Chapitre IV+V/Etude quantitative des facteurs et réponses

1-Introduction

La plupart des ingénieurs et techniciens améliorent leurs produits ou leurs processus de production
à partir des expériences. Malheureusement, les stratégies couramment utilisées pour mener ces
expériences sont souvent coûteuses et peu performantes et elles conduisent à de nombreuses expériences
difficiles exploitables. Pour toutes ces raisons, de nombreux ingénieurs et techniciens font appel à la
planification des expériences.

Les plans d'expériences apportent une aide notoire aux expérimentateurs et constituent un outil indispensable à toute
élaboration de stratégies expérimentales sans restriction disciplinaire. Parmi les industries pouvant utiliser cette
méthodologie, on peut notamment citer :
 Industries chimique, pétrochimique et pharmaceutique;
 
 Industries mécanique et automobile;
 
 Industrie métallurgique.
 
2-Processus d’acquisition des connaissances

Augmenter ses connaissances, c’est trouver la réponse à une question posée. On

commence donc par se poser une ou plusieurs questions (Figure 1.1).

Figure 1.1 – Les plans d’expériences optimisent les trois parties

encadrées du processus d’acquisition des connaissances .
 Les trois aspects essentiels du processus d’acquisition des connaissances sont les
suivantes :
– le choix de la méthode d’expérimentation,
– l’analyse des résultats,
– l’acquisition progressive de la connaissance.
Examinons plus en détail ces trois aspects sachant que les expériences sont organisées pour faciliter l’exploitation des
résultats et pour permettre l’acquisition progressive des résultats d’intérêt.

3-Étude d’un phénomène

L’étude d’un phénomène revient souvent à s’intéresser à une grandeur particulière qui dépend d’un grand nombre
de variables .

Sous une forme mathématique, on peut écrire que la grandeur d’intérêt, y, que nous appellerons également réponse par
la suite, est une fonction de plusieurs variables xi (variables que nous appellerons aussi facteurs par la suite). On a :
 L’étude du phénomène se ramène à déterminer la fonction f( ) qui lie la réponse y aux différents facteurs
x1, x2, …, xk.
Pour approfondir cette approche il faut introduire quelques notions particulières et une terminologie spécifique aux plans
d’expériences.

4- Terminologie

La grandeur d’intérêt, qui est généralement notée y, porte le nom de réponse. Les variables qui peuvent modifier la
réponse sont appelées facteurs. On parle donc des facteurs qui influent sur une réponse. Les termes facteur et réponse sont

universellement employés dans le domaine des plans d’expériences .

4.1 Les différents types de facteurs

La construction des plans et l’interprétation des résultats dépendent en grande partie des types de facteurs rencontrés
dans l’étude. On distingue plusieurs types de facteurs. Nous retiendrons les types de facteurs suivants : les facteurs continus,
les facteurs discrets, les facteurs ordonnables, les facteurs booléens.
  Facteurs continus
La pression est un exemple de facteur continu. Dans un intervalle de pression donné, on peut choisir toutes les valeurs
possibles. Il en est de même d’une longueur, d’une concentration ou d’une température. Les valeurs prises par les facteurs
continus sont donc représentées par des nombres continus.

 Facteurs discrets
Au contraire, les facteurs discrets ne peuvent prendre que des valeurs particulières. Ces valeurs ne sont pas forcément
numériques : on peut représenter un facteur discret par un nom, une lettre, une propriété ou même par un nombre qui n’a alors en
soi aucune valeur numérique mais qu’une signification de repère. Par exemple, on peut s’intéresser aux couleurs d’un produit :
bleu, rouge et jaune sont
des facteurs discrets.
 Facteurs ordonnables
Il s’agit de facteurs discrets que l’on peut mettre dans un ordre logique. Par exemple, grand, moyen, petit, ou encore premier,
deuxième, troisième et quatrième.

 Facteurs booléens
Les facteurs booléens sont des facteurs discrets qui ne peuvent prendre que deux valeurs : haut ou bas, ouvert ou fermé, blanc
ou noir, etc.
5-Espace expérimental

Pour présenter l’espace expérimental nous utiliserons un espace à deux dimensions, ce qui facilitera les représentations
graphiques. Il est ensuite facile d’étendre les notions introduites à des espaces multidimensionnels.
Un facteur continu peut être représenté par un axe gradué et orienté. S’il y a un second facteur continu, il est représenté,
lui aussi, par un axe gradué et orienté.
Ce second axe est disposé orthogonalement au premier. On obtient ainsi un repère cartésien qui définit un espace
euclidien à deux dimensions. Cet espace est appelé l’espace expérimental (figure 1.2). L’espace expérimental comprend tous les
points du plan « facteur 1 × facteur 2 » et chacun d’eux représente une expérience

Figure 1.2 – Chaque facteur est représenté par un axe gradué et orienté. Les
axes des facteurs sont orthogonaux entre eux. L’espace ainsi défini est
l’espace expérimental.
6-Domaine d’un facteur

La valeur donnée à un facteur pour réaliser une expérience est appelée niveau . La valeur donnée à un
facteur pour réaliser une expérience est appelée niveau.
Le niveau bas est ainsi codé - 1 alors que le niveau haut est codé + 1,
Lorsqu’on étudie l’influence d’un facteur, en général, on limite ses variations entre deux bornes. La
borne inférieure est le niveau bas. La borne supérieure est le niveau haut.

Figure 1.3 – Le domaine de variation de la vitesse

Le domaine d’étude est défini par la réunion des domaines des

Figure 1.4 – Le domaine d’étude
différents facteurs (ici, il n’y a pas de contraintes) Figure 1,4.
7- Variables centrées réduites

Lorsqu’on attribue la valeur −1 au niveau bas d’un facteur et la valeur +1 au niveau haut, on effectue deux
modifications importantes :
 On déplace l’origine des mesures.
 On change l’unité de mesure.

