Les démarches expérimentales pour

l’optimisation des protocoles expérimentaux

pratique des plans d’expériences

Pr. M. Nohair
Démarches retenues
Démarche de YATES (Casablanca)
Démarche de TAGUCHI (La Rochelle)
1. Modélisation des processus

Modéliser un Processus

Déterministe Statistique

• Disposer de lois
physique • Disposer de
l’historique des
expériences

Pas souvent évident calibration par une

fonction mathématique
 Anglais Français
Design of experiments Plans d’expériences

Modélisation par l’expérience: Réaliser des expériences

Calibration:
adapter les variations du processus par une fonction
numérique simple, si possible
(x1, x2, x3 ….)
Y
Exemple: Aperçu général d’un procédé de transformation en
plasturgie

Facteurs Réponse
Moulage injection
• Température • Epaisseur
• Pression
• Géométrie
• Durée retenue
• Taille ouverture
• Valeur Visée
• Vitesse Vis • % conformité
• Fabrication de
• % recyclé pièces moulées
par injection

Processus sous contrôle

 L’instabilité des valeurs des caractéristiques des produits
fabriqués industriellement

Instabilité

• Déviation/ cible
• Grande dispersion

dispersion
Solution
Planification expérimentale

Facteurs influents Réponse du Sys

• X1
• X2 • Déviation y1
• X3 • Dispersion y2
• ..
Table de données

Facteurs Réponses

Exp X1 X2 X3 … Y1 Y2
 Niveaux de X1

 Niveaux de X2

 Niveaux de X3
1 Rep1
2 Rep2
3 Rep3
4
5
. .
j Rep j
. .

Calibration:
Outils statistiques
 les facteurs facilement les facteurs bruits,
maîtrisables variables parasites
• Matières utilisées, • l’hygrométrie
• Température • Irrégularité de la tension
• Vitesse de production • Température ambiante
• … • …
Exple : Un ingénieur désire étudier la résistance à la traction de
tiges d'acier en fonction de la teneur en carbone de l'acier
(échantillon de 12 tiges)

Observation X Y
1 0,10 35,80
2 0,30 52,20
3 0,15 40,00
4 0,60 84,90
5 0,70 88,50
6 0,20 43,40
7 0,30 56,80
8 0,15 38,70
9 0,55 78,30
10 0,60 82,20
11 0,20 41,10
12 0,40 61,00
Les facteurs qui affectent les caractéristiques à optimiser sont à
classer en 2 catégories :

les facteurs facilement maîtrisables (appelés facteurs

contrôlés) (matières utilisées, température d’injection ,
vitesse de production,…)

les facteurs bruits, variables parasites, difficiles, impossibles

ou trop coûteuses à contrôler (fluctuations de la
température et de l’hygrométrie ambiantes, irrégularité de
la tension du courant électrique, …)
2. Historique de l’utilisation des plans d'expériences
Les plans d'expériences sont utilisés dans les études industrielles
en recherche-développement :

Domaine agronomique (années 20)

Biologie (années 60)
Industries chimiques, pétrochimiques et pharmaceutiques
Industries mécaniques et automobiles
Industries métallurgiques
Leur utilisation vise aux buts suivants :

Détermination des facteurs clés dans la conception d'un

nouveau produit ou d'un nouveau procédé
Optimisation des réglages d'un procédé de fabrication ou
d'un d'appareil de mesure
Prédiction par modélisation du comportement d'un procédé

une Démarche Générale

d’Amélioration de la Qualité.
3. Démarche expérimentale: Plan d’expérience

• Suite d’expériences
définition rigoureusement organisées

• Minimum d’essais
objectifs • Maximum de précision

Effet des facteurs

prévision
Etapes à suivre

Réaliser les
Définir le système Choix d'un modèle
expériences

Facteurs pot. Démarche

influents Fonction affine appropriée

Domaine d'étude de Fonction Relever les réponses

ces facteurs polynomiale

Réponse cible
1er exemple
• Cas de deux facteurs A et B

A
Y
B

+ comment réaliser
Domaine Min Max les expériences???
expérimental
Facteur A Amin Amax
Facteur B Bmin Bmax

!!! Hypothèse importante: proposer un modèle linéaire

Pour homogénéiser: rendre au même unité

A0 est la valeur centrale en unité courante

Domaine Min Max

expérimental
Facteur A -1 +1
Facteur B -1 +1
Deux stratégies expérimentales des essais pour trouver l’effet
de chaque facteur

