Chapitre 3 Méthodes DRQ et d’exploration des espaces de
3.3. Démarche de réduction de modèle a priori
3.3.1. Méthode
Une fois le modèle développé, la réduction a priori vise à réduire le nombre de variables
du modèle et la taille des domaines de valeurs.
Définition : Réduction de modèle a priori dans l’approche DRQ
La réduction a priori d’un modèle dans l’approche DRQ s’appuie sur 2
techniques :
- Une méthode « naturelle » (réduction du nombre de
variables et de leurs domaines de valeurs),
- Une méthode stochastique (déterminant le nombre
Dans cette démarche, nous confrontons 2 techniques de réduction de modèle a priori :
1. La méthode naturelle : elle consiste à interagir très naturellement avec les
experts métiers afin d’éliminer, sélectionner, créer les variables du problème
modélisé.
2. La méthode stochastique : fondée sur les plans factoriels fractionnaires, cette
approche vise à mesurer sur la base d’expériences ou d’une famille de modèles
robustes la force de liaison entre les variables (Castric [90]).
La méthode dite « naturelle » nous a poussés à écarter L
i, V
moteuret T
admdes variables
étudiées car ce ne sont pas les plus influentes. V
moteurest fixée à 2500tr/min et T
admvaut 60°C.
Nous traitons par la suite la méthode stochastique qui a été la nôtre : la méthode de
Taguchi. Pour utiliser la méthode, il faut d’abord définir :
- Le nombre de variables que l’on souhaite étudier, chaque variable est appelée
« facteur »,
- Le niveau de chaque variable,
- Les valeurs prises par la variable en fonction du nombre de niveaux choisi,
- les variables objectifs et leurs valeurs optimales.
On appelle « le niveau d’une variable » le nombre de valeurs que peut prendre la variable.
Afin d’établir le plan d’expériences, nous devons discrétiser tous les domaines de variations
ou laisser de côté les facteurs continus lorsque la discrétisation n’est pas possible. Cette étape
permet de déterminer le niveau de chaque facteur étudié. Le niveau vaut au minimum 2 (on
choisit alors généralement les valeurs minimum et maximum du domaine de variation) mais il
peut être bien plus important. Pour simplifier le plan et le nombre d’expériences à mener, il
est très largement encouragé d’avoir le même niveau pour toutes les variables et d’opter pour
des niveaux les plus faibles possible (2 voire 3).
Une fois l’ensemble des facteurs déterminé, les niveaux fixés et les variables objectifs
choisies, on peut établir le plan d’expériences.
Pour étudier l’influence de chaque facteur et déterminer leurs valeurs optimales, la
première idée est de fixer la valeur de toutes les variables sauf une. Dans cette approche
« naïve », on donne alors différentes valeurs à ce facteur et on regarde le comportement en
sortie du système. Pour observer l’influence de l’ensemble des facteurs, il faut répéter
l’opération pour chacune des variables. Cette manière de procéder offre l’avantage de
connaître l’influence de chaque variables indépendamment des autres mais elle peut vite
devenir coûteuse en ressources (à la fois humaine et matérielle, Gillon [91], Goupy [92]). Par
exemple, si l’on souhaite étudier 7 paramètres à 3 niveaux dans un moteur (comme c’est le
cas dans l’étude 2D), il faudrait réaliser 3
7soit 2187 expériences sur, potentiellement, 2187
moteurs différents. Cela est irréaliste et irréalisable.
Afin de limiter le nombre d’expériences, il faudrait donc réduire le niveau des paramètres
et/ou limiter le nombre de paramètres. Dans les deux cas, l’impact sur les résultats et les
Méthodes DRQ et d’exploration des espaces de solutions
59
conclusions est non-négligeable car une partie de l’espace des solutions n’est plus parcourue
de la même façon.
Une troisième solution peut être envisagée : elle consiste à adopter une démarche
rigoureuse dans la réalisation des essais en s’appuyant sur un plan d’expériences. Le but est
d’être à la fois efficace (limiter le plus possible le nombre d’expériences) et robuste (minimiser
l’impact des erreurs de mesures sur les résultats). Or, l'efficacité et la robustesse des
expériences dépendent à la fois du choix des combinaisons de niveaux testées et de l'ordre
dans lequel les expériences sont réalisées. C'est précisément l'objet des plans d'expériences :
un plan d'expériences n'est rien d'autre qu'une liste ordonnée d'essais à effectuer afin
d’étudier la réponse du système. Ces plans reposent sur des théories statistiques.
Lorsqu’on écrit le plan d’expériences, on fait varier de manière logique tous les niveaux
de chaque paramètre en même temps. On limite le nombre de niveaux mais pas le nombre de
paramètres afin de maintenir le nombre d’essais dans les limites du raisonnables et de
déterminer les paramètres les plus influents. Ainsi, on établit un plan comportant le minimum
d’expériences mais en apportant le maximum de précision dans les résultats.
Le principe de la méthode consiste, dans un premier temps, à ne pas étudier tous les
points expérimentaux possibles mais uniquement certains points choisis pour leur propriété
d’orthogonalité. L’orthogonalité du plan est indispensable pour valider les résultats : il faut
que chaque niveau d’un même paramètre soit associé à tous les niveaux des autres le même
nombre de fois. Dans le cas contraire, on ne pourrait pas déterminer l’effet de chaque
paramètre indépendamment des autres. Une fois les paramètres les plus influents connus, il
reste possible de faire de nouvelles expériences où seuls ces paramètres varient et
d’augmenter leurs niveaux afin d’approfondir les résultats obtenus.
La méthode d’utilisation des plans d’expériences préconisée par Genichi Taguchi a été
conçue dans le but d’améliorer les performances des processus et des produits soumis à
l’influence de nombreux facteurs. Elle a été développée à destination des ingénieurs pour un
usage industriel. La méthode de Taguchi est basée sur des plans fractionnaires appelés
« tables standards » permettant de résoudre la plupart des problèmes. La méthode Taguchi
préconise que la plupart des interactions sont négligeables à l’exception de quelques-unes
parfaitement identifiées.
Les tables standards précisent le contenu de la matrice d'expériences. Taguchi propose 18
tables orthogonales, cependant toutes ces tables n’ont pas les même propriétés. Pour les
différencier, on les nomme « table L
g(m
f) » avec g le nombre d’expériences à mener, m le
On choisit la table la plus adaptée en fonction des nombres de niveaux, de facteurs et
d'interactions que l’on souhaite étudier. Les tables standards peuvent être classées en 3
familles :
- L’étude des interactions est impossible,
- L’étude des interactions est limitée,
- L’étude des interactions est possible.
Le tableau suivant représente le classement des 18 tables de Taguchi.
Tableau 3.3 – Classement des tables standards de Taguchi
Plan à 2 niveaux Plan à 3 niveaux Plan à 2 et 3
niveaux
Plan à plus de 3
niveaux
Etude impossible
des interactions L
12(2
11) L
36(2
11x3
11)
Etude limitée des
interactions L
18(2
1
x3
7) L
32(2
1