19/11/2017

Pourquoi faire des expériences ?

Problèmes en Recherche, Développement et Production :

Comment trouver un optimum?

• Ex. : quel est l’ensemble de facteurs pour construire un moteur,

le moins cher possible, consommant le moins de carburant
et en produisant le moins de pollution?

Problème Solution Objectif

Coût des PLANS + Information

expériences D’EXPERIENCES - Expériences
(PDE)

Cours Pr. B. Sallek 1

Description du problème

Les objectifs

Etablir la liste
des réponses

Cours Pr. B. Sallek 2

1
 19/11/2017

Réponse expérimentale

Qualités:
pertinente,
reproductible
connue avec une précision acceptable.

La réponse est un résultat et il n’est pas

possible d’agir directement sur sa valeur

SORTIE
Cours Pr. B. Sallek 3

EXEMPLES DE REPONSES EXPERIMENTALES

Optimisation de la géométrie d’une canette de boisson

résistance au choc,
quantité d’aluminium,
volume utile.

Fabrication d’un comprimé

dureté, friabilité,
indice de cohésion, granulométrie,

Catalyse par transfert de phase

rendement de la réaction

Cours Pr. B. Sallek 4

2
 19/11/2017

Comment modifier la réponse expérimentale ?

Il faut agir
indirectement

Facteurs
L’expérimentateur peut agir directement sur la valeur
que peut prendre un facteur contrôlé.

Cours Pr. B. Sallek ENTREE 5

Phénomène
ENTREE SORTIE

Facteurs Réponses

Granulométrie
- Liquide de mouillage Friabilité

- Temps de malaxage Dureté

Indice de
cohésion

Cours Pr. B. Sallek 6

3
 19/11/2017

Description du problème

Les objectifs

Etablir la liste
des facteurs
Etablir la liste
• étudiés des réponses
• non étudiés

Cours Pr. B. Sallek 7

Les différents états que peut prendre un facteur

Le domaine expérimental possible (ou domaine

d'opérabilité) est le sous-ensemble du domaine des
facteurs contenant les expériences réalisables.

Dans la pratique, ce domaine est souvent lui-même réduit au domaine

expérimental d'intérêt dans lequel nous recherchons les informations désirées.

Nous devons, avant toute expérimentation bien définir

sa taille, sa forme, les possibilités d'extension, les
discontinuités soupçonnées du phénomène...
Cours Pr. B. Sallek 8

4
 19/11/2017

Description du problème

Les objectifs

Etablir la
liste des Etablir la
facteurs liste des
• étudiés réponses
• non
étudiés

Domaine expérimental
d’intérêt

Cours Pr. B. Sallek 9

Nous devons faire des expériences

Lesquelles ?

Celles qui nous amènent les informations désirées

Stratégie expérimentale

Cours Pr. B. Sallek 10

5
 19/11/2017

Description du problème

Les objectifs

Etablir la liste
des facteurs Etablir la liste
• étudiés des réponses
• non étudiés

Domaine expérimental d’intérêt

Elaborer une stratégie

Cours Pr. B. Sallek 11

Expériences

Je fais X1 J’observe
varier… Y1 des
variations…
X2 Phénomène
Y2
X3

Facteurs Réponses

Cours Pr. B. Sallek 12

6
 19/11/2017

La qualité d’un produit (notion essentielle dans le monde de l’industrie ! ! !)

dépendait principalement :
1. la conception de ce produit
2. la connaissance parfaite de cette conception

Tout phénomène Y dépend de nombreux paramètres xi (x1, x2 x3, x4, x5 )

comme la température, la pression

Afin de connaître l’influence du paramètre x2 sur Y :

Logiquement on fixe tous les autres (x1, x3, x4 x5) et que l’on
fasse varier seul x2.

Même opération pour x1, x3 x4 et x5 pour voir leur influence sur le système

3 points expérimentaux par variables étudiées :

il faudrait réaliser 35=243 expériences, ce qui est considérable.
Cours Pr. B. Sallek 13

Question : comment diminuer ce nombre d’expériences (de

manière intelligente ! !) afin d’observer les mêmes effets mais
plus rapidement .

Solution : faire varier l’ensemble des paramètres à la fois :

METHODOLOGIE EXPERIMENTALE : LES PLANS D’EXPERIENCES

Cette solution apporte plusieurs avantages :

1. diminution du nombre d’essais

2. connaissance des effets des paramètres

déduction des paramètres influents

3. possibilité d’évaluer les effets des interactions entre

les paramètres

4. meilleure précision des résultats

5. modélisation mathématique
Cours Pr. B. Sallek
de l’expérience 14

7
 19/11/2017

Grandes étapes d'une étude

Les questions se posent souvent dans l'ordre suivant :

1- Parmi tous les facteurs susceptibles d'influer sur le phénomène étudié :

-Lesquels ont une influence significative ?
-Que vaut cette influence ?
- Y- a-t-il des interactions entre facteurs ?
Cette étape constitue la recherche des facteurs influents.

