Plan d'expérience - Définition

Source: Wikipédia sous licence CC-BY-SA 3.0.
La liste des auteurs de cet article est disponible ici.

Les plans factoriels

Parmi les différents plans expérimentaux, les plans factoriels sont courants car ils sont les plus simples à mettre en œuvre et ils permettent de mettre en évidence très rapidement l'existence d'interactions entre les facteurs.

L'hypothèse de base est d'assigner à chaque facteur (normalisé) sa valeur la plus basse ( − 1) et sa valeur la plus haute ( + 1). Ainsi, pour k facteurs, on se retrouve avec un ensemble de 2k valeurs possibles.

Sans entrer dans les détails, la matrice d'expérience \begin{bmatrix} a_{ij}\end{bmatrix} possède alors des propriétés intéressantes (on a par exemple: aT \cdot a = k \cdot 1) qui sont largement exploitées par les logiciels qui établissent des plans expérimentaux. En particulier, l'ajout d'expériences supplémentaires ainsi que des algorithmes de randomisation efficace du plan d'expérience initial permettent de mettre en évidence des biais systématiques et de les supprimer ou alors de mettre en évidence l'influence d'une variable cachée dont il faut tenir compte.

Pour reprendre l'exemple ci-dessus, on se retrouve avec un plan à 12 expériences (2 températures extrêmes, 2 concentrations extrêmes et 3 paires d'électrodes).

Travaillons avec la température et la concentration normalisée:

t = \frac {T-75} {25}

c = \frac {C-50} {40}

On cherche maintenant uniquement des dépendances linéaires en t et en c, c'est-à-dire une relation du type:

IX(t,c) = b1t+ b2c+ b3tc pour X=1,2 ou 3 selon le type d'électrode.

En effectuant les mesures du courant aux 4 points (50 °C,10%) , (50 °C,90%) , (100 °C,10%), (100 °C,90%) correspondant aux points ( − 1, − 1),( − 1, + 1), ( + 1, − 1) et ( + 1, + 1) dans l'espace des facteurs réduits, on a, pour chaque type d'électrode, on est ramené à un plan factoriel 22

\begin{bmatrix} I_1 \\ I_2 \\ I_3 \\ I_4\end{bmatrix} = \begin{bmatrix} -1  & -1 & +1 \\ -1 & +1 & -1 \\ +1 & -1 & -1 \\ +1 & +1 & +1\end{bmatrix} \cdot \begin{bmatrix} b_1 \\ b_2 \\ b_3\end{bmatrix}

On vérifie effectivement que aT \cdot a = k \cdot 1, et on obtient la résolution du système:

\Longrightarrow \begin{bmatrix} b_1 \\ b_2 \\ b_3\end{bmatrix} = \frac {1} {4} \begin{bmatrix} -1  & -1 & +1 & +1 \\ -1 & +1 & -1 & +1 \\ +1 & -1 & -1 & +1\end{bmatrix} \cdot \begin{bmatrix} I_1 \\ I_2 \\ I_3 \\ I_4 \end{bmatrix}

Soit:

b1 = \frac {1} {4} (-I1 - I2 + I3 + I4)

b2 = \frac {1} {4} (-I1 + I2 - I3 + I4)

b3 = \frac {1} {4} (I1 - I2 - I3 + I4)

Ainsi, moyennant quelques précautions, on a ramené une étude d'un processus non analytique constitué de 162 expériences distinctes à un processus d'une douzaine d'expériences, qui donne des résultats intéressants sur les intervalles considérés, en particulier sur l'existence et l'amplitude des interactions entre les différents facteurs.

Exemple

Supposons que l'on souhaite caractériser un processus électrolytique par la mesure du courant entre les électrodes.

Pour une solution d'électrolyte donnée, un modèle grossier laisse supposer que ce courant va dépendre de trois facteurs principaux: (1) la dilution de la solution C, comprise entre 10% et 90%, (2) la température de la solution T, comprise entre 50 °C et 100 °C, et (3) la nature des électrodes utilisées (étain, or et en platine). Dans ces conditions, en prenant des pas de 10% pour la concentration et de 10 °C pour la température, le plan expérimental exhaustif sera constitué de 9x6x3, soit 162 expériences indépendantes qu'il faudra faire dans des conditions par ailleurs identiques.

En supposant que chaque expérience prend 1 heure (en comptant le temps de préparation), l'étude de ce simple processus ne demanderait pas moins de 5 semaines de travail à plein temps (35h par semaine). De plus, des expériences étalées sur un aussi grand laps de temps pourrait faire intervenir des facteurs non-connus mais variant sur la durée de cette étude et pouvant fausser les résultats.

