R EVUE DE STATISTIQUE APPLIQUÉE
G. M OZZO
Plan quadratique gigogne
Revue de statistique appliquée, tome 38, n
o3 (1990), p. 23-34
<http://www.numdam.org/item?id=RSA_1990__38_3_23_0>
© Société française de statistique, 1990, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les condi- tions générales d’utilisation (http://www.numdam.org/conditions). Toute uti- lisation commerciale ou impression systématique est constitutive d’une in- fraction pénale. Toute copie ou impression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
PLAN QUADRATIQUE GIGOGNE
G. MOZZO ATOCHEM
Parmi les nombreux
types
deplans d’expériences
mis en oeuvre en vued’optimiser
lesprocédés industriels,
ceuxqui permettent
à la fois pour les p variablesexplicatives
de calculer leurs interactions d’ordre 2 et leurs effetsquadratiques,
sont considérés comme étant lesplus
intéressants.Ils
permettent
d’étudier simultanémentl’équation
deréponse
pourles q propriétés caractéristiques
duprocédé.
Pour chacune des
réponses,
le modèlemathématique
s’écrit :Il nécessite un nombre minimal d’essais
égal
au nombre c de coefficients du modèle :Habituellement on fait
appel
aux 3types
deplan suivants, qui comportent
tous 5 niveaux d’essai des variablesexplicatives :
-
plan composite
centré de BOX et WILSON(1)
pourlequel
la valeur de a(distance
despoints
situés sur l’axepassant
par les centres des facesopposées)
doit
dépendre
du nombre no d’essais effectués au centre, si l’on veut annuler les corrélations entre les termesquadratiques.
-
plan composite fractionnaire,
bâti sur leplan 2(p-1),
que l’onpeut
utiliser pourp >
5 si l’on désire se limiter au modèleindiqué plus
haut.-
plan hybrides
deRoquemore (2),
pourlesquels
la corrélation entre les termesquadratiques
n’est pas nulle.Le tableau suivant montre l’intérêt de ces
plans qui permettent
une réductionimportante
du nombred’essai,
parrapport
auxplans complets
dutype
3P.Nombre d’essais minimum par
type
deplan
La réduction du nombre d’essais par rapport aux
plan
3P est certes duplus grand intérêt,
mais outre le faitqu’elle implique
uneexpérimentation
à 5niveaux,
ellecomporte néanmoins une
conséquence
fâcheuse pourl’optimisation
desprocédés
industriels.
En
effet,
si l’on décided’opter
pour unplan composite
ou pour unplan hybride,
il estimpératif
deconnaître,
ou bien de décider apriori,
le nombre devariables p
ayant
un effet nonnégligeable
sur l’unequelconque
de l’ensemble des différentesréponses q
duprocédé.
Ce n’est en
général
pastoujours
le cas,puisque
le but del’expérimentation
est
précisemment
dequantifier
l’effet des variablesexplicatives,
de sorte que dans lapratique,
on est confronté au dilemme suivant :- soit
prendre
encompte
un nombre de variablessupérieur
à celuiqui
eststrictement suffisant pour atteindre
l’objectif,
cequi
entraîne un surcroîtd’essais.
- soit ne retenir
qu’un
nombre limité de variables pour résoudre leproblème posé,
cequi,
une fois lepremier plan
terminé et le résultat constaté commeinsuffisant,
nécessitera de mettreen jeu
au moins une variablesupplémentaire,
avec le
risque
d’avoir encore à recommencer.Dans ce deuxième cas le nombre total réel des
essais,
que l’on est bienobligé
de
cumuler,
s’élèverapidement.
En
effet,
il n’est paspossible
pour lesplans composites
et pour lesplans hybrides,
depoursuivre
unplan
à p variables par des essaiscomplémentaires
autorisant le calcul ultérieur de l’effet d’une p + lème
variable,
tout en tenant compte de la totalité des essaisprécédents.
Une solution est offerte par les
plans
de DOELHERT(3),
mais ces derniers nécessitent de mettre en oeuvre :5 niveaux pour la
première
variable7 niveaux pour les variables suivantes 3 niveaux pour la dernière variable.
ce
qui
n’est pastoujours commode,
voirepossible,
en milieu industriel.C’est pour cette raison
pratique, qu’il
nous semble souhaitable de retenir unedémarche différente pour
l’optimisation
desprocédés
industriels :-
compte-tenu
des connaissances desspécialistes
duprocédé,
il convient de dresser la liste des variablespotentiellement explicatives,
par ordre décroissant d’intérêt ou d’intensité d’effetsupposée.