2- Une fois les facteurs influents identifiés et leur influence quantifiée, nous
pouvons :
« FORME » : linéaire ou courbe
« EQUATION » : les variations du phénomène étudié avec les facteurs
influents
Cette étape est appelée modélisation.

3- Enfin, les conditions expérimentales (le réglage) : le meilleur résultat.

Cette étape appelée optimisation suppose préalablement une assez bonne
connaissance du phénomène.
Cours Pr. B. Sallek 15

Description du problème

Les objectifs

Etablir la liste
des facteurs Etablir la liste
• étudiés des réponses
• non étudiés

Domaine expérimental d’intérêt

Construire un plan d’expériences

Cours Pr. B. Sallek 16

8
 19/11/2017

Elaborer une stratégie expérimentale :

Plans d’experiences

choisir une stratégie expérimentale adéquate

Recherche Optimisation
exploratoire
Etude quantitative
de facteurs
Criblage de
facteurs
Cours Pr. B. Sallek 17

Secteurs d’utilisation des PDE

• Industrie chimique
• Industrie des polymères
• Industrie automobile
• Industrie pharmaceutique
• Industrie alimentaire
• Industrie du papier
• Industrie minière et de l’acier
• Industrie des plastiques et peintures
• Industrie des télécommunications
• … Cours Pr. B. Sallek 18

9
 19/11/2017

Application des PDE

• Développement de nouveaux produit et procédé

• Amélioration des produits et des procédés existants
• Optimisation de la qualité et/ou la performance d’un produit
• Optimisation d’une procédure de fabrication
• Choix des facteurs importants à étudier (criblage)
• Minimisation des coût de production et de la pollution
• Test de la robustesse des produits et des procédés

Cours Pr. B. Sallek 19

Plans d’expériences

Intérêt et domaine d’application

Cours Pr. B. Sallek 20

10
 19/11/2017

Notion de plan optimal et critères d’optimalité

Pour la résolution d’un même problème plusieurs

stratégies sont possibles

Toutes ces stratégies n’ont pas la même efficacité et

des critères d’optimalité peuvent être utilisés pour
trouver la meilleure stratégie

EXEMPLE : Les plans de pesés

Il s’agit d’ un exemple simple, qui ne nécessite aucune
compétence particulière. Néanmoins, nous ferons appel
à quelques notions statistiques élémentaires (variance,
incertitude)

Cours Pr. B. Sallek 21

Cadran

Aiguille

Plateau Plateau
(gauche) (droite)

Cours Pr. B. Sallek 22

11
 19/11/2017

Hypothèses
• Erreur expérimentale = variable aléatoire

• Variance de l’erreur expérimentale, constante dans tout le

domaine expérimental :

var (ei) = σ2 var (yi) = σ2

• Erreurs expérimentales, indépendantes entre elles :

cov (ei,ej) = 0 cov (yi,yj) = 0 var (Y)= var (y2 – y1) = var
(y2)+var(y1) - 2 cov ( y2, y1)

• Position de l’aiguille, non connue au départ (p0).

Cours Pr. B. Sallek 23

Résultat lu :
1ère pesée : rien sur la balance y1
2ème pesée : objet seul sur la balance y2

Plan d’expérimentation

Résultat

0 y1
1 y2

Matrice d’expériences Vecteur réponse

Cours Pr. B. Sallek 24

12
 19/11/2017

Résultat
Donc y1 = p0
0 y1
y2 = p0 + p1
1 y2
Avec, p1 = y 2 - y1
var (p1)= var (y2 – y1)
= var (y2)+var(y1) - 2 cov ( y2, y1)
= 0, car mesures
var (p1) = σ2 + σ2 indépendantes

var (p1) = 2 σ2

Cours Pr. B. Sallek 25

Résultat lu :

1ère pesée : rien sur la balance y1

2ème pesée : objet 1 sur la balance y2
3ème pesée : objet 2 sur la balance y3
4ème pesée : objet 3 sur la balance y4
Plan d’expérimentation