Variation factorielle
Variation facteur par facteur
• Selon la méthode traditionnelle, on bloque le facteur A au centre
du domaine de variation et on fait varier le facteur B aux deux
extrémités de son domaine: on obtient les mesures M1 et M2.
Dans cette méthode, l'effet de B sera mesuré à partir des mesures
M1 et M2
la moitié des mesures seulement est utilisée pour calculer
l’effet de B

De la même façon:
• La méthode des plans d'expériences consistera à réaliser 4 essais
aux extrémités du domaine expérimental ( Y1, Y2, Y3 et Y4).

1. Calcul de l’effet de A pour B=-1

2. Calcul de l’effet de B pour B=+1
3. Faire la moyenne des deux effets
 Faible variance
maximum de précision
Variance élevée
minimum précision
Exemple 2 : presse à injecter
• La réponse étudiée est la variation sur une côte de la pièce
• Pression :[300-500] et température :[40-60]

L’interaction est
mise en évidence
 Mise en évidence de l’interaction A*B

Effet de la pression a T=40°

Effet de la pression a T=80°

Méthodologie de la démarche expérimentale:
Nombre d’expériences pour un plan d’expérience

Effet linéaire de chaque facteur Xi

deux niveaux suffisent (Min, Max)  (-1,+1)

Nombre d’expérience: nombre de combinaison :2*2*2*…

k facteurs
2 facteurs: 2*2=4 expériences
3 facteurs: 2*2*2=8 expériences
4 facteurs: 16 expériences
Pour k facteurs: 2k expériences
4. Plans complets à 2 facteurs : 22
a. Exemple introductif
Rendement d’une réaction
Cette grandeur est représentée par un nombre qui correspond
à un pourcentage

Facteurs Min Max

Température 60 80
Pression 1 2

Modèle proposé :
Objectif

Augmenter le rendement

• Augmenter ou baisser la température

• Augmenter ou baisser la pression
• La température est sans effet
• La pression est sans effet
• Présence d’une forte interaction entre les facteurs
explicatifs
 Les combinaisons possibles
(1bar, 60°C) ; (1bar, 80°C) ; (2bar, 60°C) ; (2bar, 60°C) ;

Matrice expérimentale

N° exp T°C P en bar R en %

1 60 1 60%
N° exp X1 X2 R en %
2 80 1 70%
1 -1 -1 60%
3 60 2 80%
2 +1 -1 70%
4 80 2 90%
3 -1 +1 80%
4 +1 +1 90%

Matrice en variables centrées

réduites
N° exp X1 X2 R en %
1 -1 -1 60%
2 +1 -1 70%
3 -1 +1 80%
4 +1 +1 90%

60= a0 –a1 –a2 +a12

70= a0 +a1 –a2 -a12
80= a0 –a1 +a2 -a12
90= a0 +a1 +a2 +a12
 b. Résolution algébrique

a0 –a1 –a2 +a12=60

a0 +a1 –a2 -a12 =70
a0 –a1 +a2 -a12 =80 a0= ¼( y1 +y2 +y3 + y4) = 75
a0 +a1 +a2 +a12=90 a1= ¼( -y1 +y2 -y3 + y4) = 5
a2= ¼( -y1 -y2 +y3 + y4) = 10
a12= ¼( y1 -y2 -y3 + y4) = 0
X * A = Y
X1 X2 X1*X2
1 -1 -1 1 a0 60
1 1 -1 -1 * a1 = 70
1 -1 1 -1 a2 80
1 1 1 1 a12 90
c. Notion d’interactivité
Imaginons une autre situation pour la même réaction :

N° exp X1 X2 R en %
1 -1 -1 60%
2 +1 -1 65% a0=71,25 ; a1=3,75 ; a2=8,75 et a12=1,25

3 -1 +1 75%
4 +1 +1 85%

La variation de Y n’est pas la même au niveau -1 et au niveau +1

Pour x1= -1 y= 75 – 60 = 15
Pour x1= 1 y= 85 – 65 = 20
Pour x2= -1 y= 65 – 60 = 5
Pour x2= 1 y= 85 – 75 = 10
Discussion