- il faut ensuite mettre
progressivement
enjeu
desplans
d’essaissuccessifs, qui permettent
àchaque
stade d’inclure la totalité des essaisprécédents
pour établir les modèlesquadratiques progressifs
à 3puis
4 et 5 variables ... etc.Cette démarche est tout à fait
praticable,
en faisantappel
à unplan
d’essaiparticulier,
que nousappellerons
conventionnellementplan quadratique gigogne.
Ce
plan
comporte 3 niveauxseulement,
cequi représente
unesimplification
par
rapport
auxplans évoqués plus haut,
et sonprincipe
est le suivant : on effectue les essais de telle sorte que tous lespoints représentatifs
des variablesexplicatives,
situés tout d’abord sur une
sphère,
se retrouvent ensuite sur unehypersphère
de dimension
4, puis
sur chacune deshypersphères comportant
une dimensionsupplémentaire.
Il suffit pour celà de retenir simultanément les conditions
suivantes, exprimées
en variables
explicatives codées,
pour deshypersphères
de rayonB/2 :
L’écriture du
plan quadratique gigogne
ne pose pas de difficultémajeure.
En se limitant à quatre
variables,
et en omettant les niveaux 0 dans le but de rendre le tableauplus
immédiatementlisible,
on aboutit à lareprésentation
suivante :
On trouvera sur le tableau
1,
leplan gigogne poursuivi jusqu’à
6variables,
etsusceptible
d’êtrecomplété
par une écritureanalogue :
pour la p + lème variable àprendre
encompte,
il fautrajouter
4 pessais,
pour moitié auniveau -1,
et pour moitié au niveau1, puis
écrire les valeurs des niveaux des p variablesprécédentes
en se remémorant la
règle EX i2
= 2.Un
exemple
en est donné par le tableau 2qui indique
comment introduireune 7ème variable.
Le nombre total d’essais à réaliser pour
parvenir
à l’estimation du modèlequadratique comportant également
toutes les interactions d’ordre2,
a pour expres-sion,
dans le cas duplan quadratique gigogne :
Ce nombre total d’essais croît
rapidement
avec le nombre de variables indroduites dans le modèlereprésentatif,
tout en demeurant inférieur à celui duplan composite
centré.Nombre total d’essais des
plans gigognes
Dans la dernière colonne du tableau
ci-dessus,
nous avons faitfigurer
lenombre d’essais
complémentaires permettant
d’accéder à la connaissance des effets d’une p + lèmevariable,
car dans la réalité c’est ce dernier chiffrequi
seradéterminant pour la décision de
poursuite
desessais,
dans la mesure oùl’objectif
visé n’a pas encore été atteint en se limitant à l’étude des p
premières variables,
que l’on désire conserver en totalité dans le modèlereprésentatif.
Pour le calcul de ce modèle
représentatif,
on doit faire intervenir des essaisau centre
(03A3Xi2
=0), qui
en faitcorrespondent
à la marche normale duprocédé,
et ne nécessitent donc pas
d’expérimentation supplémentaire.
Leur nombre sera choisi en se
rapportant
au tableausuivant, qui indique
lacorrélation entre les termes
Xi2.
Les autres corrélations sont toutes nulles.Valeur de R
Xi2
pour lesplans gigognes
Nous
indiquons
sur lafigure
1 laposition
despoints représentatifs
pour leplan
dedépart qui comporte
les 3premières
variables. Ils’agit
d’un tétradécaèdreirrégulier comportant
6 carrés et 8triangles équilatéraux.
Pour l’introduction des variables
suivantes,
on notera que leur ordre est indifférent pour le calcul du modèlefinal,
de sorte quecompte-tenu
despremiers résultats,
on pourra éventuellement modifier la hiérarchiepréalablement
retenue.S’agissant
enfin du choix du nombre total p de variablesexplicatives
à faireintervenir pour
l’optimisation
d’unprocédé
dont on veutajuster q propriétés,
ontiendra
compte
de cequi
suit :0 si p q
Il n’existe pas de solution
rigoureuse,
sauf cas trèsparticulier,
et seulun
compromis
estpossible qui permettra
des’approcher
au mieux des niveaux souhaités pour chacune despropriétés.