Résultat

0 0 0 y1
1 0 0 y2
0 1 0 y3
0 0 1 y4

Matrice d’expériencesCours Pr. B. Sallek Vecteur réponse

26

13
 19/11/2017

Résultat
y1 = p0
y2 = p0 + p1 0 0 0 y1
y3 = p0 + p2 1 0 0 y2
y4 = p0 + p3 0 1 0 y3
p 1 = y2 – y1 0 0 1 y4

pj = yj – y1
var (pj) = var (yj – y0)
= var (yj) + var (y1)
- 2 cov (yj, y1) = 0, car mesures
indépendantes
var (pj) = σ2 + σ2

var (pj) = 2 σ2
27

Cours Pr. B. Sallek

Résultat lu :
1èrepesée : rien sur la balance y1
2ème pesée : objets 1 et 2 sur la balance y2
3ème pesée : objets 1 et 3 sur la balance y3
4ème pesée : objets 2 et 3 sur la balance y4
Plan d’expérimentation

Résultat

0 0 0 y1
1 1 0 y2
1 0 1 y3
0 1 1 y4

Matrice d’expériencesCours Pr. B. Sallek Vecteur réponse

28

14
 19/11/2017

y1 = p0 Résultat
y2 = p0 + p1 + p2 0 0 0 y1
y3 = p0 + p1 + p3
1 1 0 y2
y4 = p0 + p2 + p3
1 0 1 y3
p1 = (y2 + y3 – y1 – y4) /2
p2 = (y2 + y4 – y1 – y3) /2 0 1 1 y4
p3 = (y3 + y4 – y1 – y2) /2

var (p1) = var (y2 + y3 – y1 – y4) /2

= 1/4 [var (y2) + var (y3) +
var (y1) + var (y4)]
= 1/4 [σ2 + σ2 + σ2 + σ2 ]

var (p1) = σ2
Cours Pr. B. Sallek 29

Résultat lu :
1ère
pesée : objets 1, 2, 3 sur plateau de droite y1
2ème pesée : objet 1 sur plateau de gauche y2
3ème pesée : objet 2 sur plateau de gauche y3
4ème pesée : objet 3 sur plateau de gauche y4

Plan d’expérimentation

Résultat

+1 +1 +1 y1
-1 +1 +1 y2
+1 -1 +1 y3
+1 +1 -1 y4

Matrice d’expériences Vecteur réponse

Cours Pr. B. Sallek 30

15
 19/11/2017

y1 = p0 + p1 + p2 + p3 Résultat
y2 = p0 − p1 + p2 + p3
+1 +1 +1 y1
y3 = p0 + p1 − p2 + p3
y4 = p0 + p1 + p2 − p3 -1 +1 +1 y2
+1 -1 +1 y3
p1 = (y1 − y2) /2
p2 = (y1 − y3) /2 +1 +1 -1 y4
p3 = (y1 − y4) /2

var (p1) = var [(y1 − y2) /2]

= 1/4 [var (y1) + var (y2)]
= 1/4 [σ2 + σ2 ]

var (p1) = σ2/2

Cours Pr. B. Sallek 31

INTEVERTIR : BIS Résultat lu :

1èrepesée : objets 1, 2, 3 sur plateau de gauche y1
2ème pesée : objet 1 sur plateau de droite y2
3ème pesée : objet 2 sur plateau de droite y3
4ème pesée : objet 3 sur plateau de droite y4

Plan d’expérimentation

Résultat

-1 -1 -1 y1
+1 -1 -1 y2
-1 +1 -1 y3
-1 -1 +1 y4

Matrice d’expériences Vecteur réponse

Cours Pr. B. Sallek 32

16
 19/11/2017

Résultat
y1 = p0 − p1 − p2 − p3
y2 = p0 + p1 − p2 − p3 -1 -1 -1 y1
y3 = p0 − p1 + p2 − p3 +1 -1 -1 y2
y4 = p0 − p1 − p2 + p3 -1 +1 -1 y3
p1 = (y2 − y1) /2 - 1 -1 +1 y4
p2 = (y3 − y1) /2
p3 = (y4 − y1) /2

var (p1) = var [(y2 − y1) /2]

= 1/4 [var (y2) + var (y1)]
= 1/4 [σ2 + σ2 ]

var (p1) = σ2/2

Cours Pr. B. Sallek 33

Résultat lu :
1ère pesée : objets 1, 2, 3 sur plateau de gauche y1
2ème pesée : objet 1 sur plateau de gauche y2
3ème pesée : objet 2 sur plateau de gauche y3
4ème pesée : objet 3 sur plateau de gauche y4

