs la
relation de codage. On parle alors de domaine exprimental isotrope. La gomtrie
rgulire dun tel domaine facilitera la distribution uniforme des expriences en son
sein.
Un domaine anisotrope : lorsquil existe une ou plusieurs contraintes relationnelles
dfinies entre tout ou partie des k facteurs indpendants, la gomtrie du domaine
exprimental perd sa rgularit. On parle alors de domaine exprimental anisotrope.
Nous serons en prsence de ce type de domaine dans notre tude. En prsence dune
telle gomtrie, il nest plus possible dtablir une mthode gnraliste produisant
une distribution uniforme des expriences au sein du domaine. Il faut alors procder
un maillage du domaine et extraire des combinaisons particulires partir dun
algorithme dchange. Les logiciels proposent gnralement un maillage bti partir
des sommets du domaine, des milieux des artes et des centres gomtriques des
diffrentes faces du domaine.

La figure 2 illustre la notion de contrainte relationnelle entre 2 facteurs indpendants :

Fig 2. Illustration de la notion de contrainte dans un domaine exprimental
Dans cet exemple les facteurs temprature et pression ne peuvent pas prendre leur valeur
maximale en mme temp. On dfini donc une aire dans laquelle aucun traitement
exprimental ne doit se trouver (zone hachure sur la figure 2).

Pour le cas particulier des plans de mlange, une contrainte simpose. En effet dans ce cas
la somme des composantes du modle (pourcentages respectifs des diffrents composants)
doit naturellement tre gale 1.

128
On veut ici choisir une forme de modle qui dfinit correctement les variations de la
rponse. Il est aujourdhui couramment admis quune forme quadratique satisfait cette
exigence dans un grand nombre de cas [Khuri, 96], [Droesbeke, 97], [Myers, 95]. Cette
hypothse sera vrifie a posteriori grce une analyse statistique du modle obtenu, afin de
vrifier que la surface de rgression donne une interprtation utilisable du phnomne rel.
Dans notre application, cette vrification sera prsente dans le paragraphe 4.10.1.

Le choix de modle du second degr repose sur le fait que la recherche dun optimum
ncessite la prsence dune drive nulle et quil est toujours possible de dfinir au voisinage
dun point un dveloppement en srie de Taylor-McLaurin pour toute fonction [Goupy, 99],
[Faucher, 06].

On recherche donc classiquement un modle de la forme :

= =
= + =
+ + + =
k
i
k
i
k
i
k
i j
j i ij i ii i i
x x x x
1 1
1
1 1
0

(3.4)

Dans lequel, reprsente les coefficients du modle identifier (
0
la constante,
i
les
coefficients associs aux facteurs,
ii
les coefficients associs aux termes quadratiques et
ij

les coefficients associs aux interactions dordre 1), k dsigne le nombre de facteurs x
i
pris en
considration dans le modle.

Le nombre dinconnues p dterminer dans un modle polynomial du second ordre se
calcule, pour un nombre de facteurs not k, partir de la relation (3.5) :

2
) 2 )( 1 ( + +
=
k k
p (3.5)

Dans le cas de problme de mlange, un modle quadratique classique ne peut pas tre
appliqu [Goupy, 00]. En effet en raison des contraintes particulire que prsente un plan de
mlange (ex : somme des constituants = 1) les modles quadratiques tels que ceux prsents
en (3.4), ne peuvent pas dcrire les variations de la rponse. On utilise alors gnralement un
modle de forme canonique du second ordre de la forme :

< =
+ =
q
j i
j i ij
q
i
i i
x x x
1

(3.6)

Dans lequel
q est le nombre de constituants,
i
et
ij
sont dfinis de la manire suivante :

ii i i
+ + =
0
(3.7)
jj ii ij ij
=
(3.8)

Dans lesquels
i
est le coefficient associ au constituant i et
ij
est associ linteraction
entre les facteurs i et j.
129
Dans tous les cas, la matrice dexpriences doit possder au moins autant de lignes (N)
que le modle a de coefficients (p).

Notre tude ne traitant pas dun problme de mlange, nous aurons, pour notre part,
recours un modle polynomiale du second degr de la forme donne en (3.4).
La qualit des p estimateurs des coefficients du modle est troitement li au choix des N
lignes de la matrice du modle [Goupy, 99]. La construction du plan dexpriences consiste
donc slectionner les N expriences qui composent cette matrice de faon obtenir les
meilleurs rsultats de lanalyse des rponses mesures. On parle pour cela de matrice
optimale.

La thorie de loptimalit en plan dexpriences se fonde historiquement dans le cadre du
modle linaire rgression et analyse de la variance et dbute avec les travaux de Kiefer
[Kiefer 59, 61, 74], Kiefer et Wolfowitz [Kiefer, 59, 60], Fedorov [Fedorov, 72], Wynn
[Wynn, 70], sans oublier larticle pionnier et particulirement pdagogique de Box et Lucas
[Box
2
, 59].

Une matrice optimale peut tre obtenue laide de deux type de constructions :

Les constructions historiques, bases sur des rgles algbriques,
Les constructions algorithmiques.

Les constructions historiques rpondent en gnrale un problme se prsentant dans un
domaine isotrope alors que les domaines anisotropes, comme cest le cas dans cette tude,
ncessitent une recherche algorithmique de la matrice optimale du modle.
3.6.1. Les constructions historiques
Ce type de construction revient positionner au sein du domaine exprimental et parfois
lextrieur de ce dernier, des combinaisons particulires des modalits des facteurs, partir de
rgles algbriques ou gomtriques, de manire minimiser et uniformiser les incertitudes sur
les prdictions de la rponse partir du modle.

Ces plans sont ceux cits dans lhistorique prsent au dbut de ce chapitre savoir pour
les plus connus :

Les plans composites centrs de G.E.P. Box et K.B. Wilson [Box, 51] : la
construction des plans composites centrs consiste rajouter des points en toile
partir dun plan factoriel complet. Lloignement des points en toile par rapport au
centre du domaine ainsi que le nombre de rptitions au point central obit certains
critres algbriques.
Les plans de Box et Behnken [Box, 60] : les matrices dexpriences associes ces
plans ne font appel qu trois niveaux par facteur. Ceci est intressant lorsque le
changement de niveau des facteurs est long et dlicat.
130
Les rseaux de Doehlert [Doehlert, 70] : les matrices dexprience associes ces
plans sont construites de manire squentielle partir dun simplexe. Il est ainsi
possible de faire glisser le domaine exprimental dans lespace des facteurs, en
rcuprant un nombre important dexpriences dj ralises. En contrepartie, tous
les facteurs nont pas le mme nombre de niveaux. Cette dissymtrie dans le nombre
de niveaux est prendre en compte, en particulier lorsque le rglage des facteurs est
dlicat.

On peut galement citer les plans hybrides mis au point par [Roquemore, 76], les plans de
[Mozzo, 90] ou les plans de [Rechtschaffner, 67] pour le second degr.

Les critres majoritairement utiliss pour la construction de ces matrices sont lisovariance
par rotation et le critre de prcision uniforme. Nous allons maintenant prciser ces notions.
3.6.1.1. Notion disovariance par rotation
Le fascicule de documentation [FD X 06-080, 89] prcise quun dispositif exprimental
prsente des proprits disovariance par rotation quand la fonction de variance ne dpend que
de la distance au centre du domaine exprimental. Ainsi aucune direction nest privilgie.

La construction des rseaux de Doehlert [Doehlert, 70] et des plans composites-centrs de
Box et Wilson [Box, 51] se base sur cette proprit.

Les niveaux des facteurs sont des valeurs particulires de variables alatoires dfinies
pour chacun des traitements dun plan dexpriences. Par voie de consquence, les
estimateurs des diffrents coefficients du modle mathmatique choisi pour la description des
variations de la rponse dans le domaine exprimental sont galement des valeurs
particulires de variables alatoires. En effet, les estimateurs des coefficients sont obtenus
partir des combinaisons linaires appropries des rsultats dessais. Les prvisions faites
partir du modle sont donc galement des valeurs particulires dune variable alatoire. Pour
quantifier leur dispersion autour de leur tendance centrale, on utilise la relation (3.9) :

( ) ( )( ) ( ) [ ]
0
1
0
2
0
x f XX x f x y Var
t t

=
(
(3.9)

Dans cette expression :
est la variance exprimentale,
f(x
0
) reprsente sous forme de vecteur la fonction du modle pour chaque combinaison
des niveaux des facteurs note x
0

X est la matrice du modle.

On dfinit ensuite la fonction de variance partir de la relation (3.10) :

( )
( )
( )( ) ( )
0
1
0 2
0
0
, x f XX x f
x y Var
x d
t t
N
=
(

(3.10)

131
Dans [Louvet, 06], les auteurs dmontrent que la condition disovariance par rotation est
satisfaite pour une valeur de la distance des points en toile au point central dfinie comme
tant :

4
2
k
=
(3.11)

O k est le nombre de facteurs.

La condition disovariance par rotation sexprime donc de manire simple ; elle est
indpendante du nombre n
0
de rptitions au centre du domaine exprimental.
3.6.1.2. Notion de prcision uniforme
Le fascicule [FD X 06-080, 89] stipule quun dispositif exprimental prsente des
proprits de prcision uniforme si la fonction de variance est constante lintrieur dune
sphre ayant le mme centre que le domaine exprimental. Elle ne peut tre obtenue que si
lisovariance par rotation est dj assure.

Dans [Louvet, 06], les auteurs dmontrent que la condition de prcision uniforme est
satisfaite pour un nombre de rptitions n
0
au centre du domaine dfinie comme :

( ) k n
k
2 2 2 2
2
0
+
(3.12)

Avec k le nombre de facteurs pris en compte et :

( )
( ) 2 4
7 14 9 3
2
+
+ + +
=
k
k k k
(3.13)

Les plans dont la construction est base sur ces critres couvrent un domaine exprimental
isotrope. En prsence dune ou plusieurs contraintes relationnelles entre diffrents facteurs,
c'est--dire dans le cas dun domaine anisotrope comme cela est le cas dans notre application,
ces plans ne conviennent plus. En effet, certains points exigs par ces plans se trouvant en
dehors du domaine exprimental ne peuvent pas tre raliss. On a alors recours la
construction algorithmique dune matrice dexpriences optimale.
3.6.2. Les constructions algorithmiques
Les contraintes exprimentales ne permettent pas toujours dtre dans les conditions
idales des plans dexpriences prcdemment dcrits. Par exemple, les rglages de lappareil
ne permettent pas datteindre le niveau prconis par la thorie ou des combinaisons de
niveaux peuvent se rvler dangereuses (raction explosive pour les chimistes, concentrations
toxique pour les mdecins,). Dans cette situation, lobtention dun plan optimal passe par
une construction algorithmique.

La construction dun plan optimal consiste extraire du domaine exprimental un certain
nombre de combinaisons permettant de satisfaire diffrents critres algbriques [Atkinson, 92]
132
[Gauchi, 05]. Il existe aujourdhui de nombreux critres doptimalit. Lobjectif ici nest pas
de les lister de faon exhaustive mais plutt de prsenter les critres les plus utiliss ainsi que
leurs formules de calcul pour une application concrte. Pour une description plus dtaille, le
lecteur pourra de se rapporter [Gauchi, 97].
3.6.2.1. Les critres doptimalit
Pour quantifier loptimalit dune matrice dexpriences, diffrents critres algbriques
ont t crs [Silvey, 80] [Gauchi, 05]. Parmi les critres le plus frquemment utiliss, on peut
citer les critres de D-Optimalit, A-Optimalit, et G-Optimalit. Selon les publications, ces
critres doptimalit pourront tre appel critres defficacit.

On distingue majoritairement 3 classes de critre :

Les critres pour lestimation de paramtres et de leurs fonctions,
Les critres dans lespace des observations,
Les critres derreur quadratique moyenne.
3.6.2.1.1. Les critres pour lestimation de paramtres et de leurs fonctions
Critre de D-optimalit
Un plan dexpriences D-Optimal (D comme dterminant) N expriences minimise le
dterminant de la matrice de variance ou de faon quivalente maximise le dterminant de la
matrice dinformation (
t
XX), ce qui est numriquement plus lger.

Ainsi, plus le dterminant de la matrice dinformation sera grand et plus la prcision sur
les coefficients du modle sera fine. En effet, un plan D-optimal minimise le carr du volume
de lellipsode de confiance des coefficients du modle.

Il est possible de calculer la D-efficacit dun plan dexprience grce la formule dfinie
dans [Gauchi, 05] par :

( )
( ) ( )
( )
p
t
t
eff
D D
X X
XX
D
1
det
det
100
(
(
=

(3.14)

Avec
D
la matrice dinformation dun plan D-optimal mesure continue. Cette efficacit
prsente un grand intrt ds lors que lon est en mesure de calculer un plan D-optimal
mesure continue. La notion de plan D-optimal mesure continue est une ide majeure et
originale due [Kiefer, 59]. Il considre le plan dexpriences comme une mesure de
probabilit continue sur un domaine exprimental compact, on parle alors de plan mesure
continue.

133
Cependant, il nest pas toujours possible de calculer cette matrice
D
, pour calculer
lefficacit D dune matrice, on peut utiliser alors la formule donne dans [Chomtee, 03]
utilisant la matrice des moments lev la puissance 1/p :

( )
N
XX
D
p
t
eff
1
det
100 =
(3.15)
Critre de A-optimalit
Ce critre cherche minimiser la trace de la matrice de dispersion, c'est--dire la somme
des variances des coefficients. Minimiser la trace de la matrice de dispersion revient
minimiser la somme des variances des estimateurs.

On peut calculer la A-efficacit (A comme average optimal ) dune matrice
dexpriences laide de la relation fournie par [Chomtee, 03] :

( ) [ ]
1
100
=
XX N trace
p
A
t
eff

(3.16)

Numriquement, le calcul dun plan A-optimal est plus coteux que celui dun plan D-
optimal puisquil ncessite linversion de la matrice dinformation afin dobtenir la matrice de
dispersion. Enfin, un plan A-optimal dpend des units des variables explicatives, ce qui est
un handicap supplmentaire lutilisation de ce critre [Gauchi, 97].
Critre de E-optimalit
Soit
1
,,
p
les valeurs propres de la matrice dinformation. Les valeurs propres de la
matrice de dispersion sont 1/
1
,,1/
p
. Un plan E-optimal (E comme eigen value ) N
expriences vise minimiser la valeur propre maximale de la matrice de dispersion. En
dautres termes, un plan E-optimal minimise la longueur du plus grand axe de lellipsode de
confiance. Il est possible de suivre lvolution de la E-optimalit pour des matrices du modle
de taille diffrentes en calculant pour chacune :

( ) [ ] XX E
t
eff
min = (3.17)

Avec ( ) XX
t
les valeurs propres de la matrice dinformation.

Daprs louvrage de Galil et Kiefer [Galil, 77] la E-optimalit traduit ltalement des
expriences au sein du domaine exprimental, ce qui sapproche aux rseaux uniformes,
contrairement la D-optimalit.

La dtermination dun plan E-optimal est une tche mathmatiquement lourde puisquelle
ncessite le calcul rpt des valeurs propres de la matrice de dispersion. Ceci peut tre une
raison de sa faible utilisation.
134
Critre de MV-optimalit
Ce critre, proche du critre de E-optimalit, est un critre de type min-max qui vise
minimiser la variance maximale des estimateurs.
Critre de Turing
Ce critre est d Sutton et McGregor [Sutton, 77]. Il traduit la sphricit des rgions de
confiance. Il scrit :

( ) ( ) { } XX trace XX trace
p
Tu
t t
eff
=
1 1

(3.18)

Il vaut 1 si la rgion de confiance est une hypersphre, il est suprieur 1 si la rgion est
ellipsodale. Plus la rgion de confiance est sphrique, plus lhomognit des variances des
estimateurs est grande.
3.6.2.1.2. Les critres dans lespace des observations
Critre de G-efficacit
Le critre de G-efficacit ou G-optimalit (G comme general variance ) ne travail pas
directement sur la variance des coefficients comme le font les critres de D et A-optimalit,
mais plutt sur la minimisation du maximum de la fonction de variance des valeurs prdites
par le modle dans lensemble du domaine exprimental, en assurant ainsi une prcision
maximale sur les prvisions.

Lorsquune matrice dexpriences est G-optimale, le maximum de la fonction de variance
standardise est gal p, nombre dinconnues associes la forme gnrale du modle.

On dfinit ainsi un critre, appel G-efficacit, partir de la relation suivante
[Louvet, 06] :

( ) { }
0
, max x d
p
efficacit G
N
=
(3.19)

Avec

( ) ( )( ) ( ) { }
0
1
0 0
, x f XX x f N x d
t t
N
=
(3.20)

Il est alors ais de comparer les matrices dexpriences proposes par un algorithme
dchange en observant leur G-efficacit. Cest ce critre que nous utiliserons dans notre
tude.
135
3.6.2.1.3. Les critres derreur quadratique moyenne
Critre de J-optimalit
Le critre J galement appel IMSE pour Integrated Mean Square Error est connu en
franais sous le nom de critre de variance+biais . Il a t propos par Box et Draper dans
[Box
1
, 59]. On le trouvera largement explicit dans [Khuri, 87].

Loriginalit de ce critre rside dans le fait quil prend en compte la fois la variance de
la prdiction de la rponse et le biais induit sur les estimateurs du modle postul quand celui-
ci nest pas forcement le modle idal. En gnral, le modle idal est un sur-modle, c'est--
dire un modle englobant le modle postul et qui contient des termes supplmentaires. On
cherche se protger contre ce sur-modle en minimisant limpact de lomission des termes
supplmentaires sur la qualit des estimateurs obtenus avec le modle postul.

La formulation et la dcomposition de ce critre se trouve dans [Gauchi, 97] et
[Gauchi, 05].
3.6.2.2. Algorithme dchange
Il existe de nombreux algorithmes dchanges. Ces diffrents algorithmes ne sont pas
utiliss dans les mmes conditions et dpendent souvent de la nature du modle recherch et
des facteurs utiliss. On citera par exemple dans le cas de la construction dun plan D-optimal
discret, les algorithmes de [Fedorov, 72] et de [Mitchell, 74] et dans le cas dune construction
dun plan D-Optimal continu, lalgorithme propos par [Torsney, 88] complt de la
proposition de [Pronzato, 04].

