R EVUE DE STATISTIQUE APPLIQUÉE
J ACQUES L. G OUPY
Étude comparative de divers plans d’expériences
Revue de statistique appliquée, tome 38, n
o4 (1990), p. 5-44
<http://www.numdam.org/item?id=RSA_1990__38_4_5_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/
ÉTUDE COMPARATIVE DE DIVERS
PLANS D’EXPÉRIENCES
Jacques
L. GOUPYTOTAL, 114, rue
Chaptal,
92538 Levallois-Perret (France)RÉSUMÉ
Les
principes généraux
de construction desplans d’expériences
sontprésentés
àpartir
de la notion
d’espace expérimental.
Lareprésentation géométrique
despoints d’expériences
est très
parlante
mais elle est vite limitéelorsque
le nombre de dimensions del’espace expérimental
augmente. C’estpourquoi
l’on utilise lareprésentation
matriciellequi,
elle,peut être
employée quel
que soit le nombre de dimensions del’espace expérimental.
A l’aidedes deux
représentations, géométrique
et matricielle, lesprincipaux plans d’expériences
sontdécrits et
comparés
entre eux :plans
factorielscomplets, plans
factoriels fractionnaires,plans
de Plackett et Burman, tables de
Taguchi, plans
en étoile,plans
de Koshal,plans
de Doehlert.Une
stratégie séquentielle
d’utilisation desplans d’expériences
estpréconisée
pour réduirele nombre des essais et obtenir la surface de
réponse représentant
le mieux lephénomène
étudié.
Mots-clés : Plans
d’expériences, plans factoriels,
Plackett et Burman,Taguchi,
Doehlert,Expérimentique.
ABSTRACT
How to built an
experimental design
isexplained by
the notion ofexperimental
space.But
geometric
illustrations are limited to three dimensions and matrixrepresentation
mustbe
employed
forhyperspaces.
Thecorrespondence
between matrix andgeometrical
space isexplained
in detail.Owing
to these two kinds ofrepresentation
the most usefulexperimental designs
arethoroughly
studied : factorialdesigns,
fractional factorialdesigns, Taguchi
tables,Plackett and Burman
designs,
Koshaldesigns,
stardesigns,
Doehlertdesigns.
Asequential
strategy to make proper use ofexperimental designs
is recommended. It therefore enables asignificant
reduction of trials and conducts to the best mathematicalmodelling
of the studiedphenomenon.
Key-words : Experimental designs, factorial designs, Taguchi,
Plackett and Burman, Doeh- lert,Experimentic.
I. Introduction
La dénomination « Plans
d’Expériences »
recouvre différentstypes d’organisa-
tions des essais. Ces différentes manières d’aborder la
planification
desexpériences
ont été
proposées
à desépoques variées,
dans différents pays et dans différentesdisciplines.
Les statisticiensparlent
de carréslatins, d’analyses
de la variance et deplans factoriels,
les chimistes utilisentplus
volontiers lesplans
de Plackett etBurman,
lesresponsables
de laQualité
ne voient que par les tables deTaguchi.
Les liens entre ces diverses
organisations
des essaisn’apparaissent
pastoujours
bien clairement aux
expérimentateurs qui
sont tentés de choisirtoujours
la mêmestratégie,
cellequ’ils
connaissent bien. Il estpourtant
fort intéressant depouvoir
utilier toute la gamme des
plans disponibles aujourd’hui.
Eneffet,
il est souventpossible
d’économiserbeaucoup
detemps, d’argent
et depersonnel
si l’on orga- nise au mieux la suite de ses essais.L’objectif
de cet article est deprésenter, puis d’analyser
lesavantages
et les inconvénients desplans
lesplus
couramment utilisés.Nous
espérons
ainsi faciliter la tâche desexpérimentateurs qui
serontainsi,
à même de choisir la meilleure suited’expérimentations
pour résoudre leursproblèmes.