Plan d’expérimentation

Résultat

-1 -1 -1 y1
-1 +1 +1 y2
+1 -1 +1 y3
+1 +1 -1 y4

Matrice d’expériences Vecteur réponse

34
Cours Pr. B. Sallek

17
 19/11/2017

y1 = p0 − p1 − p2 − p3 Résultat
y2 = p0 − p1 + p2 + p3 -1 -1 -1 y1
y3 = p0 + p1 − p2 + p3
-1 +1 +1 y2
y4 = p0 + p1 + p2 − p3
+1 -1 +1 y3
p1 = (−y1 − y2 + y3 + y4) /4
+1 +1 -1 y4
p2 = (−y1 + y2 − y3 + y4) /4
p3 = (−y1 + y2 + y3 - y4) /4

var (p1) = var [(−y1 − y2 + y3 + y4) /4 ]

= 1/16 [var (y1) + var (y2) +
var(y3) + var(y4)]
= 1/16 [σ2 + σ2 + σ2 + σ2 ]

var (p1) = σ2/4

35

Cours Pr. B. Sallek

l’expérimentateur peut à titre d’exemple imaginer d’autres plan

d’expériences pour résoudre ce problème.

Le meilleur plan (démontrer) est celui qui correspond à la variance :

var (p1) = σ2/4

Pour n’importe quelle matrice d’expériences de N pesées

utilisant une balance à 2 plateaux,
la variance de l’estimateur pj , est telle que :

var(pj ) ≥ σ2/N
Dans notre exemple, N = 4 : var (p1) = σ /4
36
Cours Pr. B. Sallek

18
 19/11/2017

Définition du plan optimal

Qu'est-ce qui distingue les quatre plans proposés?

Le premier plan : la méthode «intuitive»; chaque objet est
pesé séparément. Certes, «on sait où l'on va» mais les
résultats sont médiocres.

L'idée féconde : mettre simultanément plusieurs objets sur la balance.

Des plans de pesées aux plans d'expériences

Procédons par analogie. Qu'est-ce que le poids d'un objet? C'est l'effet de cet
objet sur la déviation de la balance.

Remplaçons les termes :

« déviation de la balance» par le terme plus général de «réponse»
«objet» par le mot «facteur».
Cours Pr. B. Sallek 37

De même, nous avons repéré pour chaque objet:

1. un état - 1, l'objet est sur le plateau de gauche,

2. un état + 1, l'objet est sur le plateau de droite,

Exemples
La température sera réglée à 50 °C (niveau - 1), 100 °C
(niveau + 1).
La pression sera réglée à 30 bars (niveau - 1), 40 bars
(niveau + 1).
Le réactif sera d'origine A (niveau - 1), B (niveau + 1).
Cours Pr. B. Sallek 38

19
 19/11/2017

Critères d' optimalité

Comment construire un plan d'expérience?

Les mathématiciens se sont penchés sur cette question dont

l'importance pratique est considérable, et ont formulé des critères
d'optimalité. Ces critères font intervenir la matrice X (il faut définir)

À chaque plan, peut être associée une

matrice X composée de :
•N lignes : une par expérience,
•k colonnes : une par effet à estimer.

Résultat

+1 +1 +1 y1
+1 -1 -1 y2
-1 +1 -1 y3
-1 -1 +1 y4
Cours Pr. B. Sallek 39

Critère «matrice d'Hadamard»

L'analyste français Jacques Hadamard a démontré que pour atteindre en
N expériences la variance minimale, la matrice X associée au plan doit
vérifier la relation :
Xt.X=NI où Xt : [Link]. de X et I, [Link]é
Seul le 4e satisfait au critère d’optimalité d'Hadamard.

Les matrices d'Hadamard existent pour N = 2 et N = multiple

de 4. Elles ont pour éléments +1 ou - 1.
N=4 + + − On reconstitue la matrice complète
de la façon suivante:
N=8 + + + −+ −− • 1 ere ligne: les (N - 1) signes.
• 2 ème ligne: prendre le dernier
N = 12 + + − + + + − − − + − signe de la ligne précédente et
recopier à la suite les (N - 2) signes
N = 16 + + + + − + − + + − − + − − − restants.
• 3 ème ligne et suivantes: comme
N = 20 + + − − + + + + − + − + − − − − + + − pour la deuxième ligne.
• N ème ligne (la dernière) : des
N = 24 + + + + + − + − + + − − + + − − + − + − − − − signes -.
• Au tableau obtenu, on ajoute une
Cours Pr. B. Sallek première colonne de +. 40

20
 19/11/2017

Matrice d'Hadamard

N 1 2 3 4 5 6 7 8 9 10 11
1 + - + - - - + + + - +
2 + + - + - - - + + + -
3 - + + - + - - - + + +
4 + - + + - + - - - + +
5 + + - + + - + - - - +
6 + + + - + + - + - - -
7 - + + + - + + - + - -
8 - - + + + - + + - + -
9 - - - + + + - + + - +
10 + - - - + + + - + + -
11 - + - - - + + + - + +
12 - - - - - - - - - - -
Cours Pr. B. Sallek 41