Cependant, notre connaissance, tous les algorithmes dchange rencontrs dans les
logiciels de plan dexpriences utilisent le critre de D-optimalit et cherche donc
maximiser le dterminant de la matrice dinformation. Ce choix est d lefficacit de cet
outil et la rapidit du calcul ncessaire. En effet, chaque itration, sil est trs rapide de
calculer le dterminant dune matrice, il est en revanche assez long de calculer par exemple la
fonction de variance (3.10) en chacun des points candidats ncessaire au calcul de la G-
efficacit ou les valeurs propre de la matrice dinformation (E-efficacit). Nous nous
concentrerons donc par la suite sur les algorithmes dchanges bass sur le principe de D-
optimalit.

La minimisation des temps de calculs autorise aujourdhui de nombreuses simulations
numriques, facilitant la convergence vers un ensemble de matrices optimales. Il est alors
possible de calculer les critres doptimalit tels que la A- ou la G-efficacit de ces matrices
D-optimales et de choisir la meilleure. En observant graphiquement les variations des
indicateurs algbriques en fonction du nombre dessais, il est possible de choisir de manire
raisonne la meilleure matrice dexpriences permettant de rpondre au problme. Cest cette
dmarche que nous avons applique.
136
3.6.2.2.1. Principe dun algorithme dchange
Pour converger vers une matrice optimale, il faut tablir une matrice de dpart. Les
logiciels de plans dexpriences utilisent gnralement un gnrateur de nombres alatoires,
pour extraire du domaine exprimental une premire matrice dexpriences de taille N
donne.

Le principe de lalgorithme dchange consiste alors chercher, parmi les traitements
restants dans le domaine exprimental, celui qui fera crotre le plus le dterminant de la
matrice dinformation. Pour conserver des stratgies exprimentales de mme taille, il
convient de retirer ensuite de la matrice dexpriences, le traitement dont lextraction fait
dcrotre le moins le dterminant de la matrice dinformation. On ritre cette opration tant
que les changes provoquent une hausse significative de la valeur du dterminant.

Lorsquon a atteint une solution, il est recommand de recommencer la dmarche partir
dune nouvelle matrice initiale, plusieurs matrices optimales de qualits voisines ou
identiques pouvant tre gnres au sein dun mme domaine exprimental. Les temps de
calculs tant de plus en plus courts, il ne faut pas hsiter effectuer un grand nombre de
tirages alatoires.

Lorsquon dispose dune ou plusieurs matrices optimales de taille N, on reproduit la
dmarche en faisant crotre la taille du plan dexpriences. Les diffrentes matrices optimales
seront ensuite compares partir du dterminant norm de la matrice des moments, afin de
distinguer le meilleur rapport qualit/prix en matire de matrice dexpriences.

On peut se demander comment trouver trs rapidement lexprience rajouter, pour faire
crotre au maximum le dterminant de la matrice dinformation. Pour rpondre cette
question, on utilisera la fonction de variance standardise.
3.6.2.2.2. Utilisation de la fonction de variance standardise
Les coefficients du modle tant affects dune incertitude, il en va de mme pour les
prvisions que lon pourra faire partir de ce modle, pour toute combinaison des modalits
des facteurs, note symboliquement x
0
. La variance de prvision de la rponse pour toute
combinaison du domaine exprimental donne en (3.9) et rappele ici scrit sous la forme :

( ) ( )( ) ( ) { }
0
1
0
2
0
x f XX x f x y Var
t t

=
(
(3.21)

Cette dernire se traduit sous forme du produit entre la variance exprimentale et un
scalaire, obtenu par un produit matriciel faisant intervenir la matrice de dispersion (
t
XX)
-1
et la
fonction du modle pour la combinaison des modalits considre f(x
0
). La matrice de
dispersion tant dfinie partir dune matrice dexpriences donne, et pour une variance
exprimentale suppose constante au sein du domaine exprimental, la variance de prvision
de la rponse ne dpend que de la nature de la combinaison des modalits des facteurs.

Il est alors possible de dtecter la combinaison pour laquelle la variance de prvision est la
plus grande et cest naturellement cette combinaison que lon va introduire comme exprience
complmentaire dans la matrice dexpriences.
137
Pour ce faire on dfini la fonction de variance standardise partir de la relation (3.22) :

( )
( )
( )( ) ( ) { }
0
1
0 2
0
0
, x f XX x f N
x y NVar
x d
t t
N
=
(

(3.22)

Cette fonction est calcule systmatiquement pour chacune des combinaisons du domaine
exprimental non retenue dans une matrice dexprience, afin didentifier celle pour laquelle
cette fonction prsente un maximum. Si plusieurs combinaisons prsentent une valeur
maximale pour la fonction de variance standardise, on en retient une au hasard, pour
lintroduire dans la matrice dexpriences.

Il existe un lien entre le dterminant de la matrice dinformation de taille N et le
dterminant de la matrice dinformation de taille (N+1), provenant du rajout dune
exprience :

( ) ( )
( )
(
+ =
+ +
N
x d
X X X X
N
N N
t
N N
t 0
1 1
,
1 det det

(3.23)
3.6.2.3. Notion de points leviers
Avant de passer la phase dexprimentation et la ralisation des essais, il est important
de vrifier labsence de point levier parmi les traitements du plan dexpriences mis en place.
Par dfinition les points leviers sont des points du design qui dterminent trs fortement le
modle [Johnstone, 98], [Toutenburg, 02]. Pour identifier un point levier, il faut calculer les
termes diagonaux de la matrice H dfinie par :

( )
t t
X X X X H
1
=
(3.24)

La matrice H est donc une matrice NxN dans laquelle chacun des termes diagonaux H
ii
est
associ au i
me
traitement du plan dexpriences. La trace de la matrice H est gale p donc la
valeur moyenne des H
ii
est p/N. En pratique, un trac de H
ii
est effectu et lon cherche les
points leviers dont le H
ii
est suprieur 3p/N ou 2 p/N ou alors qui semblent trs diffrents
des autres.

En prsence dun ou plusieurs points leviers, il est possible de choisir un autre plan
dexpriences ne prsentant pas de points leviers ou de raliser les essais en portant une
attention particulire la valeur de la rponse en ce(s) point(s).
3.7. Exprimentation
Cette phase se droule de la mme faon que lors dune tude des effets des facteurs. Les
recommandations sont donc les mmes que celles tablies dans le second chapitre.

Avant lexprimentation, il convient de prparer pour chacun des essais, une fiche
indiquant les modalits des facteurs respecter. De plus, il est prfrable deffectuer une
randomisation des essais si cela est possible. Cette randomisation permet de limiter
138
lventuelle influence perturbatrice de facteurs non contrls. Cependant cette randomisation
nest parfois pas possible cause des difficults engendres par la modification des modalits
des facteurs.
Avant de mettre en uvre des outils mathmatiques pour estimer les p inconnues du
modle et raliser la surface de rponse correspondante, il est important de porter un jugement
global sur lensemble des rsultats dessais.

Lanalyse globale des rsultats dessais permet notamment :

Dapprcier la variation des rponses observes au cours du plan dexpriences ;
sassurer dun cart significatif entre les valeurs minimales et maximales de la
rponse observe.
De dtecter des valeurs suspectes et procder une reproduction dexpriences le
cas chant.
De reprer une combinaison des modalits des facteurs dont les rsultats peuvent se
rvler industriellement intressants.
Lanalyse mathmatique consiste estimer, grce la mthode des moindres carrs, les p
coefficients du modle et les N rsidus, savoir les carts entre les valeurs observes et les
valeurs prvues par le modle pour chacun des N traitements du plan dexpriences. La
mthode des moindres carrs garantit une estimation non-biaise des coefficients du modle.
3.9.1. Calcul des coefficients du modle additif
Le plan dexpriences peut se retranscrire sous la forme :

{ } ( ){ } { } E ts Coefficien X Y + = (3.25)

Avec :
(Y) le vecteur des rsultats dessais,
(X) la matrice du modle,
(Coefficients) le vecteur des estimations des coefficients.
(E) la matrice derreur.

La matrice (X) ntant pas souvent une matrice carre, nous avons recourt pour rsoudre
ce problme lcriture matricielle de la mthode des moindres carrs [Dodge, 99] [Goupy,
06] prsente dans le chapitre prcdent et rappele ici, dont lquation est :

{ } ( ) ( ){ } Y X XX ts Coefficien
t t
1
=
(3.26)

Cette quation fait appel au calcul de la pseudo inverse de la matrice du modle (X). La
matrice (X) tant de rang plein en colonnes (le nombre de colonnes indpendantes est
139
infrieur au nombre de lignes), cette pseudo inverse se calcule partir de la relation (3.27)
[Rotella, 95] :

( ) ( ) ( ) X XX X
t t
1
+
=
(3,27)
3.9.2. Calcul des rsidus
Connaissant une estimation des coefficients du modle, il est possible dutiliser ce dernier
afin de prvoir la rponse pour chacun des traitements du plan dexpriences. Il suffit pour
cela dutiliser le produit scalaire entre le vecteur des estimations des coefficients et le vecteur
reprsentant la fonction du modle, pour une combinaison donne, x
0
, des modalits des
facteurs [Draper, 81] :

( ) ( ){ } ts Coefficien x f x y
t
0 0
=

(3.28)

Pour une combinaison donne, x
0
, du plan dexpriences, le rsidu e
i
est dfini partir de
la relation (3.29) :

( ) ( )
0 0
x y x y e
i
=
(3.29)

La mthode des moindres carrs utilise pour calculer les coefficients des modles repose
en partie sur lhypothse de normalit des rsidus, il sera donc ncessaire lors de lanalyse
statistique des rsultats de vrifier cette normalit comme nous le verrons au paragraphe
3.10.3.
Lquation du modle empirique nest quune approximation de la ralit. Lestimation
des coefficients du modle polynomial du second degr sappuie sur des rsultats dessais qui
sont, pour chacun des traitements du plan dexprience, des valeurs particulires dune
variable alatoire.

La mise en uvre de tests statistiques doit permettre de porter un jugement sur les
rsultats obtenus savoir :

Un modle dcrivant la variation de la rponse dans le domaine exprimental.
Des estimations des coefficients associs aux diffrents monmes du modle.
Des rsidus traduisant les carts entre les valeurs mesures et les valeurs calcules.
3.10.1. Lanalyse du modle dans sa globalit
Cette premire tape de lanalyse statistique aboutit la construction du tableau danalyse
de rgression et la dtermination de la qualit descriptive du modle [Eriksson, 00],
[Droesbeke, 97].

140
Lanalyse de rgression consiste expliquer la variation totale de la rponse partir de la
somme des carrs des carts entre les rsultats dessais et leur moyenne :

( )
=
=
N
i
i
y y SCT
1
2
(3.30)

Cette quantit est indpendante du modle postul. On dcompose ensuite cette somme de
carrs en une somme de deux termes SCM et SCE.

Le premier terme traduit la variation des rponses calcules autour de leur moyenne, soit
encore :

\
|
=
N
i
i
y y SCM
1
2
(3.31)
On rappelle que lapplication de la mthode des moindres carrs utilise pour la
dtermination des coefficients du modle, induit la relation (3.32) :

=
=
= =
N
i
i
N
i
i
y
N N
y
y
1 1
1 1
(3.32)

Le second terme traduit la somme des carrs des rsidus, dont on sait quelle est minimale
grce lutilisation de la mthode des moindres carrs :

\
|
=
N
i
i i
y y SCE
1
2
(3.33)

On vrifie immdiatement la relation suivante, encore appele quation danalyse de
variance ou quation danalyse de rgression :

SCT=SCM+SCE (3.34)

Lanalyse statistique du modle dans sa globalit se poursuit par la construction dun test
statistique, visant affecter une probabilit lhypothse nulle (H
0
) qui dit que le modle ne
permet pas de dcrire la variation des rsultats dessais.

Il sagit du test de comparaison du rapport de deux variances une valeur donne
[NF X 06-063, 87]. On dfinit pour cela la statistique, note F
obs
partir de la relation (3.35) :

p N
SCE
p
SCM
F
obs
=
1
(3.35)

Les quantits (p-1) et (N-P) correspondent respectivement au nombre de degrs de libert
affects la somme des carrs associe au modle (SCM) et la somme des carrs associs
aux rsidus (SCE). Le rapport F
obs
exprime donc le rapport entre 2 variances. Pour le i
me

traitement du plan dexpriences, la valeur observe y
i
du rsultat dessai reprsente une
141
valeur particulire de la variable alatoire caractrisant la rponse pour ce traitement. Par voie
de consquence, la statistique F
obs
est elle-mme une variable alatoire dont les valeurs
suivent une fonction de rpartition thorique, appele loi de F ou loi de Snedecor.

On utilise cette loi pour savoir partir de quelle valeur particulire, appele valeur
critique, le numrateur de la quantit F
obs
est significativement suprieur au dnominateur.

On peut galement partir de cette mme fonction de rpartition affecter une probabilit
P de rejeter tort lhypothse nulle (H
0
) nonce ci-dessus. En comparant cette probabilit au
seuil de significativit choisi on peut conclure quant la vracit de lhypothse (H
0
).

Un tableau danalyse de rgression, tel que celui prsent en table 1, permet de regrouper
les diffrentes tapes permettant daboutir au calcul de cette probabilit.

Source Somme des carrs Degrs de libert Carr moyen F
obs
Probabilit
Modle SCM p-1 SCM/(p-1)
Rsidus SCE N-p SCE/(N-p)
F
obs
P
Total SCT N
Table 1 Tableau danalyse de rgression
Dans le chapitre II, nous avons vu comment calculer la qualit descriptive dun modle
partir du coefficient de rgression ajust :

1
1
2
=
N
SCT
p N
SCE
Rajust
(3.36)

Plus la valeur du coefficient de rgression est proche de 1 et plus la qualit descriptive du
modle est satisfaisante.

Il est galement possible de traduire la qualit prdictive dun modle partir du
coefficient de corrlation prdictif Q calcul grce la formule (3.37) [Chin, 98] :

SCT
PRESS
Q =1
2
(3.37)

Dans lequel :

=
N
i ii
i i
h
y y
PRESS
1
1

(3.38)

Avec :
y
i
la rponse mesure au point i,
i
y la rponse calcule par le modle au point i,
h
ii
le i
me
terme diagonal de la matrice H dfinie comme :

142
( )
t t
X X X X H
1
=
(3.39)

Les valeurs de h
ii
sont donc les valeurs de la fonction de variance au point i.

On conoit quun modle sera dautant plus prdictif que lerreur de prdiction sera faible
pour chacun des traitements exprimentaux du plan. Dans la relation (3.38), PRESS est
lacronyme de la locution anglaise PRediction Error Sum of Square. Plus la valeur de PRESS
est faible, plus le modle est prdictif.
3.10.2. Analyse statistiques des coefficients du modle
Une autre tape de lanalyse statistique du modle concerne lanalyse statistique des
coefficients base sur lhypothse nulle (H
0
) qui affirme que le coefficients a
i
associ
llment X
i
du modle (constante, facteur, terme quadratique ou interaction) est nul. La
probabilit associe cette hypothse est obtenue partir du test statistique de comparaison
la valeur 0.

Pour cela, on tablit pour chaque coefficient la statistique, note t
obs
, partir de la relation
(3.40) :

( ) ( )
i
i
i
i
obs
a s
a
a s
a
t =
=
0
(3.40)

La valeur de lestimateur a
i
est une valeur particulire dune variable alatoire qui dpend
en effet directement des rsultats dessais et du modle postul. Lincertitude associe sa
dtermination est dfinie par le dnominateur s(a
i
) qui traduit lerreur-type, savoir lcart-
type dun estimateur.

Lerreur-type est dfinie partir de la relation (3.41) :

( ) ( )
2
var
ii i i
c a a s = = (3.41)

Le coefficient de variance c
ii
correspond au terme diagonal de rang i de la matrice de
dispersion note (
t
XX)
-1
dans la mthode des moindres carrs. La variance exprimentale est
note dans lexpression de lerreur-type.

Lorsque la variance exprimentale est difficilement calculable ainsi que dans les logiciels,
on adopte comme estimation de la variance exprimentale, la variance rsiduelle dfinie
partir de la relation gnrale :

p N
y y
SCE
N
i
i i
E
r
\
|

= =
1
2
2

(3.42)

Le tableau danalyse de rgression permet deffectuer rapidement une estimation de
lcart-type rsiduel, qui scrit :
143
2
r
r s
= (3.43)

La statistique t
obs
peut alors tre exprime sous la forme :

ii r
i
obs
c s
a
t =
(3.44)

Cette statistique est une variable alatoire dont les valeurs suivent une fonction de
rpartition thorique, appele loi de t ou encore loi de Student. On utilise cette fonction de
rpartition pour savoir partir de quelle valeur particulire, appele valeur critique, le
numrateur de la quantit t
obs
est significativement diffrent de 0 pour une probabilit .

( )
E
t t
critique
;
2
1
=
(3.45)

On peut galement, partir de cette mme fonction de rpartition, affecter une probabilit
de rejeter tort lhypothse nulle (H
0
).

Les rsultats de lanalyse des coefficients sont gnralement regroups dans un tableau.

Facteur Coefficients Erreur-type t
obs
Probabilit
X
i
a
i
s(a
i
)
ii r
i
obs
c s
a
t =
P
Table 2 Tableau danalyse statistique des coefficients
En comparant la probabilit associe chaque coefficient, il est possible de conclure
quant la pertinence de la prsence de ces coefficients dans le modle. Il est alors intressant
dobserver linfluence de la suppression de ces lments sur les coefficients R
ajust
et Q.
3.10.3. Analyse statistique des rsidus
Lanalyse des rsidus e
i
complte lanalyse statistique du modle et lanalyse statistique
des coefficients. Bien que les carts entre les valeurs observes et les valeurs calcules par le
modle aient t minimiss par le choix de la mthode des moindres carrs, il faut sassurer
que localement, les rsidus ne soient pas anormalement importants [Draper, 81].

La normalit de la distribution des rsidus est une hypothse importante de la mthode des
moindres carrs. Compte tenu du nombre N dessais on utilise gnralement la mthode
graphique de la droite dHenry.

On dtermine tout dabord le rang r des rsidus, ces derniers tant ordonns de manire
non dcroissante. On affecte ensuite chacun des rsidus une frquence dont la dfinition
respecte la relation (3.46) :

4 1
8 3
=
N
r
P
(3.46)
144
Lapplication de linverse not F
-1
de la fonction de rpartition de la loi normale centre
rduite, permet dobtenir enfin les ordonnes correspondantes du graphique de Henry ; il
sagit des fractiles de la loi normale rduite F
-1
(P).

Si le nuage de point est approximativement align le long dune droite, on conclu que les
rsidus sont normalement distribus. Seules des causes alatoires sont alors lorigine de la
dispersion des rsidus autour de leur moyenne.