Niveau de x2 x2=-1 x2=0 x2=+1

Effet de x1 2,50 3,75 5

L’effet de x1 est amplifié au niveau haut de x2

Exemple: fonctionnement d’un pistolet à peinture en fonction de
l’ouverture du pistolet et la pression
Le réponse est la couleur obtenue allant de 0 (noir) au jaune (60)

15= a0 –a1 –a2 +a12

20= a0 +a1 –a2 -a12
15= a0 –a1 +a2 -a12
15= a0 +a1 +a2 +a12

Objectif : trouver les coefficients de l’équation

Logiciels pour la pratique des plans d’expériences

Minitab: www.minitab.com
JMP: www.JMP.com
Statistica
Matlab
Minitab
 On obtient donc:
a0= 25 a1= 5 a2 = 7,5 a12= 2,5
Le modèle mathématique s’écrit donc
Y = 25 + 5.A + 7,5.B + 2,5.A.B

Effet de l’ouverture
Effet de la pression

Parmi les outils d’exploitation

les courbes isoréponses
5. Plans complets à 3 facteurs : 23
Les matrices d'expériences se construisent selon les tableaux
suivants pour les cas des plans 22 et 23 avec des facteurs A, B et C.

Y= a0+a1.A+a2.B+a3.C+a12.A.B+a13.A.C+a23.B.C+a123.A.B.C
a. Résolution algébrique
X * A = Y

X1 X2 X3 X1*X2 X1*X3 X2*X3 X1*X2*X3

1 -1 -1 -1 1 1 1 -1 a0 y1
1 1 -1 -1 -1 -1 1 1 a1 y2
1 -1 1 -1 -1 -1 -1 1 a2 y3
1 1 1 -1 1 1 -1 -1 * a3 = y4
1 -1 -1 1 1 1 -1 1 a12 y5
1 1 -1 1 -1 -1 -1 -1 a13 y6
1 -1 1 1 -1 -1 1 -1 a23 y7
1 1 1 1 1 1 1 1 a123 y8
Exemple: Etude d’une émulsion de bitume : détermination de
l’influence acide gras et acide chlorhydrique sur stabilité
émulsion

1. acide gras (- ou + concentration)

2. HCl (très ou peu dilué) Indice émulsion (++ )
3. Nature du bitume (A ou B)

Essai A B C réponse
1 -1 -1 -1 38
2 1 -1 -1 37
3 -1 1 -1 26
4 1 1 -1 24
5 -1 -1 1 30
6 1 -1 1 28
7 -1 1 1 19
8 1 1 1 16
Solution

Pour une meilleur émulsion: +++

1. L’acide gras n’a pas d’effet
2. Opérer avec une dilution de HcL (effet négatif)
3. Bitume (meilleur B)
4. Les interactions sont faibles
Un exemple constructif : les bijoux en or
a) Description de l’étude
L’intérêt de l’or est qu’il ne s’oxyde pas (d’où par exemple son
utilisation en électronique).
Mais il est très cher ! Les bijoux plaqués or, moins cher, sont
recouverts d’une fine couche d’or qui les protègent. Ces
dépôts sont effectués par électrolyse. Pour améliorer la
qualité de ces dépôts, on utilise des alliages de nickel ou de
cobalt.
b) Définition de l’objectif
Les objectifs de l’étude sont :
1. Réaliser le dépôt le plus vite possible.
2. Obtenir une teneur en cobalt entre 3500 et 4500 ppm dans
l’alliage du dépôt.
L’étude est réussie si on peut donner des consignes de réglages.

c) Choix de la réponse
La première réponse correspond au premier objectif. On choisit
donc la vitesse de dépôt mesurée en mg/min. Pour assurer
la rentabilité du projet il faut qu’elle soit supérieure ou égale
à 80 mg/min
La seconde réponse correspond au second objectif. On choisit
donc la teneur en Cobalt de l’alliage. Pour assurer la qualité
du dépôt, la teneur en cobalt de l’alliage doit être comprise
entre 3500 et 4500 ppm.
d) Les facteurs influents sur la réponse
Dans cette étude, trois facteurs sont retenus :
1. La concentration en or de la solution d’électrolyte
2. La densité du courant
3. La concentration en cobalt de la solution électrolyte