Orthogonalité
Une matrice est orthogonale si ses vecteurs colonnes sont
orthogonaux deux à deux. L'orthogonalité de deux vecteurs X1 et X2

X1 X2 … Xn Réponse
x11 x21 xn1 Y1
. . . . .
. . . . .
Depuis longtemps Fisher et Yates ont . . . . .
reconnu l'orthogonalité comme une
propriété importante des matrices X. x1n x2n xnn Yn
Elle permet des calculs plus aisés et
l'indépendance des estimations.

Autres critères
Il n'est pas toujours possible de travailler avec des matrices d'Hadamard
ni même des matrices orthogonales, On pourra alors utiliser d'autres
critères qui ont tous pour objectif de réduire la variance des estimations

Cours Pr. B. Sallek 42

21
 19/11/2017

Critère du déterminant maximum (D-optimalité)

Le critère du déterminant maximum s'énonce ainsi : parmi tous les plans
possibles en N essais, représentés par une matrice X, le plan optimal :
le déterminant de X'X sera le plus grand.

Plan optimal Dét (X'X) = maximal

Dét(X'X) = 256 Dét(X'X) = 64.

Résultat Résultat

+1 +1 +1 y1 +1 +1 +1 y1
+1 -1 -1 y2 -1 +1 +1 y2
-1 +1 -1 y3 +1 -1 +1 y3
-1 -1 +1 y4 +1 +1 -1 y4

var (p1) = σ2/4 var (p1) = σ2/2

Cours Pr. B. Sallek 43

Critère de la trace de (XtX)-1 (A-optimalité)

Il s'énonce de la façon suivante : parmi tous les plans possibles en N essais, le plan
optimal sera celui pour lequel la trace de la matrice (XtX)-1 sera minimale. Ce qui se
traduit par :

Plan optimal : Tr(XtX)-1 = minimale

Toujours pour le plan de pesées : Résultat

(XtX) -1 = I/4.
Tr(XtX) -1 = 1 c'est la valeur minimale +1 +1 +1 y1
D'autre part, à traces égales ou presque, +1 -1 -1 y2
on préférera une diagonale homogène à -1 +1 -1 y3
une diagonale avec des termes très
différents. -1 -1 +1 y4

Par exemple, le plan pour lequel la trace Tr(X'X) -1 = 0,2 + 0,2 + 0,2 + 0,2 + 0,2 = 1
est meilleur que le plan de trace Tr(X'X) -1 = 0,02 + 0,02 + 0,1 + 0,8 + 0,04 = 0,98

Remarque: Un plan décrit par une matrice d'Hadamard satisfait aussi

les critères d'orthogonalité, deCours
D-optimalité
Pr. B. Sallek et de A-optimalité. 44

22
 19/11/2017

Bilan
Tous les critères présentés concernent les matrices X ou (X'X)-1. Comme on l'a vu,
la matrice X comporte l'état des facteurs pour chacune des N expériences ou
encore les N expériences à faire. Il est donc possible d'estimer la qualité d'un plan
a priori, avant de réaliser les essais prévus :

1. Le meilleur plan est celui qui vérifie le critère d'Hadamard.

2. Si ce plan n'existe pas, on cherchera une matrice X orthogonale.
3. S'il n'y en a pas, on sélectionnera le plan sur le critère D, le critère A ou un
critère équivalent.

Une sélection au hasard a toute chance d'être très médiocre

L'utilisation de ces critères d'optimalité constitue le cœur du nouveau
principe d'expérimentation.
Il est plus efficace de faire varier tous les facteurs à
la fois selon certaines règles bien précises.
ce principe s'applique quel que soit l'objectif de
l'étude : recherche des facteurs influents,
modélisation ou optimisation.
Cours Pr. B. Sallek 45

Quelques dates !

Année 20 : T ravaux de R .. Fisher (USA) qui mette

au point les plans d’expériences en agronomie.
Années 60 : Travaux de G. Taguchi (JAP) qui simplifie
l’utilisation des plans d’expériences, et introduit la
notion de robustesse et la fonction perte de qualité.
Années 70 : Introduction des plans d'expériences
dans l’industrie (JAP / USA).
Années 80 : Introduction des méthodes Taguchi dans
les sociétés occidentales. Développement de logiciels
et de gestion de la qualité

Cours Pr. B. Sallek 46

23