Ces deux modifications entraînent l’introduction de nouvelles variables que l’on appelle variables centrées
réduites (v.c.r) : centrées pour indiquer le changement d’origine et réduites pour signaler la nouvelle unité. On utilise
également le terme de variables codées ou d’unités codées.

Le passage des variables d’origine A aux variables codées x, et inversement, est donné
par la formule suivante (A0 est la valeur centrale en unités courantes) :
 le Pas du facteur vitesse. Il est égal à la moitié de la différence entre le

niveau haut et le niveau bas :

A0 est la valeur centrale entre le niveau haut et le niveau bas, c’est-à-dire

la moitié de la somme du niveau haut et du niveau bas :

Dans la relation de x

Pour cet exemple, la vitesse de 90 km/h est donc égale à −0,5 en

variables codées.
8-Points expérimentaux

Une expérience donnée est alors représentée par un point dans ce système d’axes.
C’est la raison pour laquelle une expérience est souvent désignée par l’expression point expérimental, point d’expérience ou
même simplement point. Un plan d’expériences est donc représenté par un ensemble de points expérimentaux, eux-mêmes
situés dans l’espace expérimental Figure 1.6 et le plan d’expérience des points expérimentaux Figure1.7

Figure 1.7 – Exemple de disposition des points

Figure 1.6 – Dans l’espace expérimental, les niveaux
expérimentaux dans un domaine sans contraintes.
des facteurs définissent des points expérimentaux.
9-Modélisation mathématique a priori de la réponse

a- Le modèle mathématique
En l’absence de toute information sur la fonction qui lie la réponse aux facteurs, on se donne a priori une loi
d’évolution dont la formulation la plus générale est la suivante :

Si les dérivées peuvent être considérées comme des constantes, le développement précédent prend la forme d’un polynôme de
degré plus ou moins élevé c’est le développement limité de Taylor-Mac Laurin :

où :
– y est la grandeur à laquelle s’intéresse l’expérimentateur ; c’est la réponse ou la
grandeur d’intérêt,
– xi représente un niveau du facteur i,

–xj représente un niveau du facteur j,

– a0, ai , aij, aii sont les coefficients du polynôme.

Ce modèle est appelé le modèle a priori ou le modèle postulé.
b- Modélisation expérimentale

Deux compléments doivent être apportés au modèle purement mathématique précédemment décrit.

 Le premier complément est le manque d’ajustement.

 Le second complément est la prise en compte de la nature aléatoire de la réponse.

En effet, dans le cas général, si l’on mesure plusieurs fois une réponse en un même point
expérimental, on n’obtiendra pas exactement le même résultat. Il y a une dispersion des résultats. Les
dispersions ainsi constatées sont appelées erreurs aléatoires ou erreurs expérimentales (pure error en
anglais) et on les note par la lettre .
La relation générale {1.2} doit être modifiée ainsi :

le manque d’ajustement
C- Système d’équations

Chaque point expérimental apporte une valeur de la réponse. Or cette réponse est modélisée par un polynôme
dont les coefficients sont les inconnues qu’il faut déterminer. À la fin du plan d’expériences, on a un système de n
équations (s’il y a n essais) à p inconnues (s’il y a p coefficients dans le modèle choisi a priori). Ce système s’écrit d’une
manière simple en notation matricielle

où :
– y est le vecteur des réponses,
– X est la matrice de calcul des coefficients ou matrice du modèle qui dépend des
points expérimentaux choisis pour exécuter le plan et du modèle postulé,
– a est le vecteur des coefficients,
– e est le vecteur des écarts.
 on utilise une méthode de régression(il y a n équations et p + n Inconnues).
La plupart du temps cette méthode est basée sur le critère d’optimisation des moindres carrés. On obtient ainsi les
estimations des coefficients que l’on note

Le résultat de ce calcul est :

La formule dans laquelle la matrice X¢ est la matrice transposée de X (voir Chapitre Hadamard).

Il existe de nombreux logiciels qui exécutent ce calcul et

qui donnent directement les valeurs des coefficients.
Deux matrices interviennent constamment dans la théorie des plans d’expériences
:
– la matrice d’information

– la matrice de dispersion .
 Tableau 2.2 – Matrice d’expérimentation.
Figure 2.1 – Représentation du plan
d’expérimentation.
 Tableau 2.3 – Matrice d’expériences.

Tableau 2.4 – Matrice d’expériences et

résultats.
On peut reporter ces résultats sur le domaine d’étude (Figure 2.2).

Figure 2.2 – Valeur de la réponse en divers points du domaine

d’étude.
*Signification des coefficients
Le modèle postulé des plans factoriels complets 22 est :

où :
*y est la réponse, dans cet exemple, la consommation d’essence ;
*X1 représente le niveau du facteur 1 (la vitesse), dans cet exemple 80 km/h (ou-1)et 120 km/h (ou +1) selon les essais ;

*X2 représente le niveau du facteur 2 (la surcharge), dans cet exemple 0 kg (ou –1) et 300 kg (ou +1) selon les essais ;

* X1X2 est le produit des niveaux des facteurs 1 et 2

–a0 est le coefficient constant du modèle ;

–a1 est le coefficient du facteur 1 ;

– a2 est le coefficient du facteur 2 ;

– a12 est le coefficient du terme X1X2.

Ce modèle est appelé modèle polynomial du premier degré avec interactions ou modèle PDAI et nous allons examiner la
signification de ses coefficients dans une réaction chimique dans l’application.