Les tests de normalit classique comme celui dAnderson-Darling [Anderson, 52], ou de
Shapiro-Wilk [Shapiro, 65] peuvent galement tre utiliss cette tape. Le test propos par
T.W. Anderson et D.A. Darling en 1952 par exemple calcule une probabilit P de rejeter
tord lhypothse H
0
qui stipule que la population teste suit une loi normale.

Diffrents graphiques sont disponibles pour restituer de manire interprtable lquation
du modle empirique. Dans le contexte des plans dexpriences pour ltude des surfaces de
rponse, cette restitution seffectue essentiellement sous deux formes de surfaces de rponse
et de courbes iso-rponse.

Toutefois, avant de se livrer la reprsentation de la surface de rponse et des courbes iso-
rponses, il est important de porter un jugement sur la qualit descriptive du modle
empirique ; la construction dun graphe dadquation permet datteindre cet objectif.
3.11.1. Graphe dadquation du modle
La construction du graphe dadquation du modle repose sur un nuage de points qui
matrialise en abscisse la variation de la rponse mesure et en ordonne la variation de la
rponse calcule partir du modle obtenu.

La reprsentation de la premire bissectrice permet de porter visuellement un jugement
sur lalignement des points plus le nuage est proche de cette premire bissectrice, plus le
modle dcrit convenablement la variation des rsultats dessais. La construction dun
graphique dadquation permet donc une reprsentation graphique de la qualit descriptive
R
ajust
du modle.
3.11.2. Surfaces de rponse
La surface de rponse, comme celle prsente en figure 3, matrialise la surface de
rgression partir dun graphique dans un espace trois dimensions. Le plan horizontal de la
figure matrialise le domaine de variation de 2 facteurs ; laxe vertical matrialise la variation
de la rponse partir du modle.

Au-del de 2 facteurs, il est ncessaire de maintenir un niveau constant les facteurs dont
les variations ne sont pas dcrites dans le plan horizontal.

145

Fig 3. Exemple de surface de rponse
3.11.3. Courbes iso-rponse
Les courbes iso-rponses, comme celle prsent en figure 4, constituent une projection de
la surface de rponse dans le plan horizontal. Elles sinterprtent comme les courbes de
niveaux, dessines sur une carte topographique. Tout comme pour les surfaces de rponse,
cette reprsentation ne fait intervenir que 2 facteurs la fois, les autres devant tre fixs un
niveau constant.

Fig 4. Exemple de courbes iso-rponse
La validation du modle est primordiale afin de capitaliser, par la suite, les rsultats et les
conclusions du plan dexpriences.

La mise en uvre de la dmarche conduit effectuer deux hypothses quil convient
maintenant de vrifier :

146
La premire hypothse porte sur le recours un modle empirique dont
linterprtation doit permettre lutilisateur dapporter des lments de rponse aux
questions poss.
La deuxime hypothse porte sur lcriture particulire du modle mathmatique
sous forme polynomiale.

Une validation exprimentale des hypothses doit toujours venir complter et enrichir une
analyse mathmatique et statistique du modle. Cette validation passe par la dfinition de
nouveaux traitements exprimentaux. Ces derniers contribueront conforter linterprtation
industrielle des premiers rsultats. Cest cette validation exprimentale qui permettra de
vrifier les deux hypothses exposes prcdemment en comparant les rponses mesures par
lexprimentation celles fournies par le modle.

On dfini un intervalle de confiance autour des prdictions :

( )
r r i
DF t S h CI ;
2
1

= (3.47)

Dans lequel :
h
i
est la valeur de la variance prdictive au point considr dont le calcul est donn en
(3.10),
S
r
est lestimation de la variance exprimentale, lorsque celle-ci nest pas calculable,
donne en (3.43),
t(1-/2 ; DF
r
) est la valeur du t de Student pour une valeur de seuil de 1-/2 et le degr
de libert du rsidu.

Le modle sera valid si les rponses mesures pour les expriences de validation sont
comprises dans lintervalle de tolrance prdit par le modle au point considr.
4. Application de la mthode de surface de rponse
Lapplication des techniques de criblage effectue dans le second chapitre a permis
didentifier les facteurs ayant une influence statistiquement significative sur la surtension et la
vitesse de commutation. Cette limitation du nombre de facteur considrer a pour
consquence directe la rduction du nombre de coefficients dterminer dans les modles et,
par le fait, le nombre dexpriences raliser. Ces modlisations de la surtension et de la
vitesse de commutation au blocage des modules IGBT en fonction des facteurs identifis au
cours du second chapitre vont maintenant vous tre prsentes.

Nous allons pour cela reprendre les diffrentes tapes de la mthode des plans
dexpriences pour ltude de surface de rponse prsentes dans le paragraphe 3 et les mettre
en pratique dans le cas de notre application industrielle.
4.1. Dfinition des objectifs et des rponses
Comme nous lavons prcis au cours du premier chapitre, nous cherchons travers ce
travail amliorer la connaissance du comportement dun module IGBT utilis en traction
ferroviaire. Pour cela, lobjectif vis est la mise en place de modles polynomiaux traduisant
la surtension et la vitesse de commutation du module IGBT.
147
La figure 5 rappelle ces deux performances mesures lors du blocage de ces modules.

Fig 5. Blocage du module IGBT
Nous cherchons, travers cette tude, tablir une cartographie des variations de ces deux
performances dynamiques en fonction de paramtres lis aux conditions de fonctionnement,
identifies dans le second chapitre et rappeles dans le paragraphe 4.3.
Nous avons vu dans le paragraphe 3.2 quun optimum peut tre atteint par une mthode
directe comme la technique du simplexe ou indirecte comme la dfinition dun modle.

Dans cette tude, lobjectif nest pas tant datteindre un rglage optimum des facteurs
considrs que de traduire les rponses pour chacune des combinaisons de facteurs quil est
possible de rencontrer en application.

Nous supposerons donc un modle a priori dont le nombre dinconnues dpendra du
nombre de facteurs pris en considration.
Les deux tudes de criblage prsentes au chapitre II ont permis didentifier 6 facteurs
ayant une influence statistiquement significative sur lune et/ou lautre des rponses
observes. Ces facteurs sont rsums dans le schma lectrique de la figure 6 :

Fig 6. Schma lectrique du montage exprimental
148
Ces 6 facteurs sont :

3 facteurs lis aux conditions de fonctionnement :
o La tension commute U,
o Le courant commut I,
o La temprature de fonctionnement TC.
3 facteurs lis aux paramtres de conception :
o Linductance de boucle Lcom due la connectique entre la capacit et le
module IGBT,
o La rsistance Rg
off
o Le temps t
on
pendant lequel lIGBT est passant avant son second blocage.

La modlisation de la surtension et de la vitesse de commutation du module IGBT sera
donc effectue en fonction de ces 6 facteurs.
Nous avons vu au paragraphe 3.5 que le modle recherch lorsquon utilise la mthode
des plans dexpriences pour ltude de surface de rponse est un polynme du second degr
et que, par consquent, chacun des facteurs doit tre dot dau moins 3 modalits.

Les bornes utilises pour chacun des facteurs sont identiques celles utilises lors des
tudes de criblage du chapitre II. Ces bornes sont rappeles dans la table 3 :

Facteurs Min Max
U (V) 500 2400
I (A) 600 2400
T (C) -40 125
Lcom (nH) 60 200
Rg
off
() 3,7 6,8
t
on
(s) 10 100
Table 3 Bornes des facteurs utiliss pour la surface de rponse
Les facteurs temprature, inductance de boucle et rsistance de grille sont difficilement
modifiables, nous navons donc utilis que 3 modalits pour chacun de ces facteurs ce qui
correspond au nombre minimal de modalit pour un modle du second degr. Les niveaux
choisis sont alors les valeurs extrmes et une valeur centrale pour ces trois facteurs. En
revanche, la tension, le courant et le temps de commutation sont des facteurs facilement
modifiables, le maillage peut donc tre plus fin sur ces facteurs.

Pour viter la casse du module IGBT lors des tests de commutation, il est ncessaire de
contraindre le domaine exprimental. La mise en place de ces contraintes vise limiter la
tension maximale que voit lIGBT lors de la commutation, c'est--dire la surtension.
Lobjectif ntant pas ici de tester les limites de fonctionnement de lIGBT, nous avons choisi
de fixer cette valeur maximale 3,1 kV, le calibre de nos modules tant de 3,3 kV soit une
marge de scurit de 200 V. Cette marge permettra de compenser les dispersions prsentes
entre les diffrents modules et de sassurer quaucun module ne cassera pendant les essais.
Une casse lors dun essai et donc labsence de mesure en un point du plan dexpriences
aurait des consquences nfastes sur lanalyse des rsultats et la dtermination des modles.

149
La modification de la temprature tant contraignante et nayant pas un effet trs
important sur la surtension comme nous lavons observ dans le second chapitre, les niveaux
de contraintes ont t identifis 25C. La marge de scurit permettra de prendre en
considration ce choix et dassurer le bon fonctionnement des modules quelle que soit la
temprature.

Les limites du domaine ont alors t fixes en identifiant dune part la valeur maximale de
tension admissible lorsque le courant est sa valeur maximale (2400 A) dans chacune des
configurations Lcom/Rg
off
/t
on
puis dautre part, la valeur maximale de courant admissible
dans ces mmes conditions lorsque la tension est sa valeur maximale (2400V).

La table 4 prsente les rsultats obtenus et donc les limites du domaine exprimental au
niveau des tensions et courants commuts :

Lcom (nH) Rg
off
() t
on
(s) I si U=2400V U si I=2400A
10 600 A 1300 V
55 900 A 1700 V 3,7
100 1000 A 1800 V
10 600 A 1400 V
55 900 A 1700 V 5,2
100 900 A 1800 V
10 600 A 1500 V
55 1100 A 1700 V
200
6,8
100 1100 A 1800 V
10 900 A 1800 V
55 1400 A 2100 V 3,7
100 1400 A 2200 V
10 800 A 1900 V
55 1000 A 2000 V 5,2
100 1200 A 2000 V
10 1000 A 1900 V
55 1300 A 2000 V
120
6,8
100 1500 A 2000 V
10 1400 A 2000 V
55 2400 A 2400 V 3,7
100 2400 A 2400 V
10 1700 A 2100 V
55 2400 A 2400 V 5,2
100 2400 A 2400 V
10 2000 A 2200 V
55 2400 A 2400 V
60
6,8
100 2400 A 2400 V
Table 4 Niveaux maximaux de tension et courant dans le domaine exprimental
Lobjectif de lidentification de ces seuils critiques est dviter la casse du composant
durant lexprimentation. Le but ntant pas datteindre la valeur exacte de 3100 V, le pas de
tension et de courant a t fix 100 V et 100 A, ce qui explique que les valeur fournies dans
la table 4 soit des multiples de 100 et non les valeurs exactes permettant datteindre 3100 V de
surtension au moment du blocage du module IGBT.

150
On rsume les modalits des diffrents facteurs dans la table 5 :

Facteurs Modalits
Tension U Maillage fin respectant les contraintes partir de 500 V.
Courant I Maillage fin respectant les contraintes partir de 600 A.
Temprature T -40C ; 42C ; 125C.
Inductance Lcom 60nH ; 120nH ; 200nH.
Rsistance Rg
off
3,7 ; 4,2 ; 6,8.
Temps t
on
Maillage fin entre 10s et 100s.
Table 5 Modalits utilises dans le domaine exprimental
Aprs intgration des contraintes, le domaine exprimental se trouve constitu de 1311
points candidats. La construction de la matrice du modle consistera donc choisir parmi ces
1311 points, ceux permettant de dterminer la valeur des coefficients des modles avec la plus
grande prcision.
Nous avons vu dans le paragraphe 3.5 que le modle recherch en appliquant la mthode
des plans dexpriences pour ltude de surface de rponse est du second degr. Ntant pas
dans le cas dune tude de mlange, les modles recherchs sont des modles polynomiaux
tels que ceux dfinis par lquation (3.4) du paragraphe 3.5 et rappels ici :

= =
= + =
+ + + =
k
i
k
i
k
i
k
i j
j i ij i ii i i
x x x x
1 1
1
1 1
0

(3.48)

Les deux tudes de criblage prsentes dans le second chapitre ont permis didentifier 6
facteurs ayant une influence statistiquement significative sur les rponses observes. Dans ce
contexte il est ais de calculer le nombre de coefficients identifier dans chacun des modles
partir de la formule (3.5) rappele ici :

2
) 2 )( 1 ( + +
=
k k
p (3.49)

Lapplication de cette formule lorsque k=6 facteurs donne un total de 28 coefficients
dterminer.

Le plan dexpriences devra donc tre constitu dau minimum 28 expriences. Il sagit
alors didentifier parmi les 1311 points candidats, les 28 traitements permettant dobtenir la
meilleure matrice possible puis daugmenter sa taille afin dobserver si la qualit de la matrice
ainsi obtenue justifie le surcot engendr par lajout dun traitement supplmentaire. Ce
travail constitue ltape de construction du plan dexpriences.
Le domaine exprimental tant fortement contraint, le choix sest port sur une
construction algorithmique de la matrice dexpriences et lutilisation dun algorithme
dchange.
151
4.6.1. Utilisation du K-algorithme de MODDE
Une construction algorithmique dune matrice dexprience ncessite un logiciel adapt.
Le logiciel que nous utilisons est le logiciel MODDE, pour MOdeling DEsign, distribu par
Umetrix. Lalgorithme dchange utilis par MODDE est le K-algorithme de Johnson et
Nachtsheim [Johnson, 83] implment dune modiffication Bayesienne telle que dcrit par
[Dumouchel, 94]. Il sagit dun compromis entre lalgorithme de Wynn [Wynn, 70] o K=1 et
celui de Fedorov [Fedorov, 72] dans lequel K=N. Dans lalgorithme utilis par MODDE K=3.

chaque itration lalgorithme identifie les 3 points du design possdant la plus petite
variance prdictive et les remplace par des points du domaine exprimental choisis
alatoirement. Si un, ou plusieurs, de ces changes fait crotre le dterminant de la matrice
dinformation (X
t
X) de faon significative, le ou les points sont changs. Cet algorithme se
base donc sur le critre de D-optimalit.

Malgr lutilisation dun algorithme dchange bas sur la D-optimalit, nous avons choisi
pour cette tude dutiliser le critre de G-efficacit. Les modles obtenus tant utiliss dans un
but de prdiction dans lensemble du domaine exprimental, il est important de garantir une
incertitude minimale dans lensemble du domaine, ce sur quoi traite la G-efficacit. En effet
contrairement dautres critres plus frquemment utiliss comme la D- ou la A-efficacit qui
se concentre sur la prcision des coefficients, la G-efficacit va plus loin en proposant de
traiter lensemble du domaine exprimental.

Pour un nombre N dfini, le logiciel MODDE permet de raliser 200 tirages alatoires
dans le domaine exprimental et lalgorithme dchange fait converger chacun de ces tirages
vers un optimum local. Il est alors possible de classer les 200 matrices rsultantes en fonction
de leur G-efficacit.

Pour augmenter la chance de trouver parmi ces optimums locaux loptimum global, ces
200 tirages sont rpts plusieurs fois et la meilleure matrice est retenue. De plus, un lien
existe entre G- et D-optimalit. Il y a mme quivalence entre G- et D-optimalit continues
[Gauchi, 05]. Cette similitude se base sur le thorme dquivalence gnrale de [Kiefer, 60].
Nous pouvons donc dire que si une matrice D-optimale nest pas toujours G-optimale, elle
possde, malgr tout, une bonne G-efficacit.

Le but de cet algorithme est didentifier les N exprimentations parmi les 1311 points
candidats qui donnent les meilleurs rsultats en terme defficacit. Le nombre de coefficients
p dterminer tant de 28, le nombre N dexprimentations, constituant la matrice
dexpriences, doit tre au moins 28. Pour des raisons matrielles, la taille maximale de la
matrice X a t limite 50 expriences.

Lvolution de la G-efficacit en fonction de la taille N de la matrice dexprience est
donne par la figure 7 :

152
45
50
55
60
65
70
75
80
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
N
G
-
e
f
f
i
c
a
c
i
t

s

Fig 7. Evolution de la G-efficacit en fonction de la taille N de la matrice dexpriences
Lanalyse de lvolution de la G-efficacit permet didentifier un premier plan optimal
intressant en 37 expriences, il faudrait atteindre 46 traitements pour retrouver un niveau
identique defficacit.

On constate donc que rien ne sert daccrotre la taille de la matrice dexpriences
puisquon ne minimise pas pour autant la variance de prdiction sur la rponse, au moins
localement dans le domaine exprimental. Il est vrai qu partir de 47 exprimentations, la G-
efficacit de la matrice obtenue est suprieur celle calcule pour 37 traitement, cependant il
faut raliser 10 expriences supplmentaires.

Laugmentation de G-efficacit obtenue pour 47 expriences et plus ne justifiant pas les
moyens mettre en uvre pour raliser les expriences supplmentaires, nous retiendrons
dans cette tude un plan optimal dfini partir de 37 combinaisons particulires de modalits
des facteurs. Cette matrice nous assure un niveau maximal dincertitude de prdiction dans le
domaine exprimental le plus petit possible.

Comme nous le voyons sur les figures 8 et 9, cette matrice satisfait galement le critre de
D-optimalit. En revanche, la matrice du modle nest pas A-optimal, la somme des erreurs
sur les coefficients nest donc pas minimale ce qui ne lempche pas de garantir une prcision
maximale sur ses prvisions (G-optimalit).