23=8 expériences
La matrice d’expérimentation
d) Solution
a. Vitesse du dépôt

a0 a1 a2 a3 a12 a13 a23 a123

80 32,75 6,75 0 10 -10,75 14,25 1

Le modèle est

• C’est le facteur 1 le plus influent c'est-à-dire la concentration

en or. Les facteurs 2 et 3 ne sont pas directement influents
mais le sont pas leurs interactions. L’interaction d’ordre 3 est
pratiquement nulle donc négligeable
b. Teneur en cobalt

a0 a1 a2 a3 a12 a13 a23 a123

3980 -1187 157,5 772,5 -525 -370 755 -2,5

Le modèle est

Ce sont les facteurs 1 (concentration en or) et 3 (concentration

en cobalt) qui sont les plus influents. L’effet du facteur 1
étant négatif. L’interaction d’ordre 3 est négligeable.
Le modèle en variables réelles
c. Recherche de conditions opératoires
Comme il y a deux objectifs, une vitesse de dépôt au moins
égale à 80 mg/min et une teneur en cobalt de l’alliage
compris entre 3500 et 4500 ppm, on superpose les résultats
de le vitesse de dépôt à ceux de la teneur en cobalt et on
interdit les vitesses inférieures à 80 mg/min. A différentes
densité de courant, toutes les régions claires permettent de
réponde aux deux objectifs.

Solution sur JMP

d. Conclusion
Pour répondre au cahier des charges de départ, il faut régler
l’électrolyse telle que :
La concentration en or soit réglée à 12 g/l
La concentration en cobalt soit réglée à 1,3 g/l
La densité de courant soit réglée à 25 A/dm2.
Dans ces conditions, on obtient une vitesse de dépôt de 100
mg/min et une teneur en cobalt de 3900 ppm.
6. Approche statistique et validation du modèle
Les valeurs des coefficients ne représentant que des
estimations ponctuelles propres aux échantillons considérés.
Les valeurs ne peuvent être calculées mais on peut les
approcher par le biais des intervalles de confiances

a. Facteurs et interactions influents

L’influence des facteurs et de leurs interactions est évaluée par

l’intermédiaire des coefficients ai. Il nous faut donc trouver
une valeur étalon pour juger de son importance.
Cet étalon sera l’écart type du coefficient. On comparera la
valeur du coefficient à la valeur de son écart type (ou plutôt
sa marge)
Comment

• Si le coefficient est nettement plus petit que son écart type ou

sa marge, on estimera que ce facteur est non influent : ai <<i

• Si le coefficient est nettement plus grand que son écart type

ou sa marge, on estimera ce coefficient est influent : ai i
b. Variance des effets

Pour déterminer s : réalisation de plusieurs points au

centre du domaine d'étude. La variance s2 des variables
Yj étant supposée identique sur le domaine étudié.
c. Décision statistique
On construit des intervalles de confiance: en général à avec un
niveau de confiance de 95%

Validation du modèle
Comparer la valeur calculée Y0(calc) pour le point au centre par
rapport à son intervalle de variation

1. Si Y0(calc)  l’intervalle accepter le modèle

2. Si Y0(calc)  l’intervalle rejeter le modèle
Validation des coefficients

1. Si 0  l’intervalle retenir le facteur comme influent

2. Si 0  l’intervalle rejeter le facteur comme influent
Exemple constructif: formulation d’un ciment
a) Description de l’étude et objectif
La mise au point de la formule d’un ciment nécessite l’équilibre
de plusieurs propriétés, nous traitons ici dans cet exemple
deux propriétés importantes, la plasticité et la vitesse de
prise

 Un ciment ne doit être ni trop dur ni trop coulant

 suffisamment mou pour prendre la forme désirée
 suffisamment rigide pour ne pas couler
 la plasticité est comprise entre deux valeurs bien définies

 La vitesse ne doit être ni trop rapide ni trop lente

 la vitesse doit être comprise entre deux valeurs bien définies

• Plasticité entre 120 et 130

• Vitesse de prise entre 30 et 40 unités
b) Composition du ciment et facteurs

Le ciment étudié est composé de trois constituants : le ciment

de base, l’eau, la liqueur noir et le PNS
Les facteurs mis en jeu sont les suivants :
• Rapport eau/ciment [0,33%, 0,35]
• Pourcentage de liqueur noire [0,12%, 0,18]
• Pourcentage de PNS [0,080%, 0,12]

23 expériences +1 expérience de validation

Matrice d’expérimentation

N° identité Eau/cim Liqu PNS x1*x2 x1*x3 x2*x3 x1*x2*x3 Plast prise
1 1 -1 -1 -1 1 1 1 -1 109 44