Avant d’aborder les
plans d’expériences
lesplus utilisés,
nousprésenterons
lesnotions
générales qui régissent
la construction desplans d’expériences
ainsi que le vocabulaireparticulier
de cettediscipline. Discipline
àlaquelle
nous avonsproposé
de donner le nom
d’EXPERIMENTIQUE
pour regrouper l’ensemble de toutes lestechniques
utilisée dans ce domaine :analyse
duproblème,
choix des facteurs àétudier, emploi
desplans d’expériences optimaux, acquisition progressive
desconnaissances,
examencritique
desréponses
et des conditionsd’expérimentation, interprétation
desrésultats,
modélisationpratique
desphénomènes, explications théoriques
des processus étudiés.IL
Principes généraux
de construction desplans d’expériences L’objectif
desplans d’expériences
est de choisir au mieux lesexpériences
àréaliser pour découvrir les
rêgles
d’évolution d’unegrandeur
d’intérêt en fonctionde variables
opératoires.
Cesrêgles
se traduisent leplus
souvent par une formulemathématique
ou par desconsignes
d’utilisation. Les formules trouvées sont essen-tiellement
pratiques
c’est-à-direqu’elles
donnent unereprésentation mathématique approchée
duphénomène
dans unerégion
limitée del’espace expérimental.
Soit une
grandeur d’intérêt y qui dépend
deplusieurs
variables : Xl, X2.... et Xp. Cettedépendance s’exprime mathématiquement
par la relation :En
général,
on ne connaîtraqu’une approximation f(x1,x2,...,xn,...) de
la véritable fonction V et l’on n’aura pas la connaissance de toutes les variables.
Seules les
plus importantes
serontprises
encompte. L’expérimentateur
recherchedonc une fonction
f(x1,x2,...,xn)
telle que :6: étant un écart
intégrant
les erreurs de mesure,l’approximation des
et l’abandonde certains facteurs. Pour la suite de cet
article,
nous supposerons £négligeable
devant
f(x1,x2, ..., x,,)
et nous écrirons :Cette fonction
algébrique peut
êtrereprésentée
dans un espacegéométrique.
Nous choisirons un
repère cartésien,
nous attribuerons lepremier
axe à la variable xl, le second axe à X2 etc. Lenème
axe à xn.L’espace
ainsi défini estappelé l’espace expérimental.
Pour réaliser uneexpérience,
il faut fixer chacune des variables à une valeurprécise. L’expérience
est alorsreprésentée
par unpoint
dansl’espace expérimental.
La
figure
n° 1indique
laposition
d’unpoint expérimental
dans un espace à deux dimensions. S’il est encorepossible
d’avoir unereprésentation géométrique
de
l’espace expérimental
pour troisdimensions,
cela devientimpossible
pourquatre
dimensions etplus.
Il va falloir trouver unereprésentation
despoints expérimentaux
dans ceshyperespaces.
Cette nouvellereprésentation
devra êtrecommode et devra
pouvoir
être utilisée pour un nombrequelconque
de dimensions.La solution habituellement
employée
consiste à donner les coordonnées dechaque point expérimental
dans un espacequi comprend
autant de dimensionsqu’il
y a de facteurs retenus pour l’étude.Ainsi,
dans une étudecomportant
deuxfacteurs,
lepoint expérimental
A aura deux coordonnées : la coordonnée a sur l’axeOx,
et la coordonnée
{3
sur l’axeOX2 (figure
n°1).
Pour un espace à n dimensions unpoint expérimental
sera défini par n coordonnées. L’ensemble de ces coordonnées est réuni dans un tableauqu’on appelle
matrice des essais. Le mécanisme entre lareprésentation géométrique
del’espace expérimental
et lareprésentation
matricielle est illustrée par lafigure
n° 2.Chaque point expérimental peut
êtrereprésenté
soitgéométriquement
dansl’espace expérimental,
soit matriciellement par un tableau donnant les niveauxauxquels
il fautrégler chaque
facteur. Les coordonnées dupoint expérimental
sont les niveauxindiqués
dans le tableauqui porte
le nom de matriced’expériences.
FIGURE 1
Dans un espace à deux dimensions un
point expérimental
Aest
défini
par ses deux coordonnées.FIGURE 2
La
représentation
matricielle despoints expérimentaux
est
équivalente
à lareprésentation géométrique.
Pour un nombre
plus
élevé dedimensions,
leprincipe
reste lemême,
le tableau 1 donne les coordonnées dequatre points expérimentaux
dans un espaceexpérimental
àsept
dimensions. La traduction de ce tableau enexpériences
àréaliser est
simple.
Pour l’essai n°1, l’expérimentateur règlera
le facteur x, auniveau ai, le facteur X2 au niveau
{3l,
le facteur X3 au niveau8l,
..., le facteur X7 au niveau Tl. Les autres essais sont définis de la même manière.Les matrices
d’expériences représentent
donc ladisposition
despoints expéri-
mentaux dans
l’espace expérimental.