153
43
44
45
46
47
48
49
50
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
N
D
-
e
f
f
i
c
a
c
i
t

s

Fig 8. Evolution de la D-efficacit en fonction de la taille N de la matrice dexpriences
17
18
19
20
21
22
23
24
25
26
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
N
A
-
e
f
f
i
c
a
c
i
t

s

Fig 9. Evolution de la A-efficacit en fonction de la taille N de la matrice dexpriences
La matrice dexpriences optimale constitue de ces 37 expriences obtenues grce au K-
algorithme dchange prsent dans MODDE est donne dans la table 6 :

154
Point U (V) I (A) T (C) Lcom (nH) Rg
off
() t
on
(s)
1 2400 600 -40 200 3,7 10
2 500 2400 -40 200 3,7 10
3 1800 2400 -40 200 3,7 100
4 500 600 -40 200 6,8 10
5 2400 1100 -40 200 6,8 55
6 500 2400 -40 200 6,8 100
7 1500 600 -40 200 5,2 100
8 1900 2400 -40 120 5,2 10
9 500 1500 -40 120 3,7 100
10 500 600 -40 60 6,8 100
11 2400 600 -40 60 6,8 10
12 500 2400 -40 60 6,8 10
13 2400 2400 -40 60 6,8 100
14 500 600 -40 60 3,7 10
15 1500 2400 -40 60 3,7 55
16 2400 600 -40 60 3,7 100
17 2400 1400 42 60 3,7 10
18 500 2400 42 60 5,2 100
19 2400 600 42 120 6,8 100
20 1500 2400 42 200 6,8 10
21 500 600 42 200 3,7 55
22 500 600 125 60 3,7 100
23 500 2400 125 60 3,7 10
24 2400 2400 125 60 3,7 100
25 2400 600 125 60 5,2 55
26 500 600 125 60 6,8 10
27 1500 1500 125 60 6,8 100
28 2200 2400 125 60 6,8 10
29 500 2400 125 120 6,8 55
30 1500 600 125 120 3,7 10
31 500 2400 125 200 3,7 100
32 2400 600 125 200 3,7 100
33 1700 2400 125 200 3,7 55
34 500 1500 125 200 5,2 10
35 500 600 125 200 6,8 100
36 2400 600 125 200 6,8 10
37 1800 2400 125 200 6,8 100
Table 6 Matrice dexpriences G-Optimale
Cette matrice nous assure un intervalle de tolrance optimal autour des prdictions
effectues partir des modles qui en rsulteront. En effet le critre de G-efficacit retenu
permet de minimiser la valeur maximale prise par cet intervalle dans le domaine
exprimental.

On remarque que cette matrice dexpriences est compose de points situs pour la plupart
sur lextrieur du domaine, c'est--dire aux valeurs extrmes des niveaux des facteurs et de
quelques points utilisant les valeurs centrales des niveaux des facteurs (120 nH, 55 s,
4,2 ,). Ceci rappele les formes gomtriques utilises dans les constructions historiques
cites au paragraphe 3.6.1. Les rseaux de Doehlert [Doehlert, 70] par exemple cherchent
couvrir le domaine exprimental de plus uniformment possible et se rapproche alors dune
figure gomtrique en toile.

155
Avant de raliser les 37 expriences de cette matrice G-optimale dans de bonnes
conditions il est ncessaire de sassurer de labsence de points leviers parmi les traitements.
4.6.2. Identification des points leviers dans la matrice G-optimale
Nous avons vu au paragraphe 3.6.2.3 que les points leviers reprsentent des traitements
exprimentaux pour lesquels la rponse mesure tient une place prpondrante dans le calcul
final des coefficients du modle. La prsence de points leviers nest pas souhaite et ncessite
une certitude absolue de la valeur de la rponse mesure en ces points.

Le calcul des leviers de notre matrice dexpriences donne la figure 10 :

0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1 2 3 4 5 6 7 8 9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
3
1
3
2
3
3
3
4
3
5
3
6
3
7
Points
L
e
v
i
e
r
s

s

Fig 10. Graphe des leviers de la matrice G-optimale
La prsence dun point levier se traduit par une valeur du terme diagonal de la matrice H
qui lui est associ suprieur 2p/N ou trs diffrent des autres. Dans notre cas 2p/N est
suprieur 1,5 et aucun des termes diagonaux nest trs suprieur aux autres.

Nous pouvons donc conclure labsence de points leviers dans notre matrice
dexpriences. Les essais seront donc tous raliss avec la mme rigueur et aucune des
rponses mesures aux diffrents points ne psera plus que les autres sur les calculs des
coefficients des modles.
4.7. Exprimentation
Les essais -40C et 42C ont t raliss en tuve. Les essais 125C quant eux ont
t effectus sur plaque chauffante. Les allumeurs ne rsistant qu 70C, il tait impossible
de pratiquer ces essais en tuve dans une atmosphre 125C. Le montage en tuve est
prsent en figure 11 :

156

Fig 11. Montage en tuve pour les essais -40C et 42C
Le montage pour les essais 125C est le mme que celui utilis lors des tudes de
criblages et prsent dans le second chapitre except pour la mesure du courant. En effet lors
des tudes de criblage, le courant tait mesur laide dun shunt or dans cette tude et
notamment lors des essais dans une atmosphre -40C nous navons pas pu utiliser ce mme
shunt sans risquer de le dtruire. Nous avons donc mesur le courant laide dun tore lors de
cette tude.
Chacun des essais a t ralis 5 fois. Les valeurs releves lors des mesures tant des
valeurs particulires de variables alatoires, la rptition des mesures a permis de sassurer de
ne pas tre en prsence dune valeur extrme lors de lexprimentation. En prsence dune
valeur suspecte, lessai est ralis de nouveau et la valeur suspecte est carte. Les rsultats
des 37 essais de la matrice dexpriences sont prsents dans la table 7, ils sont les valeurs
moyennes des 5 essais raliss :

Essais V dV/dt essais V dV/dt
1 2980 4,42 20 2748 2,45
2 2100 2,63 21 1046,4 1,63
3 2940 3,74 22 752 1,27
4 1057,6 1,44 23 1176 2,40
5 3072 2,77 24 2960 3,00
6 1680 1,17 25 2700 2,80
7 2124 2,78 26 760 1,25
8 3000 3,44 27 2020 1,86
9 1318,4 1,84 28 2836 2,52
10 753,6 1,31 29 1304 0,92
11 2772 2,88 30 2080 3,67
12 1099,2 1,40 31 1840 1,22
13 3048 2,88 32 2780 3,23
14 884 2,22 33 2920 3,09
15 2320 3,69 34 1520 1,59
16 2644 4,23 35 944 0,91
17 3072 4,44 36 3040 2,65
18 1129,6 1,09 37 2968 2,26
19 2816 2,54
157
Table 7 Rsultats dessais
Lamplitude des variations des rponses est importante. Nous pouvons donc supposer que
les effets des facteurs sont suprieurs lerreur exprimentale. Dans ce cas seulement les
rsultats peuvent tre analyss correctement.

Lanalyse mathmatique de ces 37 expriences va permettre dans un premier temps de
calculer les 28 coefficients des modles de surtension et de vitesse de commutation.
Lanalyse mathmatique consiste essentiellement identifier les p coefficients des
modles partir des rsultats des N expriences ralises.

Lapplication de la mthode des moindres carrs sur les rsultats dessais a permis
dobtenir les 28 coefficients de chacun des modles, fournis en table 8 :

Variables V dV/dt Variables V dV/dt
Constante 2259,6519 2,4479 U*T 15,5969 -0,0807
U 931,6315 0,8664 U*Lcom -39,9246 -0,0193
I 257,2571 -0,0052 U*Rg
off
38,2548 -0,1546
T -21,4481 -0,236 U*t
on
-18,5017 0,0245
Lcom 199,1021 -0,0109 I*T -14,881 -0,0363
Rg
off
-37,6301 -0,529 I*Lcom 85,981 -0,0007
t
on
-56,4683 -0,2605 I*Rg
off
-25,7037 -0,0366
U*U -65,0035 -0,4312 I*t
on
-0,3223 -0,0478
I*I -58,2435 0,0066 T*Lcom 10,3284 0,0131
T*T 13,252 0,0451 T*Rg
off
10,9419 0,038
Lcom*Lcom -41,8027 0,0103 T*t
on
4,5457 -0,1156
Rg
off
*Rg
off
-24,7858 0,2119 Lcom*Rg
off
-2,7184 0,0303
t
on
*t
on
50,946 0,1536 Lcom*t
on
-17,9197 -0,0096
U*I -21,0477 -0,0466 Rg
off
*t
on
24,7506 0,1289
Table 8 Coefficients des modles complets
On note que dans ces modles certains coefficients comme par exemple le coefficient
associ linteraction entre le courant I et le temps t
on
dans le modle de surtension ont une
valeur trs faible (-0,3223). On peut donc supposer que ces coefficients ne sont pas influents.
Une analyse statistique des lments des modles, qui sera prsente au paragraphe 4.10.2,
permettra de rpondre cette question.
Lanalyse statistique a t ralise en trois parties. Tout dabord les modles ont t
analyss dans leur globalit afin de vrifier si lhypothse choisie en retenant des modles de
forme quadratique a bien t valide. Ensuite une analyse statistique des lments des
modles a t mene dans le but didentifier le meilleur sous modle pour chacune des
158
rponses. Enfin, nous avons vrifi la normalit de la distribution des rsidus pour les
modles retenus.
4.10.1. Analyse statistique globale des modles
Cette premire tape de lanalyse statistique permet de calculer la probabilit P de refuser
tord lhypothse nulle H
0
qui est dans notre cas : Des modles de forme quadratiques ne
permettent pas de dcrire les variations de la surtension et de la vitesse de commutation .

Cette analyse donne les rsultats prsents en table 9 et 10 :

obs
Probabilit P
Modle 26234959,751 27 971665,176 195,253 1,3597E-09
Rsidus 44788,035 9 4976,448
Total 26279747,390 36
Table 9 Analyse de variance du modle de surtension
obs
Probabilit P
Modle 36,952 27 1,369 107,563 1,9488E-08
Rsidus 0,115 9 0,013
Total 37,067 36
Table 10 Analyse de variance du modle de vitesse de commutation
Nous obtenons pour nos deux rponses une valeur trs faible de P ce qui conforte
lhypothse de lutilisation des modles quadratiques pour modliser les rponses.

Les qualits descriptives (R
ajust
) et prdictives (Q) ont t calcules pour ces modles et
sont fournis en table 11 :

V dV/dt
Rajust 0,9932 0,9876
Q 0,9711 0,9472
Table 11 Qualit descriptive et prdictive des modles
Ces coefficients sont levs et devraient augmenter grce lanalyse statistique des
coefficients des modles qui permettra dliminer certains facteurs non influents.
4.10.2. Analyse statistique des lments des modles
Pour cette analyse, nous avons men en parallle une analyse de variance et un calcul des
coefficients R
ajust
et Q associs chacun des sous modles obtenus.

A chaque itration, lanalyse de variance permet didentifier llment du modle dont
linfluence est la moins importante c'est--dire pour lequel P est le plus lev. Il est alors
possible dliminer ce terme du modle (do lapparition dun signe devant les
159
lments du modle dans les figures 12 et 13) et de calculer les coefficients R
ajust
et Q
associs ce sous modle. On ralise ensuite une nouvelle analyse de variance sur ce sous
modle, on calcule R
ajust
et de Q et ainsi de suite jusqu ce que chacun des lments
prsents dans les sous modles soient jugs influents.

Cette mthode a permis dobserver lvolution de R
ajust
et de Q en fonction des lments
prsents dans le modle. Ces volutions sont donnes en figure 12 et 13 :

0,955
0,96
0,965
0,97
0,975
0,98
0,985
0,99
0,995
1
c
o
m
p
l
e
t
-
I
.
t
o
n
-
L
c
o
m
.
R
g
o
f
f
-
T
.
t
o
n
-
T
-
R
g
o
f
f
-
T
.
R
g
o
f
f
-
T
.
L
c
o
-
U
.
T
-
L
c
o
m
-
U
.
t
o
n
-
L
c
o
m
.
t
o
n
-
I
.
T
-
t
o
n
-
U
.
I
-
I
.
R
g
o
f
f
-
R
g
o
f
f
.
t
o
n
-
I
-
T
-
I
Radj Q

Fig 12. Evolution des coefficients d'ajustement des modles de surtension
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1
c
o
m
p
l
e
t
-
I
.
L
c
o
m
-
I
-
L
c
o
m -
I
-
L
c
o
m
.
t
o
n
-
L
c
o
m
-
T
.
l
c
o
m
-
U
.
L
c
o
m
-
T
-
U
.
t
o
n
-
L
c
o
m
.
R
g
o
f
f
-
U
.
I
-
I
.
T
-
I
.
R
g
o
f
f
-
T
.
R
g
o
f
f
Radj Q

Fig 13. Evolution des coefficients d'ajustement des modles de vitesse de commutation
Nous pouvons voir que, pour chacune des deux rponses, lvolution des deux coefficients
R
ajust
et de Q se fait en deux tapes. Dans un premier temps, le coefficient augmente et
atteint un maximum puis diminue dans un deuxime temps.

Nous avons donc slectionn pour chaque rponse le modle possdant les meilleurs
qualits descriptives (R
ajust
) et prdictives (Q).
160

Dans le cas o loptimum de R
ajust
et de Q nest pas atteint pour le mme modle, nous
avons choisi de privilgier la qualit prdictive Q puisque lutilisation de ces modles sera
faite avant tout dans un but de prdiction. Ces modles correspondent ceux dont les qualits
descriptives et prdictives sont entoures sur les figures 12 et 13.

Les coefficients constituant les modles rsultant de cette analyse sont fournis en
table 12 :

Variables V Variables dV/dt
Constante 2252,750 Constante 2,4878
U 929,972 U 0,8747
I 256,235 T -0,2361
T -22,890 Rg
off
-0,5318
Lcom 199,067 t
on
-0,2619
Rg
off
-37,440 U*U -0,4082
t
on
-56,682 Rg
off
*Rg
off
0,209
U*U -73,873 t
on
*t
on
0,1557
I*I -57,258 U*I -0,0337
Lcom*Lcom -41,234 U*T -0,0788
t
on
*t
on
53,292 U*Rg
off
-0,1594
U*I -22,886 I*T -0,0345
U*Lcom -40,558 I*Rg
off
-0,0383
U*Rg
off
37,016 I*t
on
-0,0494
U*t
on
-17,849 T*Rg
off
0,0375
I*T -16,901 T*t
on
-0,1153
I*Lcom 85,354 Rg
off
*t
on
0,1306
I*Rg
off
-25,050
Lcom*t
on
-17,996
Rg
off
*t
on
23,863
(a) (b)
Table 12 Coefficients des modles de surtension (a) et de vitesse de commutation (b)
Les qualits descriptives (R
ajust
) et prdictives (Q) de ces modles sont fournies en
table 13 :

V dV/dt
R
ajust
0,9953 0,9914
Q 0,9896 0,9827
Table 13 Qualit descriptives et prdictive des modles
Ces valeurs proches de 1 tmoignent de la bonne qualit de nos modles. Nous disposons
donc dun modle de surtension et dun modle de vitesse de commutation, il nous faut
maintenant vrifier la normalit de la distribution des rsidus avant deffectuer la validation
de ces modles.
161
4.10.3. Analyse statistique des rsidus
Bien que les rsidus aient t minimiss grce lutilisation de la mthode des moindres
carrs, il est important de sassurer que ces rsidus ne sont pas anormalement importants en
certains points.

Pour cela, nous avons utilis la mthode graphique dHenry prsent en figures 14 et 15 :

-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
-110 -90 -70 -50 -30 -10 10 30 50 70 90
Residus
F
r
a
c
t
i
l
e

d
e

l
a

l
o
i

n
o
r
m
a
l
e

r
d
u
i
t
e

s

Fig 14. Droite dHenry des rsidus du modle de surtension
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
-0,15 -0,1 -0,05 0 0,05 0,1 0,15 0,2
Rsidus
F
r
a
c
t
i
l
e

d
e

l
a

l
o
i

n
o
r
m
a
l
e

r
d
u
i
t
e

e

Fig 15. Droite dHenry du modle de vitesse de commutation
La construction des droites dHenry donne des nuages de points dont lalignement est
proche dune droite. Un test dAnderson-Darling ralis sur ces populations donne une valeur
de P pour la surtension et la vitesse de commutation de respectivement 0,504 et 0,146. La
condition de normalit des rsidus est donc bien respecte pour chacun des deux modles un
seuil suprieur 14% pour la vitesse de commutation et 50% pour la surtension. En effet la
valeur P calcule par ce test correspond la probabilit de rejeter tord lhypothse la
distribution de la population teste ne suit pas une loi normale .
162
Avant de visualiser les surfaces de rponse traduites par les modles, nous allons observer
de manire graphique la bonne qualit descriptive de nos modles travers leur graphique
dadquation associ.
4.11.1. Graphiques dadquation des modles
La valeur leve du coefficient de rgression R
ajust
associe aux modles de surtension et
de vitesse de commutation se traduit par des graphiques dadquation, fournis en figure 16 et
17, sur lesquels lalignement des nuages de points est trs proche de la premire bissectrice
(reprsente en pointill).

500
1000
1500
2000
2500
3000
500 1000 1500 2000 2500 3000
Rponses mesures
R
p
o
n
s
e
s

C
a
l
c
u
l
e
s

s

Fig 16. Graphe dadquation du modle de surtension
0,9
1,4
1,9
2,4
2,9
3,4
3,9
4,4
0,9 1,4 1,9 2,4 2,9 3,4 3,9 4,4
Rponses mesures
R
p
o
n
s
e
s

c
a
l
c
u
l
e
s

s

Fig 17. Graphe dadquation du modle de vitesse de commutation
Il est galement noter que les rponses obtenues pour les 37 essais raliss couvrent
lensemble de la plage de variation des rponses sans laisser dimportantes zones de vide.
163
4.11.2. Reprsentation graphique des surfaces de rponses
Les surfaces de rponses peuvent prsenter les variations des rponses en fonction de
seulement 2 facteurs la fois, les autres facteurs tant rgls sur une valeur fixe. Les figures
18 et 19 reprsentent les surfaces de rponses associes aux modles de surtension et de
vitesse de commutation. Nous avons choisi de prsenter la variation de surtension en fonction
de linductance Lcom et du temps t
on
et la variation de vitesse de commutation en fonction de
la tension U et du temps t
on
, les autres facteurs tant fixs des valeurs respectant le domaine
exprimental.

Fig 18. Surface de rponse matrialisant les variations de surtension

Fig 19. Surface de rponse matrialisant les variations de vitesse de commutation
164
Les modles obtenus permettent dobtenir ces surfaces de rponses pour tout rglage
appartenant au domaine exprimental.
Les graphiques dadquation des modles fournis au paragraphe 4.11.1 dans les figures 16
et 17 ont permis de constater que les modles retenus modlisent correctement les rponses
aux points prsents dans la matrice dexpriences.