2 1 1 -1 -1 -1 -1 1 1 120 45

3 1 -1 1 -1 -1 1 -1 1 110 31

4 1 1 1 -1 1 -1 -1 -1 124 34

5 1 -1 -1 1 1 -1 -1 1 117 42

6 1 1 -1 1 -1 1 -1 -1 130 45

7 1 -1 1 1 -1 -1 1 -1 121 28

8 1 1 1 1 1 1 1 1 132 26

9 0 0 0 0 0 0 0 0 120 38
c) Solution
Résolution algébrique ou JMP

a0 a1 a2 a3 a12 a13 a23 a123

plasticité 120 6 1,37 4,5 0,125 0 0,125 -0,625
prise 37 0,600 -7,12 -1,67 -0,26 -0,49 -1,17 -0,76

137,7
plasticité

120,5

103,27

58,06

37,2375
prise

16,411
-1

-1

-1
1

1
0 0 0

eau/ciment(-1,1) liq ueur(-1,1) PNS(-1,1)

• Le facteur 1 à un effet positif sur les réponses, mais moins
sur la deuxième
• Le facteur 2 à un effet positif et faible sur la première
réponse, mais négatif sur la deuxième
• Le facteur 3 à un effet positif sur la première réponse, mais
négatif et faible sur la deuxième réponse
137,7
plasticité

120,5

103,27

58,06

37,2375
prise

16,411
-1

-1

-1
1

1
0 0 0

eau/ciment(-1,1) liq ueur(-1,1) PNS(-1,1)

L’objectif de l’étude est de respecter simultanément les
spécifications imposées aux deux réponses.
• Une plasticité entre 120 et 130
• Une vitesse de prise entre 30et 40

Profiler: faire varier le 1er facteur (-1,0,1) et chercher une

solution robuste

Horiz Vert Factor Current X

eau/ciment(-1,1) 1
liqueur(-1,1) 0
PNS(-1,1) 0
Response Contour Current Y Lo Limit Hi Limit
plasticité 125 126,5 120 130
prise 35,905 37,84 30 40
Comment:

1
PNS(-1,1)

plasticité

prise
-1

-1 liqueur(-1,1) 1
Nombre de facteur Nombre d’expériences: 2k
2 4 expériences
3 8
4 16
5 32
……
7 128

Le nombre d’expérience augmente

avec le nombre de facteurs

Solution: plans fractionnaires

Inconvénients: perte d’informations
7) Plans fractionnaires
Nombre de facteur Nombre d’expériences: 2k
2 4 expériences
3 8
4 16
5 32
……
7 128

Le nombre d’expérience augmente

avec le nombre de facteurs

Solution: plans fractionnaires

Inconvénients: perte d’informations
On peut réduire le nombre d’essais sans diminuer le nombre de
facteurs à étudier avec la technique des plans fractionnaires,
Néanmoins, cette technique pose un certain nombre de
problèmes au moment de l’interprétation, mais on les
surmonte si on connaît parfaitement le processus et la
théorie des aliases

• On traite ici un exemple type avec 3 facteurs, mais on ne

considère que 4 expériences.
Exemple : le ciment ; seul la plasticité est considéré
• Le plan complet fait intervenir l’équation suivante
• Cette équation nécessite 8 essais, mais on ne choisit à
réaliser que quatre. Dans ce cas, on choisit les expériences 2,
3, 5 et 8 qui conduisent aux équations suivantes (le choix
n’est pas fortuit) :

• y5 = a0 - a1 - a2 + a3 + a12 - a13 - a23 + a123 = l0 - l1 - l2 + l3

• y2 = a0 + a1 - a2 - a3 - a12 - a13 + a23 + a123 = l0 + l1 - l2 - l3
• y3 = a0 - a1 + a2 - a3 - a12 + a13 - a23 + a123 = l0 - l1 + l2 - l3
• y8 = a0 + a1 + a2 + a3 + a12 + a13 + a23 + a123 = l0 + l1+ l2 + l3

