LES PLANS
D'EXPERIENCES
Salah Eddine BENCHEIKH
04/2019
2.0
Introduction générale et plans factoriels
Introduction générale et
plans factoriels II
Les plans d'expériences permettent d'organiser au mieux les essais qui accompagnent une recherche
scientifique ou des études industrielles [1]. Ils sont applicables à de nombreuses disciplines et à toutes les
industries à partir du moment où l'on recherche le lien qui existe entre une grandeur d'intérêt, y, et des
variables, xi. Il faut penser aux plans d'expériences si l'on s'intéresse à une fonction du type :
Avec les plans d'expériences on obtient le maximum de renseignements avec le minimum d'expériences. Pour
cela, il faut suivre des règles mathématiques et adopter une démarche rigoureuse [2]. Il existe de nombreux
plans d'expériences adaptés à tous les cas rencontrés par un expérimentateur. Les principes fondamentaux de
cette science seront indiqués et les principaux plans seront passés en revue.
La compréhension de la méthode des plans d'expériences s'appuie sur deux notions essentielles, celle d'espace
expérimental et celle de modélisation mathématique des grandeurs étudiées.
4
Notion d'espace expérimental
1. Notions générales
1.1. Notion d'espace expérimental
Un expérimentateur qui lance une étude s'intéresse à une grandeur qu'il mesure à chaque essai. Cette grandeur
s'appelle la réponse, c'est la grandeur d'intérêt. La valeur de cette grandeur dépend de plusieurs variables. Au
lieu du terme «variable» on utilisera le mot facteur. La réponse dépend donc de un ou de plusieurs facteurs. Le
premier facteur peut être représenté par un axe gradué et orienté (Figure 1). La valeur donnée à un facteur pour
réaliser un essai est appelée niveau. 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.
Le niveau bas du facteur est noté par - 1 et le niveau haut par +1. Le domaine de variation du facteur est constitué
de toutes les valeurs comprises entre le niveau bas et le niveau haut.
L'ensemble de toutes les valeurs que peut prendre le facteur entre le niveau bas et le niveau haut, s'appelle le
domaine de variation du facteur ou plus simplement le domaine du facteur. On a l'habitude de noter le niveau
bas par –1 et le niveau haut par +1.
S'il y a un second facteur, il est représenté, lui aussi, par un axe gradué et orienté. On définit, comme pour le
premier facteur, son niveau haut, son niveau bas et son domaine de variation. 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 2).
5
Notion d'espace expérimental
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.
Le niveau x1 du facteur 1 et le niveau x2 du facteur 2 peuvent être considérés comme les coordonnées d'un
point de l'espace expérimental (Figure 3). Une expérience donnée est alors représentée par un point dans ce
système d'axes. Un plan d'expériences est représenté par un ensemble de points expérimentaux.
Dans l'espace expérimental, les niveaux des facteurs définissent des points expérimentaux.
Le regroupement des domaines des facteurs définit le «domaine d'étude». Ce domaine d'étude est la zone de
l'espace expérimental choisie par l'expérimentateur pour faire ses essais. Une étude, c'est-à-dire plusieurs
expériences bien définies, est représentée par des points répartis dans le domaine d'étude (Figure 4).
Cette façon de représenter une expérimentation par des points dans un espace cartésien est une représentation
géométrique de l'étude. Une autre représentation d'une étude sera introduite au paragraphe 2.1.
6
Notion de surface de réponse
Les points expérimentaux sont disposés dans le domaine d'étude défini par l'expérimentateur
Les définitions qui ont été données s'appliquent bien aux variables continues. Mais il existe d'autres types de
variables. Il y a les variables discrètes comme par exemple des personnes : Julien, Arthur, Louis, Simon et
Nathan. On peut encore parler d'espace expérimental mais il n'aura pas les mêmes propriétés que l'espace des
variables continues. Il y a également les grandeurs ordonnables comme, par exemple, des distances qui peuvent
être courtes, moyennes et longues. Là aussi, la notion d'espace expérimental existe toujours mais cet espace
possède des propriétés différentes des deux premiers.
1.2. Notion de surface de réponse
Les niveaux xi représentent les coordonnées d'un point expérimental et y est la valeur de la réponse en ce point.
On définit un axe orthogonal à l'espace expérimental et on l'attribue à la réponse. La représentation
géométrique du plan d'expériences et de la réponse nécessite un espace ayant une dimension de plus que
l'espace expérimental. Un plan à deux facteurs utilise un espace à trois dimensions pour être représenté : une
dimension pour la réponse, deux dimensions pour les facteurs.