Pour valider entirement les modles, nous avons effectu de nouvelles exprimentations
dans le domaine exprimental en des points non tests par le plan dexpriences et utilisant si
possible des niveaux de facteurs non utiliss. La table 14 prsente les points de validation et
les rsultats obtenus dune part par lexprimentation et dautre part par lutilisation des
modles.

dV/dt (kV/s) V (V)
Point U (V) I (A) T (C)
Lcom
(nH)
Rg
off

()
t
on
(s)
Mesur Calcul Mesur Calcul
1 1400 1500 25 120 5,2 55 2,54 2,51 2188 2180,14
2 1800 1000 25 120 3,7 30 3,75 3,84 2536 2485,80
3 1000 800 25 200 5,2 80 2,06 1,96 1700 1646,40
4 800 1100 80 200 5,2 90 1,55 1,49 1616 1575,10
5 1800 1550 80 200 5,2 40 2,73 2,78 2852 2769,81
6 2000 1280 80 120 6,8 75 2,29 2,30 2700 2654,71
7 1200 800 25 120 6,8 30 2,06 2,09 1724 1747,98
8 1000 1000 25 120 5,2 90 2,00 1,95 1596 1604,68
9 1500 1270 70 120 5,2 65 2,40 2,42 2232 2191,69
10 900 1490 70 120 5,2 35 1,89 1,96 1688 1678,73
11 1500 1475 70 120 3,7 85 2,98 2,97 2340 2264,12
12 1500 2000 35 60 5,2 30 2,78 2,78 2232 2183,34
13 1000 1000 25 60 4,5 40 2,48 2,38 1484 1460,10
Table 14 Points et rsultats de validation
La formule (3.47) du paragraphe 3.12 permet de calculer lintervalle de confiance en
chacun des points du domaine exprimental.

Rappelons que lutilisation du critre de G-efficacit lors de la construction algorithmique
de la matrice dexprience a eu pour objectif de minimiser la valeur maximale que prend
lintervalle de confiance dans le domaine exprimental.

Les figures 20 et 21 reprsentent les points de validation, lintervalle de confiance associ
chacun de ces points et les valeurs obtenues lors de lexprimentation.

165
1300
1500
1700
1900
2100
2300
2500
2700
2900
3100
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Points de validation
S
u
r
t
e
n
s
i
o
n

s
Mesur
Calcul
Min
Max

Fig 20. Validation du modle de surtension
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Points de validation
d
V
/
d
t

s
Mesur
Calcul
Min
Max

Fig 21. Validation du modle de vitesse de commutation
Bien que parfois proche des bornes de lintervalle de confiance comme dans le cas de la
vitesse de commutation au point de validation n 2, lensemble des points de validation se
situe lintrieur de lintervalle de tolrance. Les modles de surtension et de vitesse de
commutation des modules IGBT remplissent donc lensemble des conditions pour tre
valids.
5. Conclusion
A travers les deux tudes de criblages prsentes dans le second chapitre, 6 facteurs on t
identifis comme ayant une influence statistiquement significative sur la surtension et la
vitesse de commutation. Un modle polynomial du second degr prenant en considration 6
facteurs se compose de 28 coefficients.

166
La prsence de nombreuses contraintes relationnelles au sein du domaine exprimental a
orient notre travail vers une construction algorithmique du plan dexpriences. Pour cette
construction nous avons eu recours lutilisation du K-algorithme dchange prsent dans le
logiciel MODDE. Cet algorithme nous a permis de construire une matrice base sur le critre
de G-efficacit et de garantir ainsi une prcision optimale des prdictions effectues par les
modles dans lensemble du domaine exprimental.

La matrice G-optimale utilise se compose de 37 expriences. Les analyses
mathmatiques puis statistiques des 37 valeurs mesures pour chacune des rponses ont
permis de calculer dans un premier temps les 28 coefficients des modles et dans un deuxime
temps daffiner ces modles en maximisant leurs qualits descriptive et surtout prdictive. Au
final, les modles de surtension et de vitesse de commutation ne se composent plus que de
respectivement 20 et 17 lments et vous sont prsents par les quations (3.50) et (3.51).

ton Rgoff
ton Lcom Rgoff I Lcom I C T I ton U Rgoff U Lcom U I U ton ton
Lcom Lcom I I U U ton Rgoff Lcom C T I U
x
x x x x x x x x x
x x x x x x x x x U
*
* * * * * * * * *
* * *
24
18 25 85 17 18 37 41 23 53
41 57 74 57 37 199 23 256 930 2253
+
+ + +
+ + + =

(3.50)
Rgoffton ton T Rgoff T ton I Rgoff I T I Rgoff U C T U
I U ton ton Rgoff Rgoff U U ton Rgoff C T U
x x x x x x x x
x x x x x x x x dt dV
13 , 0 12 , 0 04 , 0 05 , 0 04 , 0 03 , 0 16 , 0 08 , 0
03 , 0 16 , 0 21 , 0 41 , 0 26 , 0 53 , 0 24 , 0 87 , 0 48 , 2
* * * * * * *
* * * *
+ +
+ + + =

(3.51)
Ces modles, possdant des indicateurs de qualit descriptive et prdictive suprieur
98%, ont t valids et traduisent donc correctement la surtension et la vitesse de
commutation dans laire dfinie par le domaine exprimental.

Ces modles permettront dobtenir, pour chaque application, partir des valeurs des
paramtres de conception, un nuage de point reprsentant les valeurs de surtension et de
vitesse de commutation en fonction de lensemble des paramtres influents et de leurs
variations connues pour lapplication traite.
Rfrences du chapitre III
[Atkinson, 92] A.C. Atkinson, A.N. Donev, Optimum experimental design,
Clarendon Press, Ed. Oxford, 1992.
[Anderson, 52] T.W. Anderson, D.A. Darling, Asymptotic theory of certain
"goodness-of-fit" criteria based on stochastic processes, Annals of
Mathematical Statistics, Vol. 23, pp. 193-212, 1952.
[Box, 60] G.E.P. Box, D.W. Behnken, Some new three level designs for
study of quantitative variables, Technometrics, Vol 2, N4, 1960.
[Box
2
, 59] G.E.P. Box, N.R. Lucas, Design of experiments in nonlinear
situations, Biometrika, vol 46, 1959.
[Box, 51] G.E.P. Box, K.B. Behnken, On the experimental attainment of
optimum conditions, Journal of the Royal Statistical Society, serie
B, Vol 13, 1951.
167
[Box
1
, 59] G.E.P. Box, N.R. Draper, A basis for selection of a response
surface design, Journal of the ASA, 54, 1959.
[Box, 87] G.E.P. Box, N.R. Draper, Empirical model-building and response
surfaces, Ed John Wiley & Sons, 1987.
[Chin, 98] W.W. Chin, The partial least square approach to structural
equation modelling, Modern methods for business research, G.A.
Marcoulides. Mahwah/NJ/USA, 1998.
[Chomtee, 03] B. Chomtee, Comparison of Design Optimality Criteria of
Reduced Models for Response Surface Designs in a Spherical
Design Region, Phd Work, Montana States University, 2003.
[Derringer, 80] R. Derringer, R. Suich, Simultaneous optimization of several
response variables, Journal of Quality Technology, Vol 12, 1980.
[Doehlert, 70] D.H. Doehlert, Uniform shell designs, Journal of the Royal
Statistical Society, serie C, N 19, 1970.
[Draper, 81] N. Draper, H. Smith, Applied regression analysis, Wiley, Ed
New-York, 1981.
[Droesbeke, 97] J.J. Droesbeke, J. Fine, G. Saporta, Plans dexpriences,
Application lentreprise, Technip, Ed Paris, 1997.
[Dumouchel, 94] W. Dumouchel, B. Jones, A simple Bayesian modification of D-
optimal designs to reduce dependence on an assumed model,
Technometrics, 1994.
[Eriksson, 00] L. Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wilkstrom, S.
Wold, Design of experiments, Principles and application,
Umetrics Academy, 2000.
[Faucher, 06] J. Faucher, Les plans dexpriences pour le rglage de
commandes base de logique floue, Thse de lINPT, 2006.
[FD X 06-080, 89] Application de la statistique, Plan dexpriences, Vocabulaire et
indications gnrales, Afnor, Ed Paris, 1989.
[Fedorov, 72] V.V. Fedorov, Theory of optimal experiments, Academic Press,
Ed. New-York, 1972.
[Galil, 77] Z. Galil, J. Kiefer, Comparison of simplex designs for quadratic
mixture model, Technometrics, vol 19, 1977.
168
[Gauchi, 97] J.P. Gauchi, Plan dexpriences optimaux pour modles linaires,
in : Plans dexpriences, Application lentreprise, Technip, Ed
Paris, 1997.
[Gauchi, 05] J.P. Gauchi, Plan dexpriences optimaux : un expos didactique,
revue Modulad, n 33, 2005.
[Goupy, 99] J. Goupy, Plan dexpriences pour surface de rponse, Dunod,
1999.
[Goupy, 00] J. Goupy, Plan dexpriences :les mlanges Dunod, 2000.
[Goupy, 06] J. Goupy, Tutorial, Les Plans dExpriences, Revue Modulad, N
34, 2006.
[Harrington, 65] E.C. Harrington, The desirability function, Industrial Quality
Control, Vol 21, 1965.
[Johnson, 83] M.E. Johnson, C.J. Nachtsheim, Some guidelines for constructing
exact D-optimal designs on convex design spaces, Technometrics,
Vol. 25, n3, pp.271-277, 1983.
[Johnstone, 98] P.D. Johnstone, Planning and Managing Agricultural and
Ecological Experiments, Routledge, 1998.
[Khuri, 87] A.I. Khuri, J.A. Cornell, Response surfaces: designs and
analysis, Marcel Dakker, 1987.
[Khuri, 96] A.I. Khuri, J.A. Cornell, Response surfaces: designs and
analysis, Marcel Dakker, seconde edition, 1996.
[Kiefer, 59] J. Kiefer, Optimum experimental designs, J.R. Statist. Soc. B, vol
21, 1959.
[Kiefer, 61] J. Kiefer, Optimum designs in regression problems II, Annals Of
Math. Stat., vol 32, 1961.
[Kiefer, 74] J. Kiefer, General equivalence theory for optimum designs
(approximate theory), Annals of Statist., vol 2, 1974.
[Kiefer, 59] J. Kiefer, J. Wolfowitz, Optimum designs in regression problems,
Ann. of Math. Statist., vol 30, 1959.
[Kiefer, 60] J. Kiefer, J. Wolfowitz, The equivalence of two extremum
problems, Canad. J. Math., vol 12, 1960.
[Louvet, 06] F. Louvet, L. Delplanque, Design of experiments : the French
touch / Les plans dexpriences : une approche pragmatique et
illustre, tmoignage de lassociation Exprimentique, 2006.
169
[Mitchell, 74] T.J. Mitchell, An algorithm for the construction of D-Optimal
experimental designs, Technometrics, vol 16, 1974.
[Mozzo, 90] G. Mozzo, Plan quadratique Gigogne, Revue de statistique
applique, Vol. 38, pp. 23-34, 1990.
[Myers, 95] R. Myers, D. Montgomery, Response Surface Methodology,
Process and product Optimization Using designed Experiments,
Wiley, 1995.
[Nelder, 65] J.A. Nelder R. Mead, A simplex method for function
minimization, Computer Journal, Vol. 7 1965.
[NF X 06-063, 87] Application de la statistique, comparaison du rapport de deux
variances (deux cart-types) une valeur donne, Afnor, Ed Paris,
1987.
[Pronzato, 04] L. Pronzato, A minmax equivalence theorem for optimum bounded
design measure, Statistics & Probability Letters, 68, 2004.
[Rechtschaffner, 67] R.L. Rechtschaffner, Saturated fractions of 2n and 3 factorial
designs, Technometrics, Vol. 9, pp. 569-575, 1967.
[Roquemore, 76] K.G. Roquemore, Hybrid designs for quadratic response
surfaces, Technometrics, Vol. 18, pp. 419-423, 1976.
[Rotella, 95] F. Rotella, P. Borne, Thorie et pratique du calcul matriciel,
ditions Technip, 1995.
[Shapiro, 65] S.S. Shapiro, M.B. Wilk, An analysis of variance test for
normality (complete samples), Biometrika, Vol. 52, pp. 591-611,
1965.
[Silvey, 80] S.D. Silvey, Optimal designs: an introduction to the theory for
parameters estimation, London : Chapman and Hall, 1980.
[Sutton, 77] T.L. Sutton, J.F. McGregor, The analysis and design of binary
vapour-liquid experiments, part II: The design, The Canadian
journal of chemical engineering, vol 55, 1977.
[Spendley, 62] W. Spendley, G.R. Hext, F.M. Himsworth, Sequential application
of simplex designs in optimization and evolutionary operation,
[Torsney, 88] B. Torsney, Computing optimizing distributions with applications
in design, estimation and image processing, in Optimal design and
ANalysis of experiments, Dodge, Fedorov and Wynn Eds, 1988.
[Toutenburg, 02] H. Toutenburg, Statistical Analysis of Designed Experiments,
Springer, seconde dition, 2002.
170
[Walters, 91] F.H. Walter, R. Lloyd, J.R. Parker, S. Morgan, S. Deming,
Squential Simplex Optimisation, A Technique for Improving
Quality and Productibility in Research, Development and
Manufacturing,CRC Press, Ed. Boca Raton, 1991.
[Wynn, 70] H.P. Wynn, The sequential generation of D-optimum experimental
designs, Ann. of Math. Stat., vol 41, 1970.

Conclusion et perspectives
171


Ce travail de thse a t ralis dans le but dapprofondir la notion daire de scurit dun
module IGBT de forte puissance utilis en traction ferroviaire. Cest dans cette optique que
nous avons modlis deux performances considres comme critiques pour lIGBT lors de
son fonctionnement, savoir la surtension et la vitesse de commutation. Lapplication des
mthodes de plan dexpriences a permis de traduire ces deux performances dynamiques au
travers de modles quadratiques.

Deux tudes de criblage ont permis dliminer les facteurs ne prsentant pas une influence
statistiquement significative sur les rponses. La rduction du nombre de facteurs prendre en
compte dans la modlisation a ainsi permis de minimiser le nombre de coefficients identifier
dans les modles et par consquent le nombre minimal dexpriences effectuer pour cette
modlisation. Au final, sur un ensemble de 10 paramtres considrs comme potentiellement
influents, six facteurs ont t identifis comme prsentant une influence significative sur les
rponses observes. Le nombre de coefficients prsents dans les modles quadratiques slve
alors 28.

Le domaine exprimental tant fortement contraint, la construction du plan dexpriences
sest base sur lutilisation dun algorithme dchange. Cet algorithme cherche ici minimiser
lincertitude maximale obtenue sur les prvisions dans lensemble du domaine de validit des
modles en maximisant la G-efficacit de la matrice du modle X utilise. La matrice G-
optimale ainsi obtenue se compose de 37 exprimentations permettant de dterminer les 28
coefficients des modles.

Suite une analyse statistique des rsultats, les modles ont t affins afin doptimiser
leurs qualits descriptive et prdictive. Ces modles ont ensuite t tests dans des rgions du
domaine exprimental non explores par le plan dexpriences. Les prdictions donnes par
les modles ont alors t compares aux rsultats rels obtenus par exprimentation en ces
mmes points ce qui a permis de les valider.

Pour chacune des applications des onduleurs de traction utilisant les modules IGBT
tudis, il est possible de connatre les valeurs, fixes ou variables, des paramtres prsents
dans les modles. Ces derniers permettent dsormais de visualiser la surtension et la vitesse de
commutation au travers dun nuage de points correspondant aux conditions dutilisation pour
chaque application. Le point de fonctionnement le plus critique est ensuite identifi et une
combinaison optimale des facteurs peut tre trouve.

Pour complter cette tude et obtenir une ide prcise des marges relles de scurit il
parait judicieux deffectuer des tests la casse en fonction des diffrents paramtres de
fonctionnement au point identifi comme tant le plus critique pour lapplication. Les
ingnieurs dAlstom disposeraient alors dune dfinition exacte de laire de scurit et
pourrait ajuster certains paramtres de fonctionnement dans le but dassurer une qualit et une
fiabilit optimale de leurs onduleurs.

172
En ce qui concerne les plans dexpriences et plus prcisment les algorithmes dchange
utiliss dans la construction de matrices optimales, le dveloppement dun algorithme bas sur
le critre de G-efficacit semble intressant. Ce travail a t entam. En effet, nous avons
dvelopp un algorithme bas sur ce critre dont le principe reprend celui de Fedorov adapt
la G-optimalit. Cet algorithme extrait alatoirement une matrice X partir dun ensemble de
points candidats, puis, chaque itration, ralise linversion entre la ligne de la matrice X et la
ligne de lensemble des points candidats restant qui maximise laugmentation de la G-
efficacit de la matrice X. Lalgorithme sarrte lorsque la G-efficacit de X a atteint un
optimum.

Cet algorithme ncessitant un temps de calcul trs long, nous avons cherch loptimiser.
Le calcul de la G-efficacit ncessite en effet un calcul lourd en chacun des points candidats
du domaine exprimental. En revanche, le critre de D-optimalit, utilis dans les algorithmes
dchange des logiciels tels que MODDE, ne calcul lui que le dterminant dune matrice
p x p, p tant, rappelons-le, le nombre de coefficients du modle recherch, ce qui est
mathmatiquement plus lger. Nous avons alors cherch associer la puissance de la G-
efficacit la rapidit de calcul de la D-efficacit. Pour cela, nous avons ralis un algorithme
compos de deux parties. La premire partie utilise un algorithme semblable celui de
Fedorov bas sur la D-optimalit pour identifier une matrice D-optimale. Le programme
calcul ensuite la G-efficacit de cette matrice et une deuxime partie de lalgorithme, base
cette fois sur la G-efficacit des matrices, utilisant toujours la mme technique doptimisation
que celle dvelopp par Fedorov et dcrite ci-dessus cherche augmenter ce critre jusqu
identifier une matrice G-optimale.