Les quatre équations ne peuvent conduire qu’à quatre

inconnus. L’idée est de regrouper les inconnus par 2 ayant le
même signe.
Regroupons les effets ayant le même signe
• l0= a0+a123, l1=a1+a23, l2=a2+a13, l3= a3+a12
• y5 = a0 - a1 - a2 + a3 + a12 - a13 - a23 + a123 = l0 - l1 - l2 + l3
• y2 = a0 + a1 - a2 - a3 - a12 - a13 + a23 + a123 = l0 + l1 - l2 - l3
• y3 = a0 - a1 + a2 - a3 - a12 + a13 - a23 + a123 = l0 - l1 + l2 - l3
• y8 = a0 + a1 + a2 + a3 + a12 + a13 + a23 + a123 = l0 + l1+ l2 + l3

La résolution de ce système conduit au résultat suivant

l0= 120,5, l1=6, l2=1,375, l3=4,5

• Par comparaison, On a donc obtenu le même résultat avec la

moitié des essais.
• les effets principaux sont remplacés par des contrastes. Les
effets principaux sont biaisés.
• Un contraste est la somme de deux effets
b) Calcul de Box
On désigne par 1 la colonne des signes de la première colonne
On désigne par 2 la colonne des signes de la deuxième colonne
On désigne par I la colonne des signes positifs de toute la
colonne
On désigne par -I la colonne des signes négatifs de toute la
colonne
Les opérations sur les colonnes sont très simples, elles
s’effectuent terme à terme. La commutativité est appliquée
Les règles à respecter
12=21; 1I=1 ; 2I=2 ; 11=I ; 22=I ; 1I=1 ; 2I=2
Le signe négatif intervient dans toutes les opérations
c) Générateurs d’aliases
Considérons les expériences retenues précédemment et
remplaçons les noms des facteurs par des chiffres

N° I 1 2 3 12 13 23 123
5 + - - + + - - +
2 + + - - - - + +
3 + - + - - + - +
8 + + + + + + + +

Nous constatons que

• I=123  l0= a0+a123
• 2=13  l2=a2+a13
• 3=12  l3= a3+a12
• 1=23  l1=a1+a23
• Considérons I=123
• Si on multiplie par 1, 2 et 3, on obtient toutes les égalités
précédentes 2=13 ; 3=12 ; 1=23 ; on dit que la relation I=123
est un générateur d’aliases

Plan complet 22

N° I 1 2 3 12 13 23 123
5 + - - + + - - +
2 + + - - - - + +
3 + - + - - + - +
8 + + + + + + + +

3=1.2
d) Notations des plans factoriels fractionnaires
Dans notre cas, nous avons étudié un plan de ce type 23-1 =22
Ceci signifie qu’il y a
2 niveaux
3 facteurs
1 facteur correspond à une interaction
Construisons le plan complet 22
N° I 1 2 3=12

1 + - - +

2 + + - -

3 + - + -

4 + + + +
Exemple : 24-1=23
N° 1 2 3 4=123
1 - - - -

2 + - - +

3 - + - +

4 + + - -

5 - - + +
6 + - + -
• I=1234 générateur d’aliases 7 - + + -
• 1=234  l1= a1+a234 8 + + + +
• 2=134  l2=a2+a134
• 3=124  l3= a3+a124
• 4=123  l4= a4+a123
• I=1234  l0= a0+a1234
Règle 1: faire correspondre un effet à une interaction d’ordre
élevée, car elles sont peu probable, donc nulles

Exemple : 25-2=23
La structure proposée dans ce plan est la suivante
4=12 et 5=13 ; ce qui conduit à deux générateurs I=124 et I=135
et par la suite on peut obtenir un autre I=II=2345
Ce nouveau générateur est appelé groupe de générateurs
d’aliases
I=124=135=2345
Pour trouver le contraste l1, on multiplie tous les termes par 1
1=24=35=12345
Donc
l1= a1 + a24 +a35 +a12345
e) Résolution algébrique des plans fractionnaires
La résolution algébrique des plans fractionnaires consiste à
établir les équations qui résultent du modèle proposé du
plan factoriel complet qui correspondait fractionnaire. Les
étapes à suivre sont les suivantes :

1. Faire correspondre un plan complet au plan fractionnaire

2. Faire correspondre les facteurs supplémentaires aux interactions
appropriées
3. Faire ressortir le générateur ou le groupe de générateurs d’aliases
et les équations des contrastes avec les effets
4. Etablir les équations du modèle à partir de la matrice
d’Hadammard. Les contrastes prennent la place des effets
principaux
 Exemple : Un plan à 4 facteurs avec seulement 8 expériences:
24-1=23
Ceci signifie qu’il y a: 1 facteur correspond à une interaction
Ce plan peut servir à étudier 4 facteurs en joignant le
quatrième facteur à l’interaction 123.
4= 123 ; donc le générateur d’alaises est