A chaque point du domaine d'étude correspond une réponse. A l'ensemble de tous les points du domaine
d'étude correspond un ensemble de réponses qui se localisent sur une surface appelée la surface de réponse
(Figure 5).
Le nombre et de l'emplacement des points d'expériences est le problème fondamental des plans d'expériences.
On cherche à obtenir la meilleure précision possible sur la surface de réponse tout en limitant le nombre
d'expériences.
7
Notion de modélisation mathématique
Les réponses associées aux points du domaine d'étude forment la surface de réponse. Les quelques réponses
mesurées aux points du plan d'expériences permettent de calculer l'équation de la surface de réponses.
1.3. Notion de modélisation mathématique
On choisit a priori une fonction mathématique qui relie la réponse aux facteurs. On prend un développement
limité de la série de Taylor-Mac Laurin. Les dérivées sont supposées constantes et le développement prend la
forme d'un polynôme de degré plus ou moins élevé :
où
• y est la réponse ou la grandeur d'intérêt. Elle est mesurée au cours de l'expérimentation et elle est obtenue
avec une précision donnée.
• xi représente le niveau attribué au facteur i par l'expérimentateur pour réaliser un essai. Cette valeur est
parfaitement connue. On suppose même que ce niveau est déterminé sans erreur (hypothèse classique de la
régression).
• a0, ai, aij, aii sont les coefficients du modèle mathématique adopté a priori. Ils ne sont pas connus et doivent
être calculés à partir des résultats des expériences.
L'intérêt de modéliser la réponse par un polynôme est de pouvoir calculer ensuite toutes les réponses du
domaine d'étude sans être obligé de faire les expériences.
Ce modèle est appelé "modèle postulé" ou "modèle a priori".
1.4. Le modèle de l'expérimentateur
Deux compléments doivent être apportés au modèle précédemment décrit.
Le premier complément est le "manque d'ajustement". Cette expression traduit le fait que le modèle a priori est
fort probablement différent du modèle réel qui régit le phénomène étudié. Il y a un écart entre ces deux
modèles. Cet écart est le manque d'ajustement (lack of fit en anglais).
Le second complément est la prise en compte de la nature aléatoire de la réponse. En effet, si l'on mesure
plusieurs fois une réponse en un même point expérimental, on n'obtient pas exactement le même résultat. Les
résultats sont dispersés. Les dispersions ainsi constatées sont appelées erreurs expérimentales.
Ces deux écarts, manque d'ajustement et erreur expérimentale, sont souvent réunis dans un seul écart, notée e.
Le modèle utilisé par l'expérimentateur s'écrit alors :
1.5. Système d'équations
Chaque point expérimental permet d'obtenir une valeur de la réponse. Cette réponse est modélisée par un
polynôme dont les coefficients sont les inconnues qu'il faut déterminer. A 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 :
y est le vecteur des réponses.
X est la matrice de calcul, ou matrice du modèle, qui dépend des points expérimentaux choisis pour exécuter le
plan et du modèle postulé.
8
PLANS FACTORIELS COMPLETS A DEUX NIVEAUX
a est le vecteur des coefficients.
e est le vecteur des écarts.
Ce système possède un nombre d'équations inférieur au nombre d'inconnues. Il y a n équations et p + n
inconnues. Pour le résoudre, on utilise une méthode de régression basée sur le critère des moindres carrés. On
obtient ainsi les estimations des coefficients que l'on note : aˆ
Nous allons maintenant appliquer les notions et les propriétés que nous venons de décrire aux plans
d'expériences les plus classiques. Nous verrons successivement les plans suivants :
Plans factoriels complets à deux niveaux.
Plans factoriels fractionnaires à deux niveaux.
Autres plans à deux niveaux.
Plans à plusieurs niveaux.
Plans pour surfaces de réponse. Plans de mélanges.
2. PLANS FACTORIELS COMPLETS A DEUX NIVEAUX
Ces plans possèdent un nombre de niveaux limité à deux pour chaque facteur. Toutes les combinaisons de
niveaux sont effectuées au cours de l'expérimentation. Ces plans peuvent être utilisés indistinctement pour les
variables continus et pour les variables discrètes.
9
modélisation mathématique et représentation géométrique
2.1. Plan à deux facteurs
2.1.1. modélisation mathématique et représentation géométrique
Pour deux facteurs, le domaine d'étude est un carré (en unités codées- voir annexe
1). Par exemple, la Figure 6 représente un plan factoriel complet à deux facteurs. Le modèle mathématique
postulé est un modèle du premier degré par rapport à chaque facteur :
• y est la réponse
• xi représente le niveau attribué au facteur i.
• a0 est la valeur de la réponse au centre du domaine d'étude.
• a1 est l'effet (ou effet principal) du facteur 1.