Rfrences
173

Rfrences

[Alosi, 01] J. Alosi, Les semiconducteurs de puissance De la physique du
solide aux applications, Ellipses, 2001.
[Addelmann, 62] S. Addelmann, Orthogonal main effect plans for asymmetrical
factorial experiment, Technometrics, 1962.
[Anderson, 52] T.W. Anderson, D.A. Darling, Asymptotic theory of certain
"goodness-of-fit" criteria based on stochastic processes, Annals of
Mathematical Statistics, Vol. 23, pp. 193-212, 1952.
[Atkinson, 92] A.C. Atkinson, A.N. Donev, Optimum experimental design,
Clarendon Press, Ed. Oxford, 1992.
[Azzopardi, 03] S. Azzopardi, E. Woirgard, J.-M. Vinassa, O. Briat, C. Zardini,
IGBT power modules thermal characterization: what is the optimum
between a low current - high voltage or a high current - low voltage
test condition for the same electrical power?, Microelectronics
Reliability 43, p.1901-1906, 2003."
[Baliga, 84] B.J. Baliga, M.S. Adler, R.P. Love, P.V. Gray, M.S. Zommer, The
insulated gate transistor, a new three-terminal-MOS-controlled
bipolar power device, IEEE Trans. Electron. Devices, vol. 31, pp.
821-828, 1984.
[Baliga, 87] B.J. Baliga, Modern power devices, New York, John Wiley &
Sons, 1987.
[Baudesson, 00] Philippe Baudesson, Sret de fonctionnement, reconfiguration et
marches degrades des onduleurs multiniveaux IGBT, thse de
lINPT, 2000.
[Blot, 95] J. Blot, Les transistorsElments dintgration des circuits
analogiques, Dunod, 1995.
[Box, 51] G.E.P. Box, K.B. Behnken, On the experimental attainment of
optimum conditions, Journal of the Royal Statistical Society, serie
B, Vol 13, 1951.
[Box
1
, 59] G.E.P. Box, N.R. Draper, A basis for selection of a response surface
design, Journal of the ASA, 54, 1959.
[Box
2
, 59] G.E.P. Box, N.R. Lucas, Design of experiments in nonlinear
situations, Biometrika, vol 46, 1959.
Rfrences
174
[Box, 60] G.E.P. Box, D.W. Behnken, Some new three level designs for study
of quantitative variables, Technometrics, Vol 2, N4, 1960.
[Box, 62] G.E.P. Box J.S. Hunter, The 2k-p fractional factorial plans,
[Box, 87] G.E.P. Box, N.R. Draper, Empirical model-building and response
surfaces, Ed John Wiley & Sons, 1987.
[Breit, 02] F. Breit, E. Dutarde, J. Saiz, T Lebey, D. Malec, S.
Dinculescu,Partial discharge detection in power modules, IEEE
PESC, 2002.
[Cand, 86] M. Cand, E. Demoulin, J.-L. Laroy, D. Senn, Conception des
circuits intgrs MOS, Eyrolles & CNET-ENST, 1986.
[Carubelli, 03] S. Carubelli, Contribution lidentification et lestimation des
contraintes de fatigue thermique des convertisseurs intgrs pour la
traction lectrique, thse de lUHPN, 2003.
[Chatelain, 79] J.D. Chatelain, Dispositifs semiconducteurs, Dunod, 1979.
[Chin, 98] W.W. Chin, The partial least square approach to structural equation
modelling, Modern methods for business research, G.A.
Marcoulides. Mahwah/NJ/USA, 1998.
[Chomtee, 03] B. Chomtee, Comparison of Design Optimality Criteria of Reduced
Models for Response Surface Designs in a Spherical Design Region,
Phd Work, Montana States University, 2003.
[Ciappa, 02] M. Ciappa, Selected failure mechanisms of modern power
modules, Microelectronics Reliability 42, p. 653-667, 2002.
[Ciappa, 94] M. Ciappa, Package reliability in microelectronics : a review,
Proceeding of International Workshop on Electronics and Detector
Cooling, WELDEC, Vol. 1, pp 133-149, 1994.
[Ciappa, 96] M. Ciappa, P. Malberti, Plastic Strain of aluminium interconnection
during pulsed operation of IGBT multichip modules, Qual. Reliab
Eng Int, Vol 12, pp. 297-303, 1996.
[Dagnelie, 97] P. Dagnelie, La planification des expriences et lanalyse de
variance : une introduction extrait de Plan dexpriences,
Applications lentreprise, Technip, Ed Paris, 1997.
[Daniel, 59] C. Daniel, Use of half-normal plots in interpreting factorial two-
level experiment, Technomtrics, Vol.1, N4, 311-341, 1959.
[Derringer, 80] R. Derringer, R. Suich, Simultaneous optimization of several
response variables, Journal of Quality Technology, Vol 12, 1980.
Rfrences
175
[Doehlert, 70] D.H. Doehlert, Uniform shell designs, Journal of the Royal
Statistical Society, serie C, N 19, 1970.
[Draper, 81] N. Draper, H. Smith, Applied regression analysis, Wiley, Ed New-
York, 1981.
[Droesbeke, 97] J.J. Droesbeke, J. Fine, G. Saporta, Plans dexpriences, Application
lentreprise, Technip, Ed Paris, 1997.
[Dumouchel, 94] W. Dumouchel, B. Jones, A simple Bayesian modification of D-
optimal designs to reduce dependence on an assumed model,
Technometrics, 1994.
[Duong, 97] Viet-Son Duong, Etude de lintgration dune protection par fusible
dans les convertisseurs IGBT, Thse de lINPG, Grenoble, 1997.
[Eriksson, 00] L. Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wilkstrom, S.
Wold, Design of experiments, Principles and application, Umetrics
Academy, 2000.
[Farokhzad, 96] B. Farokhzad, P. Trkes, E. Wolfgang, K. Goser, Reliability
indicator for lift-off of bond wires in IGBT power modules,
[Faucher, 06] J. Faucher, Les plans dexpriences pour le rglage de commandes
base de logique floue, Thse de lINPT, 2006.
[FD X 06-080, 89] Application de la statistique, Plan dexpriences, Vocabulaire et
indications gnrales, Afnor, Ed Paris, 1989.
[Fedorov, 72] V.V. Fedorov, Theory of optimal experiments, Academic Press,
Ed. New-York, 1972.
[Findeisen, 98] C. Findeisen, E. Herr, M. Schenkel, H.R. Zeller, Extrapolation of
cosmic ray induced failures from test to field conditions for IGBT
modules, ESREF 98: Copenhagen, Vol 38, N 6-8, pp. 1335-1339,
1998.
[Fisher, 25] R.A. Fisher, Statistical methods for research workers, Oliver and
Boyd, Ed. Edinburgh, 1925.
[Fisher, 35] R.A. Fisher, The design of experiments, Oliver and Boyd, Ed.
Edinburgh, 1935.
[Galil, 77] Z. Galil, J. Kiefer, Comparison of simplex designs for quadratic
mixture model, Technometrics, vol 19, 1977.
[Garry, 90] W.J. Garry, R.H. Seilh, T.A. Jennings, Reliability
analysis/assessment of advanced technologies, Final Technical
report, 1990.
Rfrences
176
[Gauchi, 05] J.P. Gauchi, Plan dexpriences optimaux : un expos didactique,
revue Modulad, n 33, 2005.
[Gauchi, 97] J.P. Gauchi, Plan dexpriences optimaux pour modles linaires, in
: Plans dexpriences, Application lentreprise, Technip, Ed Paris,
1997.
[Goupy, 06] J. Goupy, Tutorial, Les Plans dExpriences, Revus Modulad, N
34, 2006.
[Goupy, 00] J. Goupy, Plan dexpriences :les mlanges Dunod, 2000.
[Goupy, 96] J. Goupy, La mthode des plans dexpriences Optimisation du
choix des essais et de linterprtation des rsultats, Ed. Dunod, 1996.
[Goupy, 99] J. Goupy, Plan dexpriences pour surface de rponse, Dunod,
1999.
[Hamidi, 99] A. Hamidi, N. Beck, K. Thomas, E. Herr, Reliability and lifetime
evaluation of different wire bonding technologies for high power
IGBT modules, Microelectronics Reliability 39, pp.1153-1158,
1999.
[Harrington, 65] E.C. Harrington, The desirability function, Industrial Quality
Control, Vol 21, 1965.
[Hefner, 94] A.R. Hefner, An experimentally verified IGBT model implemented
in the Saber circuit simulator, IEEE transaction on Power
Electronics, 1994.
[Herr, 97] E. Herr, T. Frey, R. Schlegel, A. Struck, R. Zehringer, Substrate-to-
substrate solder joint reliability in high power IGBT modules,
[Hsu, 96] T.S. Hsu, Behavioural modeling of the IGBT using the
Hammerstein configuration, IEEE transaction on Power Electronics,
1996.
[IEC270, 81] Partial discharge measurements, Norme IEC, 1981.
[Ishikawa, 96] K. Hishikawa, La gestion de la qualit, outils et applications
pratiques, Dunod, Ed Paris, 1996.
[ISO 3534-3, 98] Statistique, Vocabulaire et Symboles, Partie 3 : plans
dexpriences, Norme ISO 3534-3, 1998.
[Iwamoto, 01] H. Iwamoto, H. Kondo, Y. Yu, A. Kawakami, M. Nakaoka, Turn-off
behaviour of epitaxial planar and trench gate IGBTs and nonepitaxial
planar gate IGBT under hard and soft switchings IEE Proceedings
Electric Power Applications, vol. 148, N5, 2001.
Rfrences
177
[Iwamoto, 99] H. Iwamoto, M. Tabata, H. Takahashi, N. Wheeler, E. Thal, A new
1200V PT IGBT Module using Trench Gate structure and Local Life
Time Control, EPE, Lausanne, 1999.
[Jensen, 95] F. Jensen, Electronic component reliability, Wiley, 1995.
[John, 62] P.W.M. John, Three quarter replicates of 2n, Biometrics, Vol 18,
1962.
[Johnson, 83] M.E. Johnson, C.J. Nachtsheim, Some guidelines for constructing
exact D-optimal designs on convex design spaces, Technometrics,
Vol. 25, n3, pp.271-277, 1983.
[Johnstone, 98] P.D. Johnstone, Planning and Managing Agricultural and Ecological
Experiments, Routledge, 1998.
[Khuri, 87] A.I. Khuri, J.A. Cornell, Response surfaces: designs and analysis,
Marcel Dakker, 1987.
[Khuri, 96] A.I. Khuri, J.A. Cornell, Response surfaces: designs and analysis,
Marcel Dakker, seconde edition, 1996.
[Kiefer, 59] J. Kiefer, Optimum experimental designs, J.R. Statist. Soc. B, Vol
21, 1959.
[Kiefer, 61] J. Kiefer, Optimum designs in regression problems II, Annals Of
Math. Stat., vol 32, 1961.
[Kiefer, 74] J. Kiefer, General equivalence theory for optimum designs
(approximate theory), Annals of Statist., vol 2, 1974.
[Kiefer, 59] J. Kiefer, J. Wolfowitz, Optimum designs in regression problems,
Ann. of Math. Statist., vol 30, 1959.
[Kiefer, 60] J. Kiefer, J. Wolfowitz, The equivalence of two extremum
problems, Canad. J. Math., vol 12, 1960.
[Lefebvre, 04] S. Lefebvre, F. Miserey, Composants semi-conducteur pour
llectronique de puissance, Tech & Doc, 2004.
[Lenth, 89] R. V. Lenth, Quick and easy analysis of unreplicated factorials,
Technometrics, Vol. 31, N4, 469-473, 1989.
[Leturcq, 99] P. Leturcq, Physique des semi-conducteurs de puissance, proprits
lectroniques du silicium, Techniques de lingnieur, D 3102, 1999.
[Lilienfeld, 33] Brevet U.S. 1900018, 7 mars 1933.
[Lochner, 90] R.H. Lochner, J.E. Matar, Designing for quality, an introduction to
the best of Taguchi and western methods and statistical experimental
design, Productivity press, ed. Portland, Oregon, 1990.
Rfrences
178
[Louvet, 06] F. Louvet, L. Delplanque, Design of experiments : the French touch
/ Les plans dexpriences : une approche pragmatique et illustre,
tmoignage de lassociation Exprimentique, 2006.
[Mathieu, 01] H. Mathieu, Physique des semi-conducteurs et des composants
lectroniques, Dunod, 2001.
[Mehrotra, 99] Mehrotra, V.; Jun He; Dadkhah, M.S.; Rugg, K.; Shaw, M.C.,
Wirebond reliability in IGBT-power modules: application of high
resolution strain and temperature mapping, Power Semiconductor
Devices and ICs, 1999. ISPSD '99. Proceedings., The 11th
International Symposium, pp. 113 116, 1999.
[Mitchell, 74] T.J. Mitchell, An algorithm for the construction of D-Optimal
experimental designs, Technometrics, vol 16, 1974.
[Mitic, 99] G. Mitic, R. Beinert, P. Klofac, H.J. Schultz, G. Lefranc, Reliability
of AlN substrates and their solder joints in IGBT power module,
Microelectronics reliability, Vol. 39, pp. 1159-1164, 1999.
[Mozzo, 90] G. Mozzo, Plan quadratique Gigogne, Revue de statistique
applique, Vol. 38, pp. 23-34, 1990.
[Musumeci, 96] S. Musumeci, PT-IGBT model with new parameters extraction for
life-time and Epy dependent behaviour simulation, 27th Annual
IEEE Power Electronics Specialists Conference, 1996.
[Myers, 95] R. Myers, D. Montgomery, Response Surface Methodology, Process
and product Optimization Using designed Experiments, Wiley,
1995.
[Nelder, 65] J.A. Nelder R. Mead, A simplex method for function minimization,
Computer Journal, Vol. 7 1965.
[NF X 06-063, 87] Application de la statistique, comparaison du rapport de deux
variances (deux cart-types) une valeur donne, Afnor, Ed Paris,
1987.
[Petraca, 99] C. Petrarca, B. Cascone, L. Fratelli, M. Vitelli, Partial discharge
diagnostics on 3.3 kV, 1.2 kA IGBT modules, High Voltage
Engineering, Eleventh International Symposium on, Vol 4, pp. 324
327, 1999.
[Pillet, 94] M. Pillet, Introduction aux plans dexpriences par la mthode
Taguchi, Les Editions dOrganisation Universit, 1994.
[Plackett, 46] R.L. Plackett J.P. Burman, The design of optimum multifactorial
experiments, Biometrika, 1946.
[Pronzato, 04] L. Pronzato, A minmax equivalence theorem for optimum bounded
design measure, Statistics & Probability Letters, 68, 2004.
Rfrences
179
[Protiwa, 96] F.F. Protiwa, New IGBT model for PSpice, Electronics Letters, Vol
32 N 25, 1996.
[Ramminger, 98] S. Ramminger, P. Trkes and G. Wachutka, Crack mechanism in
wire bonding joints, Microelectronics Reliability, Volume 38, Issues
6-8, pp. 1301-1305, 1998.
[Rechtschaffner, 67] R.L. Rechtschaffner, Saturated fractions of 2n and 3 factorial
designs, Technometrics, Vol. 9, pp. 569-575, 1967.
[Roquemore, 76] K.G. Roquemore, Hybrid designs for quadratic response surfaces,
Technometrics, Vol. 18, pp. 419-423, 1976.
[Rotella, 95] F. Rotella et P. Borne, Thorie et pratique du calcul matriciel,
ditions Technip, 1995.
[Russel, 95] J.P. Russel, The COMFET A new high conductance MOS-gated
device, IEEE Electronic Device Lett, vol. 38, N3, pp. 561-566,
1995.
[Sapora, 90] G. Sapora, Probabilit, analyse des donnes statistiques, Eds
Technip, 1990.
[Schafft, 72] Schafft H., Testing and fabrication of wire bonds electrical
connections A comprehensive survey, National Bureau of
Standards, Technical Note, Vol. 726, pp. 106-109, 1972.
[Schimmerling, 98] P. Schimmerling J.C. Sisson A. Zaidi, Pratique des plans
dexpriences, Ed Lavoisier Tec & Doc, 1998.
[Schtze, 98] T. Schtze, H. Berg, M. Hierholzer, Further improvement in the
reliability of IGBT module, IEEE IAS, 1998.
[Shammas, 95] N.Y.A. Shammas, Munaf Rahimo,P.T. Hoban, Effects of
temperature, forward current, and commutating di/dt on the reverse
recovery behaviour of fast power diodes, EPE95, Seville, Vol 1, pp.
1577-1582, 1995.
[Shapiro, 65] S.S. Shapiro, M.B. Wilk, An analysis of variance test for normality
(complete samples), Biometrika, Vol. 52, pp. 591-611, 1965.
[Sheng, 00] K. Sheng, B.W. Williams, S.J. Finney, A review of IGBT models,
IEEE Transactions on Power Electronics, Volume 15, Issue 6, pp
1250-1266, 2000.
[Sheng, 96] K. Sheng, A new analytical IGBT model with Improved Electrical
Characteristics IEEE transaction on Power Electronics and
Application, 1996.
[Silvey, 80] S.D. Silvey, Optimal designs: an introduction to the theory for
parameters estimation, London : Chapman and Hall, 1980.
Rfrences
180
[Spendley, 62] W. Spendley, G.R. Hext, F.M. Himsworth, Sequential application of
simplex designs in optimization and evolutionary operation,
[Srinivasaiah, 04] H.C. Srinivasaiah, N. Bhat, Characterization of sub-100nm CMOS
process using screening experiment technique, Proceedings 17th
International Conference on VLSI Design, pages 285 -290, Mumbai,
India, 2004.
[Sutton, 77] T.L. Sutton, J.F. McGregor, The analysis and design of binary
vapour-liquid experiments, part II: The design, The Canadian
journal of chemical engineering, vol 55, 1977.
[Taguchi, 87] G. Taguchi S. Konishi, Taguchi methods, Orthogonal arrays and
linear graphs, tools for quality, ASI Press, Ed. Allen Park, 1987.
[Thebaud, 00] J.-M. Thebaud, E. Woirgard, C. Zardini, K.-H. Sommer, Thermal
fatigue resistance evaluation of solder joints in IGBT power modules
for traction applications, PESC Record - IEEE Annual Power
Electronics Specialists Conference, pp. 1285 1290, 2000.
[Torsney, 88] B. Torsney, Computing optimizing distributions with applications in
design, estimation and image processing, in Optimal design and
ANalysis of experiments, Dodge, Fedorov and Wynn Eds, 1988.
[Toutenburg, 02] H. Toutenburg, Statistical Analysis of Designed Experiments,
Springer, seconde dition, 2002.
[Tzou, 93] J.T. Tzou, Practical Spice macro model for IGBT, IECON
Proceeding, 1993.
[Tukey, 97] J.W. Tukey, Exploratory data analysis, Reading Massachusetts,
Addison-Wesley Publishing Company, 1997.
[Vallon, 03] J. Vallon, Introduction ltude de l fiabilit des cellules de
commutation IGBT sous fortes contraintes, these de lINPT, 2003.
[Vivier, 02] S. Vivier, Stratgie doptimisation par la mthode des plans
dexpriences et application aux dispositifs lectrotechniques
modliss par lments finis, thse, 2002.
[Walters, 91] F.H. Walter, R. Lloyd, J.R. Parker, S. Morgan, S. Deming,
Squential Simplex Optimisation, A Technique for Improving
Quality and Productibility in Research, Development and
Manufacturing,CRC Press, Ed. Boca Raton, 1991.
[Wondrak, 99] W. Wondrak, Physical limits and lifetime limitations of semi
conductor devices at high temperature, Microelectronic Reliability,
Vol 39, issue 6-7, pp.1113-1120, 1999.
[Wynn, 70] H.P. Wynn, The sequential generation of D-optimum experimental
designs, Ann. of Math. Stat., vol 41, 1970.
Annexes
181