I= 1234  l0=l1234= a0+a1234 12=34  l12= l34= a12+a34

1=234  l1= l234= a1+a234 13=24  l13= l24= a13+a24
2=134  l2= l134=a2+a134 23=14  l23= l14= a23+a14
3=124  l3= l124=a3+a124 123=4  l123= l4=a123+a4
Construisons le plan complet 23

N° I 1 2 3 12 13 23 4=123 Y

1 1 -1 -1 -1 1 1 1 -1 y1
2 1 1 -1 -1 -1 -1 1 1 y2
3 1 -1 1 -1 -1 1 -1 1 y3
4 1 1 1 -1 1 -1 -1 -1 y4
5 1 -1 -1 1 1 -1 -1 1 y5
6 1 1 -1 1 -1 1 -1 -1 y6
7 1 -1 1 1 -1 -1 1 -1 y7
8 1 1 1 1 1 1 1 1 y8
Les équations qui se déduisent de l’application du modèle
mathématique sont les suivantes :
Y1 = l0 – l1 – l2 – l3 + l12 + l13 + l23 + l123
Y2= l0 + l1 – l2 – l3 – l12 – l13 + l23 + l123
….
Comme précédemment, la résolution conduit aux expressions
suivantes des contrastes
l0= 1/8*( y1 +y2 +y3 + y4+ y5 +y6 +y7 + y8) = a0 + a1234 = l1234
l1= 1/8*(- y1 +y2 -y3 + y4- y5 -y6 +y7 - y8) = a1 + a234 = l234
….
f) Interprétation des contrastes
• Il difficile d’interpréter les résultats obtenus par la technique
des plans fractionnaires, ils ne permettent que donner une
estimation des effets des facteurs. Par ailleurs on se sert
d’un certain nombre d’hypothèses vérifiées:
g) Exemple
Application à l'étude de l'allongement à la rupture d'un
polymère
On étudie l'influence sur l'allongement à la rupture d'un
polymère (en %) des
facteurs suivants :
1. nature de l'élastomère (A)
2. taux d'additif en % (B)
3. système de vulcanisation (C)
4. taux de kaolin en % (D)
Les facteurs A et C sont qualitatifs.

• Le but est de rechercher les conditions permettant d'obtenir

un allongement maximum à la rupture.
• On souhaite diviser par 2 le nombre d'essais soit réaliser un
plan fractionnaire 24-1 dont la matrice des effets est celle du
plan complet 23.

On choisit comme aliase initiale : D = A.B.C

Le générateur d'aliases est donc : I = ABCD
On obtient alors :
I = ABCD A = BCD B = ACD C = ABD
AB = CD AC = BD BC = AD ABC = D
• La phase de conception étant terminée, les essais sont alors
réalisés ce qui permet de calculer les contrastes.

Résolution algébrique ou JMP

La signification statistique des contrastes est à envisager
comme celle des coefficients. Une valeur de contraste peut
être élevée sans être pour autant significative et
inversement. Dans le cas étudié, les ingénieurs avec leur
expérience du sujet ont décidé de considérer comme
significatif tous les contrastes supérieurs à 8.
• moyenne + ABCD = 277,5 AB + CD = -13,75
• A + BCD = 18,75 AC + BD = 3,75 ≈ 0
• B + ACD = - 37,5 BC + AD = 5 ≈ 0
• C + ABD = 20 D + ABC = - 3,75 ≈ 0

• Hypothèse 1 : A = 18,75 B = - 37,5 C = 20 D=0

• Hypothèse 2 : BC = 0 AD = 0
AC = 0 BD = 0

• D'après l'hypothèse 4, on en déduit : AB = -13,75 CD = 0

Le modèle en variables codées s'écrit sous la forme :
Y = 277,5 + 18,75.A – 37,5.B + 20.C -13,75.A.B

En conclusion, les conditions recherchées pour maximiser

l'allongement à la
rupture sont :
• choix de l'élastomère 2 (A = +1)
• taux d'additif à 6 % (B = -1)
• choix du système de vulcanisation 2 (C = +1)
• taux de kaolin (D) sans importance entre 20 et 40 % donc par
mesure d'économie on devrait prendre 20 %.