• a2 est l'effet (ou effet principal) du facteur 2.
• a12 est l'interaction entre les facteurs1 et 2.
• e est l'écart.
On démontre que les meilleurs emplacements des points d'expériences sont situés aux sommets du domaine
d'étude.
Les meilleurs emplacements des points expérimentaux sont les sommets du domaine d'étude lorsque le modèle
postulé est du premier degré.
2.1.2. Représentation d'une étude sous forme de tableau
Les représentations géométriques sont commodes et très parlantes mais dès que le nombre de facteurs est
supérieur à trois, elles ne peuvent plus être employées. Pour les espaces multidimensionnels, on adopte une
représentation en forme de tableau. Pour montrer la correspondance entre les deux représentations,
géométrique et tableau, nous allons expliquer la construction du tableau rassemblant les expériences du plan 22
associé à la Figure 6.
Ce tableau comprend trois colonnes, la première identifie les essais, la seconde et la troisième indiquent les
coordonnées des points d'expériences. L'essai n°1 est celui pour lequel les deux facteurs étudiés sont aux
niveaux bas, 20°C (ou - 1 en unités codées) et 5 grammes (ou - 1 en en unités codées). Cet essai n°1 correspond
au point A de la Figure 6. L'essai n°2 est celui pour lequel le premier facteur est fixé au niveau haut, 80 °C (ou
+1 en unités codées) et le second facteur est fixé au niveau bas : 5 grammes (ou - 1 en unités codées). Cet essai
n°2 correspond au point B.
10
Présentation des résultats d'essais
Ce tableau s'appelle Tableau d'expérimentation s'il est construit avec les unités physiques habituelles (Tableau
1) et Plan d'expériences s'il emploie les unités codées (Tableau 2). Dans ce dernier cas, on rappelle la
signification des unités codées en indiquant, pour chaque facteur, leurs valeurs en unités physiques habituelles
en bas du tableau.
Tableau 1 : Tableau d'expérimentation (unités courantes).
La représentation qui utilise les unités codées est plus générale que celle qui emploie les unités physiques
habituelles. C'est celle qui est le plus souvent adoptée et c'est celle que nous utiliserons par la suite.
Tableau 2 : Plan d'expériences (unités codées).
Les représentations géométriques et les représentations par tableaux sont équivalentes. Les tableaux (ou
matrices) présentent l'avantage de pouvoir être utilisés quel que soit le nombre de facteurs, c'est-à-dire quel que
soit le nombre de dimensions de l'espace expérimental. Il est utile de savoir passer d'une représentation à l'autre
pour bien interpréter les résultats des plans d'expériences.
2.1.3. Présentation des résultats d'essais
A chaque essai, l'expérimentateur mesure la réponse qu'il a choisie. Par exemple, la réponse de l'essai n° 1 est
y1. Celle de l'essai n° 2 est y2, et ainsi de suite. Ces réponses sont indiquées en face chaque essai et sont
rassemblées dans la colonne
«Réponse» (Tableau 3).
Tableau 3 : Plan d'expériences et résultats expérimentaux.
11
Signification de aˆ0
2.1.4. Calcul des coefficients
Les quatre points d'expériences apportent quatre équations.
La résolution de ce système donne la valeur des coefficients :
Connaissant les coefficients, on peut écrire le modèle de régression qui servira à faire des prévisions
2.1.5. Signification de aˆ0
Si l'on donne à x1 et à x2 la valeur zéro, on définit le centre du domaine d'étude. La relation devient alors
yˆ0 = + aˆ0
Le coefficient aˆ0 est la valeur calculée de la réponse au centre du domaine d'étude
2.1.6. Signification de aˆ1
Plaçons nous maintenant au niveau moyen du facteur 2, pour cela donnons la valeur zéro à x2. La relation
devient :
Cette relation permet de tracer l'évolution de la réponse prédite dans un plan de coupe x2 = 0
(Figure 7). L'effet du facteur 1 apparaît comme la variation de la réponse quand on passe du niveau zéro au
niveau haut du facteur 1.
Dans le plan moyen du facteur 2, l'effet du facteur 1 est la variation de la réponse entre le centre du domaine
d'étude et le niveau haut du facteur 1.
2.1.7. Signification de aˆ12
La relation peut s'écrire
12
L'interaction apparaît comme la demi différence entre l'effet du facteur 1 au niveau haut du
facteur 2 (effet noté ef+) et l'effet du facteur 1 au niveau bas du facteur 2 (effet noté ef -). Elle
traduit une variation de l'effet d'un facteur en fonction du niveau d'un autre facteur.
L'interaction aˆ12 entre les deux facteurs 1 et 2 est une interaction d'ordre 2.