0 si p = q
Il existe au moins une solution
rigoureuse, qui peut
être soit àl’intérieur,
soit à l’extérieur du domainetechnologiquement
accessible. Dans le cas où la solution est située àl’extérieur,
lecompromis
se localisera aux bornes du domaine étudié.0 si p > q
Il existe dans ce cas une infinité de solutions
théoriques,
dont un nombre fini peut se trouver à l’intérieur du domainetechnologique.
On choisira dans ce dernier cas la solution la
plus proche
des conditions habituelles de fonctionnement.L’intérêt du
plan quadratique gigogne
est depermettre
pour qpropriétés, d’augmenter progressivement
le nombre p de variables deréglage
duprocédé industriel,
et donc d’avoir lapossibilité
de traverser successivement les trois domainesévoqués plus
haut :- celui du
compromis (p q)
- celui de la solution
rigoureuse (p
=q)
- celui
qui
autorise le choix entreplusieurs
solutions(p
>q)
FIGURE 1
Les points
représentent
les essais àeffectuer
pour les 3 variables initiales duplan quadratique gigogne.
Par
ailleurs,
contrairement auxplans composites
centrés et auxplans hybrides,
on pourra au fur et à mesure de
l’expérimentation,
calculer l’effet des variablesdéjà expérimentées,
sans avoir à attendre la fincomplète
duplan d’expériences.
Cette
possibilité
est duplus grand intérêt,
carl’expérimentateur
esttoujours
rebuté par
l’impossibilité
depouvoir prendre
une décision avant la fin des essais d’unplan classique
àplusieurs variables,
surtout si les essais sontlongs
et coûteux.C’est la raison pour
laquelle
lesstratégies séquentielles
sontpréférables.
Onnotera à ce
sujet qu’il
est parexemple possible
de n’effectuer audépart
que 4essais,
enprenant
encompte
soit2,
soit 3 variables.La
figure
2indique,
dans le cas de 2variables, quels
sont les 4 essais dedépart.
FIGURE 2
Démarche
séquentielle
prenant en compte 2 variables audépart.
Les points de
petite
dimensionindiquent
la position des 4premiers
essais.Les points de
grande
dimension localisent les essais suivants.Compte-tenu
despremiers
résultats obtenus avec un modèlesimple :
y = bo + 61X1 + b2X2 + b12XIX2
on aura le choix entre 5
possibilités :
1) explorer
un modèlequadratique
sans modifier les bornes du domaine.2) élargir
les bornes du domaine pourparvenir également
à un modèlequadra- tique.
3)
modifier les bornes et le centre dudomaine,
en sedirigeant
vers la meilleure solution entrevue, tout enayant
accès au modèlequadratique.
4) rajouter
une troisième variable excentrée en conservant un modèlesimple, analogue
à celui dedépart.
5) poursuivre
par unplan quadratique gigogne, qui autorisera,
si celà estapproprié,
d’introduire ultérieurement d’autres variablessupplémentaires.
Dans le cas de 3
variables,
lafigure
3 illustre la démarcheséquentielle :
On effectue au
départ
4 essais selon unplan
factorielfractionnaire, qui correspond
au modèle :y = bo + b 1 X 1 + b2X 2 + b3X3
On
peut
ensuitepoursuivre
les essais selon deux modalités :1) compléter
leplan
factoriel23
pour avoir accès auxinteractions,
et éventuel- lement terminer par uncomposite
centréqui permettra
le calcul des effets carrés.2)
sediriger
vers la meilleure solution entrevue enpoursuivant
par unplan quadratique gigogne,
dont le centre vacorrespondre
au meilleur des 4premiers
essais. Là encore on aura la latitude derajouter
par la suite d’autresvariables,
si celà s’avère souhaitable.Bibliographie
[1]
BOXG.E.P.,
WILSON K.BJ., Roy. Stat.Soc.,
B13,
1(1951).
[2] ROQUEMORE
K.G., Technometrics, 18,
4(1976).
[3]
DOELHERT D.H.Appl. Statis., 19,
3(1970).
FIGURE 3
Démarche
séquentielle
prenant en compte 3 variables audépart.
Les 4
premiers
essais sontreprésentés
par despoints
depetite
dimension.Les essais
complémentaires
sont caractérisés par despoints
deplus grande
dimension.TABLEAU 1
Plan
quadratique gigogne
pour 6 variablesTABLEAU 2
Introduction d’une 7ème variable. Essais
complémentaires
Les niveaux 0