Annexes

Annexes
182

Annexes
183

Table des matires des annexes :

Annexe 1 : Vocabulaire employ lors dune tude par plan dexpriences ........................... 185
Annexe 2 :Tests de corrlations sur caractristiques statiques .............................................. 189
Annexe 3 :Influence des caractristiques statiques ................................................................ 193
Annexe 4 : Plan 1 ; Analyse de variance sur dV/dt................................................................ 213
Annexe 5 : Plan 2 ; Analyse statistique des rsultats ............................................................. 217
Annexe 5.1 : Mthode de Daniel......................................................................................... 219
Annexe 5.2 : Mthode de Lenth.......................................................................................... 221
Annexe 5.3 : Analyse de Variance ...................................................................................... 223
Annexe 6 : Plan 2 ; Analyse graphique des rsultats ............................................................. 229
Annexe 7 : Etude de linteraction entre linductance Lge et la temprature TC.................. 233

Annexes
184

Annexe 1 : Vocabulaire employ lors dune tude par plan dexpriences
185

Annexe 1 :
Vocabulaire employ lors dune tude
par plan dexpriences
186

187

Algorithme dchanges : procdure mathmatique itrative permettant dextraire dun
domaine exprimental un ensemble dessais raliser, afin destimer de la meilleur faon
possible, les coefficients dun modle.
Analyse de rgression : ensemble de tests statistiques permettant de prendre une dcision sur
un modle dans sa globalit (test F de Fisher), sur chacun des coefficients (test t de
Student) et sur les rsidus (test de la normalit des rsidus).
Analyse de variance (ANOVA ou ANAVAR) : test statistique (test F de Fisher) permettant
de dcomposer la variation dune rponse partir des changements des modalits des
facteurs et du modle postul.
Arrangement orthogonal : selon la norme [ISO 3534-3, 98], un arrangement orthogonal est
un ensemble de combinaisons de traitements tel que pour chaque paire de facteurs, chaque
combinaison de traitement survient un mme nombre de fois pour tous les niveaux
possibles des facteurs. Cette notion fait notamment appel lutilisation des tableaux de
contingence dfinis au paragraphe 4.6.1. traitant des critres dorthogonalit utiliss pour
la construction de la matrice du modle.
Bloc : groupement judicieux dessais permettant de prendre en compte des difficults de mise
en uvre du plan dexpriences de faon perturber le moins possible linformation
recherche. La capacit dun four par exemple impose un nombre maximal
dexprimentation pouvant tre ralises en mme temps.
Coefficients : valeur numrique estimer dans lquation du modle.
Dsirabilit : indice de satisfaction appartenant lintervalle [0 ; 1] caractrisant le niveaux
dune rponse par rapport un objectif fix.
Domaine exprimental : espace dfini par les variations des facteurs quantitatifs et/ou par les
combinaisons des modalits des facteurs qualitatifs. Le modle nest pas valide
lextrieur du domaine exprimental. Le domaine exprimental peut tre de diffrentes
natures :
Symtrique : adjectif dsignant un plan dexpriences ou un domaine exprimental
pour lequel tous les facteurs prsentent le mme nombre de modalits.
Asymtrique : adjectif dsignant un plan dexpriences ou un domaine exprimental
pour lequel tous les facteurs ne prsentent pas le mme nombre de modalits.
Isotrope : adjectif dsignant un domaine exprimental pour lequel les niveaux des
facteurs indpendant ne sont pas soumis des contraintes relationnelles.
Anisotrope : adjectif dsignant un domaine exprimental pour lequel les niveaux
des facteurs indpendants sont soumis des contraintes relationnelles.
Effet moyen dun facteur : variation de la rponse observe ou modlise lorsque le facteur
change de modalit.
Estimation : approximation dune valeur vraie par une valeur calcule partir dune analyse
approprie des rsultats dessais.
Facteur : variable quantitative ou qualitative sur laquelle on agit au cours du plan
dexpriences.
Fonction de variance : expression mathmatique permettant de traduire lincertitude sur la
prvision ou la prdiction dune rponse obtenue partir dun modle.
Interaction ou couplage : modification de leffet dun facteur en fonction de la modalit dun
autre facteur.
Iso variance par rotation : critre propre aux plans dexprience pour ltude des surfaces de
rponse traduisant le fait que la fonction de variance ne dpende que de la distance au
centre du modle.
188
Matrice dinformation : matrice dfinie partir de la matrice du modle (X), dont le
dterminant permet dapprcier la qualit de linformation que lon peut obtenir grce un
plan dexprience. Cette matrice se calcule laide de la formule (
t
XX).
Mthode des moindres carrs : mthode mathmatique permettant dobtenir une estimation
non biaise des coefficients par minimisation de la somme des carrs des rsidus.
Modalits : tats distincts que lon attribue un facteur au cours du plan dexpriences.
Modle : expression de la relation de cause effet entre la variation dune rponse et les
variations des facteurs. Ce modle permet des reprsentations graphiques et des
prdictions dans le domaine exprimental. Il peut tre de 2 types :
Modle additif : modle utilis pour estimer les effets des facteurs.
Modle polynomial : modle utilis pour estimer une surface de rponse.
Niveau : valeur numrique dfinie au sein de lintervalle de variation dun facteur quantitatif.
Optimisation : procdure permettant de fixer les niveaux des facteurs pour atteindre une
dsirabilit.
Plan dexpriences : organisation raisonne dessai [ISO 3534-3, 98].
Plan de criblage : plan dexpriences visant hirarchiser les effets moyens dun grand
nombre de facteurs.
Plan optimal : plan dexpriences dont les valeurs des niveaux des facteurs ou les
combinaisons des modalits de ces derniers sont dtermins afin doptimiser un critre
algbrique particulier, associ la mise en uvre matricielle de la mthode des moindres
carrs.
Plan pour ltude des surfaces de rponse : plan dexpriences destin optimiser une ou
plusieurs rponses.
Prcision uniforme : critre propre aux plans dexpriences pour ltude des surfaces de
rponse traduisant le fait que la fonction de variance reste quasi constante lintrieur
dune sphre ayant le mme centre que le domaine exprimental.
Prdiction : valeur de la rponse estime par le modle en tout point du domaine
exprimental.
Q : indicateur permettant de prciser la qualit prdictive dun modle.
R : indicateur permettant de prciser la qualit descriptive dun modle sans tenir compte de
sa complexit.
Rajust : indicateur permettant de prciser la qualit descriptive dun modle en tenant
compte de sa complexit.
Randomisation : affectation dun ordre alatoire la ralisation des essais afin de neutraliser
lventuelle influence perturbatrice de facteurs non contrls.
Rponse : caractristique mesurable dun produit ou dun processus dont on analyse
lvolution en fonction des variations des facteurs. Il convient que la rponse soit
reprsentative du phnomne observ.
Rsidu : cart entre la valeur observe dune rponse et sa prvision par le modle.
Significativit : traite du caractre significatif dun facteur ou dune interaction sur une
rponse.
Surface de rponse : reprsentation graphique de la relation liant une rponse quantitative 2
facteurs quantitatifs continus selon le modle dexploration choisi et paramtr partir des
rponses mesures.
Test statistique : procdure permettant daffecter une probabilit une hypothse. Dans le
cadre des plans dexpriences, les tests statistiques les plus utiliss sont le test F de Fisher,
pour lanalyse de variance et le test t de Student, pour lanalyse de rgression.
Validation : vrification de ladquation du modle paramtr par lintermdiaire des
rponses du plan dexpriences, en utilisant de nouveaux essais dans le domaine
exprimental.
Annexe 2 : Tests de corrlation sur les caractristiques statiques
189

Annexe 2 :
Tests de corrlations sur caractristiques
statiques
190

191
Corrlation entre la chute de tension Vcesat et le courant de fuite Ices aux bornes de
lIGBT 25C :

0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
3,460 3,480 3,500 3,520 3,540 3,560 3,580 3,600 3,620 3,640 3,660 3,680
Vcesat 25C
I
c
e
s

2
5
C

Test de corrlation entre Vcesat et Ices 25C

La valeur de r calcul est de 0,113 ce qui nest pas significatif comme le laisse supposer
la reprsentation graphique.

Corrlation entre la chute de tension Vcesat et le courant de fuite Ices aux bornes de
lIGBT 125C :

0
10
20
30
40
50
60
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat 125C
I
c
e
s

1
2
5
C

Test de corrlation entre Vcesat et Ices 125C

La valeur de r calcul est de 0,714 ce qui est significatif, il existe donc une corrlation
entre la chute de tension Vcesat et le courant de fuite Ices aux bornes de lIGBT.

192
Annexe 3 : Influence des caractristiques statiques
193

Annexe 3 :
Influence des caractristiques statiques
194

195
Les 18 rglages tests dans ce premier plan dexpriences sont les suivants :

Essai U (V) I (A) T (C)
1 500 600 -40
2 2400 600 -40
3 500 1200 -40
4 2400 1200 -40
5 500 2400 -40
6 2400 2400 -40
7 500 600 25
8 2400 600 25
9 500 1200 25
10 2400 1200 25
11 500 2400 25
12 2400 2400 25
13 500 600 125
14 2400 600 125
15 500 1200 125
16 2400 1200 125
17 500 2400 125
18 2400 2400 125

Les rsultats de surtension et de vitesse de commutation sont prsents en fonction de
chacune des caractristiques intrinsques aux modules en chacun de ces 18 points de mesure.
196
Evolution des performances dynamiques, surtension et vitesse de commutation, en fonction
de la chute de tension aux bornes de lIGBT, Vcesat :
Point 1 :
756
758
760
762
764
766
768
770
772
774
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
d
V
/
d
t

s
Surtension
dV/dt

Point 2 :
2752
2754
2756
2758
2760
2762
2764
2766
2768
2770
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,95
2,96
2,97
2,98
2,99
3,00
3,01
3,02
3,03
d
V
/
d
t

s
Surtension
dV/dt

Point 3 :
892
893
894
895
896
897
898
899
900
901
902
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
d
V
/
d
t

s
Surtension
dV/dt

197
Point 4 :
2905
2910
2915
2920
2925
2930
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,98
2,99
3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
d
V
/
d
t

s
Surtension
dV/dt

Point 5 :
1006
1008
1010
1012
1014
1016
1018
1020
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,34
1,34
1,35
1,35
1,36
1,36
1,37
1,37
1,38
1,38
1,39
1,39
d
V
/
d
t

s
Surtension
dV/dt

Point 6 :
3050
3055
3060
3065
3070
3075
3080
3085
3090
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
3,16
3,18
3,20
3,22
3,24
3,26
3,28
3,30
d
V
/
d
t

s
Surtension
dV/dt

198
Point 7 :
752
754
756
758
760
762
764
766
768
770
772
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

Point 8 :
2775
2776
2777
2778
2779
2780
2781
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,84
2,86
2,88
2,90
2,92
2,94
2,96
d
V
/
d
t

s
Surtension
dV/dt

Point 9 :
878
880
882
884
886
888
890
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

199
Point 10 :
2940
2945
2950
2955
2960
2965
2970
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,93
2,94
2,95
2,96
2,97
2,98
2,99
3,00
3,01
3,02
3,03
3,04
d
V
/
d
t

s
Surtension
dV/dt

Point 11 :
1005
1010
1015
1020
1025
1030
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,20
1,22
1,24
1,26
1,28
1,30
1,32
1,34
d
V
/
d
t

s
Surtension
dV/dt

Point 12 :
3080
3085
3090
3095
3100
3105
3110
3,450 3,500 3,550 3,600 3,650 3,700
Vcesat
S
u
r
t
e
n
s
i
o
n

s
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
d
V
/
d
t

s
Surtension
dV/dt

200
Point 13 :
713
714
715
716
717
718
719
720
721
722
723
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,08
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

Point 14 :
2800
2805
2810
2815
2820
2825
2830
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,73
2,73
2,74
2,74
2,75
2,75
2,76
d
V
/
d
t

s
Surtension
dV/dt

Point 15 :
818
820
822
824
826
828
830
832
834
836
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

201
Point 16 :
2995
3000
3005
3010
3015
3020
3025
3030
3035
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,80
2,81
2,81
2,82
2,82
2,83
2,83
2,84
d
V
/
d
t

s
Surtension
dV/dt

Point 17 :
930
935
940
945
950
955
960
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
1,17
1,18
1,18
1,19
1,19
1,20
1,20
1,21
1,21
1,22
1,22
d
V
/
d
t

s
Surtension
dV/dt

Point 18 :
3130
3135
3140
3145
3150
3155
3160
3165
4,250 4,300 4,350 4,400 4,450 4,500 4,550 4,600
Vcesat
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
d
V
/
d
t

s
Surtension
dV/dt

202
de la chute de tension aux bornes de la diode, Vf :
Point 1 :
756
758
760
762
764
766
768
770
772
774
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
d
V
/
d
t

s
Surtension
dV/dt

Point 2 :
2752
2754
2756
2758
2760
2762
2764
2766
2768
2770
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
2,95
2,96
2,97
2,98
2,99
3,00
3,01
3,02
3,03
d
V
/
d
t

s
Surtension
dV/dt

Point 3 :
892
893
894
895
896
897
898
899
900
901
902
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
d
V
/
d
t

s
Surtension
dV/dt

203
Point 4 :
2905
2910
2915
2920
2925
2930
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
2,98
2,99
3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
d
V
/
d
t

s
Surtension
dV/dt

Point 5 :
1006
1008
1010
1012
1014
1016
1018
1020
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,34
1,34
1,35
1,35
1,36
1,36
1,37
1,37
1,38
1,38
1,39
1,39
d
V
/
d
t

s
Surtension
dV/dt

Point 6 :
3050
3055
3060
3065
3070
3075
3080
3085
3090
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
3,16
3,18
3,20
3,22
3,24
3,26
3,28
3,30
d
V
/
d
t

s
Surtension
dV/dt

204
Point 7 :
752
754
756
758
760
762
764
766
768
770
772
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

Point 8 :
2775
2776
2777
2778
2779
2780
2781
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
2,84
2,86
2,88
2,90
2,92
2,94
2,96
d
V
/
d
t

s
Surtension
dV/dt

Point 9 :
878
880
882
884
886
888
890
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

205
Point 10 :
2940
2945
2950
2955
2960
2965
2970
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
2,93
2,94
2,95
2,96
2,97
2,98
2,99
3,00
3,01
3,02
3,03
3,04
d
V
/
d
t

s
Surtension
dV/dt

Point 11:
1005
1010
1015
1020
1025
1030
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
1,20
1,22
1,24
1,26
1,28
1,30
1,32
1,34
d
V
/
d
t

s
Surtension
dV/dt

Point 12 :
3080
3085
3090
3095
3100
3105
3110
2,750 2,800 2,850 2,900 2,950 3,000 3,050 3,100 3,150
Vf
S
u
r
t
e
n
s
i
o
n

s
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
d
V
/
d
t

s
Surtension
dV/dt

206
Point 13 :
713
714
715
716
717
718
719
720
721
722
723
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
1,08
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

Point 14 :
2800
2805
2810
2815
2820
2825
2830
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
2,73
2,73
2,74
2,74
2,75
2,75
2,76
d
V
/
d
t

s
Surtension
dV/dt

Point 15 :
818
820
822
824
826
828
830
832
834
836
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

207
Point 16 :
2995
3000
3005
3010
3015
3020
3025
3030
3035
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,80
2,81
2,81
2,82
2,82
2,83
2,83
2,84
d
V
/
d
t

s
Surtension
dV/dt

Point 17 :
930
935
940
945
950
955
960
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
1,17
1,18
1,18
1,19
1,19
1,20
1,20
1,21
1,21
1,22
1,22
d
V
/
d
t

s
Surtension
dV/dt

Point 18 :
3130
3135
3140
3145
3150
3155
3160
3165
2,750 2,800 2,850 2,900 2,950 3,000 3,050
Vf
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
d
V
/
d
t

s
Surtension
dV/dt

208
du courant de fuite, Ices :
Point 7 :
752
754
756
758
760
762
764
766
768
770
772
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

Point 8 :
2775
2776
2777
2778
2779
2780
2781
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
2,84
2,86
2,88
2,90
2,92
2,94
2,96
d
V
/
d
t

s
Surtension
dV/dt

Point 9 :
878
880
882
884
886
888
890
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
d
V
/
d
t

s
Surtension
dV/dt

209
Point 10 :
2940
2945
2950
2955
2960
2965
2970
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
2,93
2,94
2,95
2,96
2,97
2,98
2,99
3,00
3,01
3,02
3,03
3,04
d
V
/
d
t

s
Surtension
dV/dt

Point 11 :
1005
1010
1015
1020
1025
1030
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
1,20
1,22
1,24
1,26
1,28
1,30
1,32
1,34
d
V
/
d
t

s
Surtension
dV/dt

Point 12 :
3080
3085
3090
3095
3100
3105
3110
0,000 0,010 0,020 0,030 0,040 0,050 0,060 0,070 0,080 0,090
Ices
S
u
r
t
e
n
s
i
o
n

s
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
d
V
/
d
t

s
Surtension
dV/dt

210
Point 13 :
713
714
715
716
717
718
719
720
721
722
723
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
1,08
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

Point 14 :
2800
2805
2810
2815
2820
2825
2830
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
2,73
2,73
2,74
2,74
2,75
2,75
2,76
d
V
/
d
t

s
Surtension
dV/dt

Point 15 :
818
820
822
824
826
828
830
832
834
836
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
1,10
1,12
1,14
1,16
1,18
1,20
1,22
1,24
d
V
/
d
t

s
Surtension
dV/dt

211
Point 16 :
2995
3000
3005
3010
3015
3020
3025
3030
3035
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,80
2,81
2,81
2,82
2,82
2,83
2,83
2,84
d
V
/
d
t

s
Surtension
dV/dt

Point 17 :
930
935
940
945
950
955
960
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
1,17
1,18
1,18
1,19
1,19
1,20
1,20
1,21
1,21
1,22
1,22
d
V
/
d
t

s
Surtension
dV/dt

Point 18 :
3130
3135
3140
3145
3150
3155
3160
3165
0 5 10 15 20 25 30 35 40
Ices
S
u
r
t
e
n
s
i
o
n

s
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
d
V
/
d
t

s
Surtension
dV/dt

212

Annexe 4 : Plan 1, analyse de variance sur dV/dt
213

Annexe 4 :
Plan 1 ; Analyse de variance sur dV/dt
214

215

Les rsultats de vitesse de commutation mesurs ont fait lobjet dune analyse de variance.
Cette analyse permet didentifier les facteurs et interactions ayant une influence
statistiquement significative sur les variations de la vitesse de commutation.