TABLEAU 1
Pour
l’interprétation l’expérimentateur
introduit unegrandeur supplémen-
taire : la
réponse.
Il est alors amené à travailler dans un espacepossédant
une di-mension de
plus
quel’espace expérimental.
Prenonsl’exemple précédent : l’expéri-
mentateur a réalisé
l’expérience
aupoint expérimental
A(figure
n°3),
ildoit,
s’ilveut
représenter géométriquement
laréponse,
utiliser un espace à troisdimensions,
deux dimensions pourl’espace expérimental,
une dimension pour laréponse.
En
généralisant
laprise
encompte
de laréponse yi
dechaque expérience,
nous avons une
grandeur
deplus
àreprésenter.
Au moment del’interprétation l’expérimentateur
raisonnera dans un espace à n + 1 dimensions : n dimensions pour les n facteursexpérimentaux
et une dimension pour laréponse.
On est donc trèsvite limité pour les
représentations géométriques
etl’expérimentateur qui
réalisedes
plans d’expériences
doit s’habituer à raisonner dans des espaces à n dimensionsFIGURE 3
L’espace d’interprétation
à une dimension deplus
quel’espace expérimental.
sans les
représenter géométriquement.
Il travaillera avec d’autrestechniques :
calculvectoriel,
calcul matriciel etanalyse canonique qu’il
devraapprendre
à maîtriser.Supposons qu’un expérimentateur
réaliseplusieurs
essais pour despoints expérimentaux
différents. Il a donc une série deréponses qui
luipermettent
d’écrireun
système d’équations :
Connaissant les niveaux des variables a,
{3,...
et lesréponses yi,
leproblème
consiste à trouver la fonction
f(Xl,
X2,...) qui
satisfait toutes ceséquations
enmême
temps.
A cause des erreursexpérimentales
et de la méconnaissance de la fonctionxi
X2,...),
il est, engénéral, impossible
d’obtenir la solutionrigoureuse.
La démarche habituellement suivie est la suivante : on
développe f(x1,x2, ...)
ensérie de
Taylor-Mac
Laurin et l’on ne retient que lespremiers
termes(en général
terme constant, termes du
premier degré et/ou
termes du deuxièmedegré)
dechaque
variable. La fonctionf(Xl,
X2,...)
est alorsreprésentée
par unpolynôme.
Cette
représentation
estplus
commode à traitermathématiquement
mais reste uneapproximation
def(Xl, X2, ...).
*Les différents
plans
que nous allons examiner sont caractérisés par deuxgrandes options :
2022 le choix de
l’emplacement
despoints expérimentaux,
2022 le choix du
polynôme qui représente
la fonctionf (X 1, X2,
Enfin,
avant d’entrer dans le détail dechaque plan, précisons
que l’onemploie,
leplus
souvent, des variables centrées réduitesplutôt
que les variables mesurées en unitésd’ origine.
L’intérêt de cette transformation réside dans le fait que lesreprésentations géométriques
et matricielles sontplus générales
et que la modélisation estplus simple.
Nous utiliseronsuniquement
ces variables centrées réduites dans la suite de cet article.Variables centrées réduites
Il
importe
de bienpréciser
ce que nous entendons par «variables centrées réduites» car nousdonnons, ici,
à cetteexpression,
un sens différent de celuiqui
est habituellement retenu enStatistique
où une «variable centrée réduite»est une variable de moyenne nulle et de variance unité. La théorie des
plans d’expériences
utilise une définition différente des «variables centrées réduites».Pour éviter toute
confusion, précisons
en le sens. Soit x une variablequi
au coursde
l’expérimentation prend
les valeurs extrêmes : x- etx+.