On comprend aisément que les points relevés ci-dessus deviennent dramatiques dès que l'on a affaire à des processus un peu plus complexes et le coût expérimental d'une étude exhaustive devient vite prohibitif, voir inapplicable. C'est un problème courant dans les processus industriels qui exigent une reproductibilité et un contrôle qualité total.

La manière correcte d'aborder un plan d'expérience optimal est de procéder d'une manière tout à fait analogue au principe de la droite de régression en supposant que l'on a des dépendances linéaires (ou tout au plus quadratiques) du processus dans chacune de ces variables ainsi que des interactions entre les variables. On se basera le plus souvent sur des hypothèses simples et/ou des expériences limites pour se donner une idée de l'existence ou non de dépendances croisées.

Reprenons le processus décrit plus haut en supposant que en plus de T et C, on définisse m comme une grandeur physique qui caractérise la matière de l'électrode (par exemple son poids moléculaire ou son électrovalence, etc.):

On souhaite le décrire par une formule simplifiée du type:

F(T,C,m)=

b1 \cdot T2 + b2 \cdot C2 + b3 \cdot m2 + b4 \cdot T + b5 \cdot C + b6 \cdot m + b7 \cdot T \cdot C + b8 \cdot T \cdot m + b9 \cdot C \cdot m + b10 \cdot T \cdot C \cdot m + b11 \cdot T2 \cdot C + b12 \cdot T2 \cdot m + b13 \cdot C2 \cdot T + b14 \cdot C2 \cdot m + b15 \cdot T \cdot m2 + b16 \cdot C \cdot m2

Pour simplifier, on supposera raisonnablement que les termes en T2 \cdot C , T2 \cdot m , C2 \cdot T , C2 \cdot m , T \cdot m2 et C \cdot m2 sont négligeables par rapport aux termes du premier ordre, ce qui revient à dire que les coefficients b11 , b12, b13 , b14 , b15 et b16 sont nuls (en général, le terme en T \cdot C \cdot m est aussi négligeable).

Il reste alors 10 variables b1 , .. , b10 à déterminer pour avoir une connaissance analytique du processus dans les intervalles spécifiés.

On « choisit » 10 points dans l'espace (T, C , m), pour lesquels on effectue l'expérience, obtenant ainsi les valeurs de {Fi} pour chacun de ces points. On veillera évidemment à ce que tous les autres paramètres de l'expérience restent constants.

NB : on travaille de préférence avec des variables réduites, c’est-à-dire des variables T, C et m qui sont sans dimensions et normalisées à 1 sur leur intervalle de définition

Il en résulte le système de 10 équations à 10 inconnues:

Fi = ai1 \cdot b1 + ai2 \cdot b2 + ai3 \cdot b3 + ai4 \cdot b4 + ai5 \cdot b5 + ai6 \cdot b6 + ai7 \cdot b7 + ai8 \cdot b8 + ai9 \cdot b9 + ai10 \cdot b10

avec i = 1,..,10.

Les aij sont obtenus simplement en remplaçant T,C et m par leur valeurs aux points où l'on a fait les expériences.

En écriture matricielle:

\begin{bmatrix} F_1 \\ \vdots \\ F_{10} \end{bmatrix} = \begin{bmatrix} a_{1,1} & \cdots & a_{1,10} \\ \vdots & \ddots & \vdots \\ a_{10,1} & \cdots & a_{10,10} \end{bmatrix} \cdot \begin{bmatrix} b_1 \\ \vdots \\ b_{10}\end{bmatrix}

Pour résoudre ce système, il faut inverser la matrice \begin{bmatrix} a_{ij}\end{bmatrix} :

\begin{bmatrix} b_1 \\ \vdots \\ b_{10} \end{bmatrix} = {\begin{bmatrix} a_{1,1} & \cdots & a_{1,10} \\ \vdots & \ddots & \vdots \\ a_{10,1} & \cdots & a_{10,10} \end{bmatrix}}^{-1} \cdot \begin{bmatrix} F_1 \\ \vdots \\ F_{10}\end{bmatrix}

La théorie des plans expérimentaux permet à partir de modèles spécifiques plus ou moins complexes de déterminer précisément en quels points les mesures doivent être faites.

Page générée en 0.127 seconde(s) - site hébergé chez Contabo
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
A propos - Informations légales
Version anglaise | Version allemande | Version espagnole | Version portugaise