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
U 58,7940 1 58,7940 35974,5297 5,2470 influent 1,1676E-94
I 0,1022 2 0,0511 31,2794 3,8903 influent 1,9685E-08
TC 0,8548 2 0,4274 261,5209 3,8903 influent 3,3147E-31
U*I 0,1627 2 0,0814 49,7836 3,8903 influent 3,5602E-12
U*TC 0,0194 2 0,0097 5,9355 3,8903 influent 0,4158
I*TC 0,0073 4 0,0018 1,1223 2,9748 non influent 35,3063
Rsidu 0,1144 70 0,0016
Total 60,0550 83

Aprs suppression des lments jugs non influents, la significativit des lments restant
est vrifie.

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
U 58,7940 1 58,7940 35738,3400 5,2346 influent 4,253E-99
I 0,1022 2 0,0511 31,0741 3,8790 influent 1,5964E-08
TC 0,8548 2 0,4274 259,8039 3,8790 influent 3,4841E-32
U*I 0,1627 2 0,0814 49,4567 3,8790 influent 2,301E-12
U*TC 0,0194 2 0,0097 5,8965 3,8790 influent 0,4206
Rsidu 0,1217 74 0,0016
Total 60,0550 83

Les trois facteurs tudis et les interactions entre la tension et le courant et entre la tension
et la temprature ont une influence statistiquement significative sur la vitesse de commutation
des modules.
216

Annexe 5 : Plan 2 ; analyse statistique des rsultats
217

Annexe 5 :
Plan 2 ; Analyse statistique des rsultats
218

219
Annexe 5.1 : Mthode de Daniel
Surtension :
Au point a (500 V ; 600 A) :
0
0,5
1
1,5
2
2,5
0 5 10 15 20 25 30 35 40
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
Lcom
Lcom/ton
ton
Rgoff/ton
Rgoff

Droite de Daniel pour la surtension au point a
Au point b (1200 V ; 1000 A) :
0
0,5
1
1,5
2
2,5
0 5 10 15 20 25
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
Lcom
Lcom/ton
ton
Rgoff/ton
Rgoff
Lcom/Rgoff

Droite de Daniel pour la surtension au point b
Au point c (2000 V ; 1500 A) :
0
0,5
1
1,5
2
2,5
0 2 4 6 8 10 12 14 16
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
ton
Rgoff/ton
Lcom
Lcom/ton
Rgoff

Droite de Daniel pour la surtension au point c
220
Vitesse de commutation :
Au point a (500 V ; 600 A) :
0
0,5
1
1,5
2
2,5
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
Rgoff
Rgoff/ton
ton

Droite de Daniel pour la vitesse de commutation au point a
Au point b (1200 V ; 1000 A) :
0
0,5
1
1,5
2
2,5
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s
Rgoff
ton

Droite de Daniel pour la vitesse de commutation au point b
Au point c (2000 V ; 1500 A) :
0
0,5
1
1,5
2
2,5
0 0,2 0,4 0,6 0,8 1 1,2
F
r
a
c
t
i
l
e

t
h
o
r
i
q
u
e

s
e
m
i
-
n
o
r
m
a
l

s

ton
Rgoff

Droite de Daniel pour la vitesse de commutation au point c
221
Annexe 5.2 : Mthode de Lenth
Surtension :
Au point a (500 V ; 600 A) :
-60
-40
-20
0
20
40
60
80
100
L
c
o
m
L
g
e
R
g
o
f
f
T
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la surtension au point a
Au point b (1200 V ; 1000 A) :
-150
-100
-50
0
50
100
150
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la surtension au point b
Au point c (2000 V ; 1500 A) :
-150
-100
-50
0
50
100
150
200
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la surtension au point c
222
Au point a (500 V ; 600 A) :
-0,35
-0,3
-0,25
-0,2
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la vitesse de commutation au point a
Au point b (1200 V ; 1000 A) :
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la vitesse de commutation au point b
Au point c (2000 V ; 1500 A) :
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
L
c
o
m
L
g
e
R
g
o
f
f
t
o
n
L
c
o
m
/
L
g
e
L
c
o
m
/
R
g
o
f
f
L
c
o
m
/
t
o
n
L
g
e
/
R
g
o
f
f
L
g
e
/
t
o
n
R
g
o
f
f
/
t
o
n
Variables du modle
C
o
e
f
f
i
c
i
e
n
t
s

s

Mthode de Lenth pour la vitesse de commutation au point c
223
Annexe 5.3 : Analyse de Variance

Surtension :

Au point a (500 V ; 600 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 129600 1 129600 1065,7895 10,007 influent 5,06721E-07
Lge 400 1 400 3,2895 10,007 non influent 0,1295
Rg
off
7056 1 7056 58,0263 10,007 influent 0,0006
t
on
9216 1 9216 75,7895 10,007 influent 0,0003
Lcom/Lge 16 1 16 0,1316 10,007 non influent 0,7316
Lcom/Rg
off
400 1 400 3,2895 10,007 non influent 0,1295
Lcom/t
on
3136 1 3136 25,7895 10,007 influent 0,0038
Lge/Rg
off
0 1 0 0,0000 10,007 non influent 1
Lge/t
on
144 1 144 1,1842 10,007 non influent 0,3262
Rg
off
/t
on
1936 1 1936 15,9211 10,007 influent 0,0104
Rsidu 608 5 121,6
Total 152512 15

ANOVA sur la surtension au point a

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 129600 1 129600 826,53 6,937 influent 6,037E-11
Rg
off
7056 1 7056 45,00 6,937 influent 5,310E-05
t
on
9216 1 9216 58,78 6,937 influent 1,706E-05
Lcom/t
on
3136 1 3136 20,00 6,937 influent 0,0012
Rgoff/t
on
1936 1 1936 12,35 6,937 influent 0,0056
Rsidu 1568 10 156,8
Total 152512 15

Vrification du caractre significatif des variables sur la surtension au point a

224

Au point b (1200 V ; 1000 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 275625 1 275625 4240,3846 10,007 influent 1,61694E-08
Lge 225 1 225 3,4615 10,007 non influent 0,1219
Rg
off
18225 1 18225 280,3846 10,007 influent 1,38824E-05
t
on
34225 1 34225 526,5385 10,007 influent 2,92369E-06
Lcom/Rg
off
2025 1 2025 31,1538 10,007 influent 0,0025
Lcom/t
on
3025 1 3025 46,5385 10,007 influent 0,0010
Lge/Rg
off
225 1 225 3,4615 10,007 non influent 0,1219
Lge/t
on
25 1 25 0,3846 10,007 non influent 0,5623
Rg
off
/t
on
4225 1 4225 65 10,007 influent 0,0005
Rsidu 325 5 65
Total 338175 15

ANOVA sur la surtension au point b

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 275625 1 275625 3006,82 7,209 influent 1,12222E-12
Rg
off
18225 1 18225 198,82 7,209 influent 1,92813E-07
t
on
34225 1 34225 373,36 7,209 influent 1,23013E-08
Lcom/Rg
off
2025 1 2025 22,09 7,209 influent 0,001120018
Lcom/t
on
3025 1 3025 33,00 7,209 influent 0,000278196
Rg
off
/t
on
4225 1 4225 46,09 7,209 influent 8,00382E-05
Rsidu 825 9 91,67
Total 338175 15

Vrification du caractre significatif des variables sur la surtension au point b

225

Au point c (2000 V ; 1500 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 313600 1 313600 560,0000 10,007 influent 2,5093E-06
Lge 900 1 900 1,6071 10,007 non influent 0,2607
Rg
off
10000 1 10000 17,8571 10,007 influent 0,0083
t
on
129600 1 129600 231,4286 10,007 influent 2,2252E-05
Lcom/Rg
off
1600 1 1600 2,8571 10,007 non influent 0,1518
Lcom/t
on
6400 1 6400 11,4286 10,007 influent 0,0197
Lge/Rg
off
100 1 100 0,1786 10,007 non influent 0,6902
Lge/t
on
900 1 900 1,6071 10,007 non influent 0,2607
Rg
off
/t
on
32400 1 32400 57,8571 10,007 influent 0,0006
Rsidu 2800 5 560
Total 499200 15

ANOVA sur la surtension au point c

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lcom 313600 1 313600 435,56 6,937 influent 1,4148E-09
Rg
off
10000 1 10000 13,89 6,937 influent 0,0039
t
on
129600 1 129600 180 6,937 influent 1,0164E-07
Lcom/t
on
6400 1 6400 8,89 6,937 influent 0,0138
Rg
off
/t
on
32400 1 32400 45 6,937 influent 5,31E-05
Rsidu 7200 10 720
Total 499200 15

Vrification du caractre significatif des variables sur la surtension au point c

226


Au point a (500 V ; 600 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lge 0,0031 1 0,0031 1,3421 10,007 non influent 0,299
Rg
off
1,7109 1 1,7109 745,4258 10,007 influent 1,233E-06
t
on
0,6667 1 0,6667 290,47 10,007 influent 1,273E-05
Lcom/Lge 4E-06 1 4E-06 0,0017 10,007 non influent 0,9683
Lcom/Rg
off
0,001 1 0,001 0,4323 10,007 non influent 0,5399
Lcom/t
on
0,0007 1 0,0007 0,3176 10,007 non influent 0,5974
Lge/Rg
off
0,003 1 0,003 1,318 10,007 non influent 0,3029
Lge/t
on
0,0001 1 0,0001 0,048 10,007 non influent 0,8352
Rg
off
/t
on
0,1005 1 0,1005 43,7832 10,007 influent 0,0012
Rsidu 0,0115 5 0,002
Total 2,5013 15

ANOVA sur la vitesse de commutation au point a

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Rg
off
1,7109 1 1,7109 882,6280 6,55 influent 1,321E-12
t
on
0,6667 1 0,6667 343,9336 6,55 influent 3,362E-10
Rg
off
/t
on
0,1005 1 0,1005 51,8419 6,55 influent 1,087E-05
Rsidu 0,0233 12 0,0019
Total 2,5013 15

Vrification du caractre significatif des variables sur la vitesse de commutation au point a

227

Au point b (1200 V ; 1000 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lge 0,0098 1 0,0098 0,2705 10,007 non influent 0,6252
Rg
off
3,5996 1 3,5996 99,8306 10,007 influent 0,0002
t
on
1,2561 1 1,2561 34,8363 10,007 influent 0,0020
Lcom/Rg
off
0,0109 1 0,0109 0,3014 10,007 non influent 0,6066
Lcom/t
on
0,0332 1 0,0332 0,9212 10,007 non influent 0,3812
Lge/Rg
off
0,0123 1 0,0123 0,3402 10,007 non influent 0,5850
Lge/t
on
0,0309 1 0,0309 0,8567 10,007 non influent 0,3972
Rg
off
/t
on
0,1408 1 0,1408 3,9053 10,007 non influent 0,1051
Rsidu 0,1803 5 0,036
Total 5,3587 15

ANOVA sur la vitesse de commutation au point b

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Rg
off
3,5996 1 3,5996 93,021 6,41 influent 2,733E-07
t
on
1,2561 1 1,2561 32,4601 6,41 influent 7,325E-05
Rsidu 0,5031 13 0,0387
Total 5,3587 15

Vrification du caractre significatif des variables sur la vitesse de commutation au point b

228

Au point c (2000 V ; 1500 A) :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lge 0,0033 1 0,0033 0,6442 10,007 non influent 0,4586
Rg
off
4,8213 1 4,8213 931,3385 10,007 influent 0,0000
t
on
0,9697 1 0,9697 187,3241 10,007 influent 0,0000
Lcom/Rg
off
0,0004 1 0,0004 0,0753 10,007 non influent 0,7947
Lcom/t
on
0,0232 1 0,0232 4,4777 10,007 non influent 0,0879
Lge/Rg
off
0,0045 1 0,0045 0,8736 10,007 non influent 0,3929
Lge/t
on
0,0217 1 0,0217 4,1884 10,007 non influent 0,0961
Rg
off
/t
on
0,0498 1 0,0498 9,6277 10,007 non influent 0,0268
Rsidu 0,0259 5 0,005
Total 5,9262 15

ANOVA sur la vitesse de commutation au point c

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Rg
off
4,8213 1 4,8213 463,7158 6,41 influent 1,492E-11
t
on
0,9697 1 0,9697 93,2692 6,41 influent 2,691E-07
Rsidu 0,1352 13 0,0104
Total 5,9262 15

Vrification du caractre significatif des variables sur la vitesse de commutation au point c

Annexe 6 : Plan 2 ; analyse graphique des rsultats
229

Annexe 6 :
Plan 2 ; Analyse graphique des rsultats

230

231
Les graphiques dadquation de chacun des 6 modles sont fournis ici.
Surtension :
Point a (500 V ; 600 A) :
700
750
800
850
900
950
1000
1050
700 750 800 850 900 950 1000 1050
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de surtension au point a
Point b (1200 V ; 1000 A) :
1500
1600
1700
1800
1900
2000
2100
1500 1600 1700 1800 1900 2000 2100
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de surtension au point b
Point c (2000 V ; 1500 A) :
2400
2500
2600
2700
2800
2900
3000
3100
2400 2500 2600 2700 2800 2900 3000 3100
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de surtension au point c
232
Vitesse de commutation
Point a (500 V ; 600 A) :
1
1,2
1,4
1,6
1,8
2
2,2
1 1,2 1,4 1,6 1,8 2 2,2
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de vitesse de commutation au point a
Point b (1200 V ; 1000 A) :
2
2,2
2,4
2,6
2,8
3
3,2
3,4
3,6
2 2,2 2,4 2,6 2,8 3 3,2 3,4 3,6
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de vitesse de commutation au point b
Point c (2000 V ; 1500 A) :
2,4
2,6
2,8
3
3,2
3,4
3,6
3,8
4
4,2
2,4 2,6 2,8 3 3,2 3,4 3,6 3,8 4 4,2
R
p
o
n
s
e
s

m
e
s
u
r
e
s

s

Graphe dadquation du modle de vitesse de commutation au point c
Annexe 7 : Etude de linteraction entre Lge et TC
233

Annexe 7 :
Etude de linteraction entre linductance
Lge et la temprature TC

234

235
Pour vrifier labsence dinteraction entre linductance Lge, lie la longueur du cble
reliant lallumeur la commande de lIGBT, et la temprature de fonctionnement TC, nous
avons ralis un plan complet de 4 expriences.

Chacun des deux facteurs est dot de deux modalits :

Lge TC
A Cble court (cc) 25C
B Cble long (cl) 125C

Les rsultats obtenus pour les 4 essais sont rsums dans le tableau suivant :

Lge TC dV/dt (kV/s) Surtension (V)
cc 25C 2,714 2340
cc 125C 2,5 2380
cl 25C 2,692 2320
cl 125C 2,571 2380

Comme pour les autres essais, 5 rptitions ont t raliss. Une analyse de variance
permet didentifier les facteurs ayant une influence statistiquement significative sur les
rponses observes.

Lanalyse de variance sur la vitesse de commutation donne les rsultats suivants :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lge 0,0002 1 0,0002 0,0303 6,11512713 non influent 86,4023823
TC 0,0515 1 0,0515 7,4187 6,11512713 influent 1,50233768
Lge/TC 0,0024 1 0,0024 0,3547 6,11512713 non influent 55,9800166
Rsidus 0,1110 16 0,0069
Total 0,1652 19

Aprs suppression des lment non influents :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
TC 0,0515 1 0,0515 8,1499 5,9780 influent 1,0522
Rsidus 0,1137 18 0,0063
Total 0,1652 19

236

Lanalyse de variance sur la surtension donne les rsultats suivants :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
Lge 100 1 100 0,05015674 6,11512713 non influent 82,562
TC 15000 1 15000 7,52351097 6,11512713 influent 1,4443
Lge/TC 100 1 100 0,05015674 6,11512713 non influent 82,562
Rsidus 31900 16 1993,75
Total 47100 19

Aprs suppression des lment non influents :

SCE
i
ddl Cm
i
F
obs
=Cm
i
/Cm
r
F
crit
=F
(0,975)
(ddl
i
;ddl
r
) Conclusion P
TC 15000 1 15000 8,4112 5,9780 influent 0,9541
Rsidus 32100 18 1783,33
Total 47100 19

Nous constatons donc que linteraction entre linductance Lge et la temprature TC nest
pas statistiquement significative sur lun ni lautre des rponses mesures.

237

238

Rsum

La conception des onduleurs de traction ferroviaire dvelopps par Alstom Transport se base sur laire
de scurit de ces modules. La surtension et la vitesse de commutation des modules IGBT de forte
puissance tels que ceux utilis en traction ferroviaire peuvent tre considrs comme des performances
critiques dans la dfinition de cette aire de scurit. La modlisation de ces performances, effectue dans ce
travail de recherche, repose sur lutilisation des mthodes de plan dexpriences. Ces mthodes, dfinies
comme un agencement raisonn dessais et considres comme lun des outils statistiques le plus puissant
dvelopp au 20
me
sicle, ont permis dobtenir des modles de faon empirique en neffectuant quun
nombre minimal dexprimentations. Ces modles, de forme quadratique, prennent en compte lensemble
des facteurs pralablement jugs influents sur les performances observes et amliorent la connaissance du
comportement dynamique des modules IGBT dans chacune de leurs applications.

Mots cls :

Plan dexpriences, Criblage, Surface de rponse, Critre doptimalit, IGBT, Surtension, Vitesse de
commutation.

Summary

Design of the IGBT power converter developed by Alstom Transport is based on the safety area of these
modules. Overvoltage and commutation speed of high power IGBT modules as these used in railway
traction can be considered as critical performances in the safety area definition for these modules. In this
PhD work, modelling of these performances is made using design of experiments methods. These methods
can be define as reasoned organisation of array and considered as one of the most powerful statistical tool
developed during the 20
th
century. Design of experiments allows to obtain empirical models using a
minimal number of experiments. These quadratic models take into account all the influent factors on the
observed performances previously identify and increase the knowledge of the dynamical behaviour of
IGBTs modules in each one of its applications.

Key-words :

Design of experiments, Screening, Response surface method, Optimality criteria, IGBT, Overvoltage,
Commutation speed.

Rabiier

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rabiier

Uploaded by

Copyright:

Available Formats

N d'ordre : 2509 Anne 2007

You might also like