On feracorrespondre
a ces deux valeurs
d’origine
les variables centrées réduites -1 et +1.VARIABLES D’ORIGINE
VARIABLES CENTREES REDUITES
FIGURE 4
Au niveau haut de la variable
d’origine correspond
+1 en variable centrée réduite.Au niveau bas de la variable
d’origine correspond
-1 en variable centrée réduite.Cela revient à faire un
changement d’origine
et unchangement
d’unité.2022 la nouvelle
origine correspond
àx + + x
2022 la nouvelle unité est
2 x
L’étude que nous
présentons
dans la suite de cet article n’utilise que les variables centrées réduites ainsi définies.Mais,
comme enplus,
nousassocierons,
àchaque plan,
un modèlemathématique,
ces variables seront continues c’est-à-direqu’elles pourront prendre
toutes les valeurspossibles
dans le domaine de validité.Le cas des variables discrètes
qui
nepeuvent prendre
quequelques
valeurs bien définies ne sera pas traité ici. Les conclusions de cet article ne seront donc valables que pour les variables continuespuisqu’à chaque
fois nous associons un modèlemathématique
contenantuniquement
cetype
de variables.Dans la suite de cet
article,
nous utiliserons le terme « variable » au moment de la modélisationmathématique
et le terme « facteur » au moment de l’établissementet de l’utilisation des
plans d’expériences.
La variable n’étant ainsi quel’aspect mathématique
des facteursphysiques, chimiques, biologiques
ou autrespris
encompte
dans la réflexion etl’analyse
duphénomène
étudié.Les
principaux plans présentés
sont les suivants : Plans factorielscomplets
Plans factoriels fractionnaires Plans de Plackett et Burman Tables de
Taguchi
Plans de Koshal Plans en étoile Plans de Doehlert
III. Les
plans
factorielscomplets
Les
plans
factoriels en tant queplans d’expériences
sont issus des travauxR.A. Fischer
[ 1 ], [2]. Chaque
facteurprend
deux valeurs : une valeur inférieure et une valeursupérieure.
On dit quechaque
facteur est fixé à deuxniveaux,
un niveau bas noté par lesigne moins,
un niveau haut noté par lesigne plus.
A)
Pointsexpérimentaux
et matriced’expériences
S’il
n’y
aqu’un facteur, l’espace expérimental
est une droite. Comme cefacteur ne
prend
que deux valeurs(ou
deuxniveaux),
iln’y
aura que deuxpoints expérimentaux,
un àchaque
extrémité du domaine(figure
n°5).
FIGURE 5
Pour un
facteur,
le domaineexpérimental
est réduit à un segment de droite.Avec la convention des variables centrées
réduites,
les coordonnées deces deux
points expérimentaux
serontrespectivement
-1 et +1. La matriced’expériences
estreprésentée
par le tableau II.TABLEAU II
S’il y a deux
facteurs, l’espace expérimental
sera unplan.
Lespoints expérimentaux
serontplacés
de manière à ce que leurs coordonnées soient au niveau bas et au niveau haut dechaque
facteur. Lafigure
n° 6indique
ladisposition
despoints expérimentaux
pour unplan
factoriel22 (la signification
de cette notationest la suivante : le 2 en
exposant indique
le nombre defacteurs,
l’autre 2indique
le nombre de niveaux
pris
parchaque facteur).
FIGURE 6
Disposition
despoints expérimentaux
d’unplan 2.
La matrice
d’expériences équivalente
à lareprésentation géométrique
de lafigure
n° 6 est donnée par le tableau III danslequel
nous n’avons faitfigurer
queles
signes
+ et - au lieu de + 1 et -1.TABLEAU III
Pour trois
facteurs,
lespoints expérimentaux
seront aux sommets d’un cube(figure
n°7)
et la matriced’expériences
sera un tableau traduisantl’emplacement
de ces
points
enindiquant
leurs trois coordonnées en variables centrées réduites(tableau IV).
FIGURE 7
Disposition
despoints expérimentaux
d’unplan 23 .
On s’est
arrangé
pour numéroter lespoints expérimentaux
de telle manièreque la matrice
d’expériences
seprésente
selon unedisposition particulière
quenous
appellerons « disposition classique » [3] :
la colonne du facteur 1 est une suite alternée dessignes -
et +commençant
par unsigne
-, la colonne du deuxième facteur est une suite alternée de deuxsignes -
suivis de deuxsignes
+, la colonne du troisième facteur est une suite dequatre signes -
suivis dequatre signes
+. Ilfaut bien voir que
chaque ligne
est constituée par les trois coordonnées dechaque point expérimental.
TABLEAU IV
Pour
quatre facteurs,
il n’estplus possible
de donner unereprésentation géométrique.
Par contre, il est faciled’ajouter
unequatrième
colonne à la matrice des essais(tableau V)
pour introduire lequatrième
facteur.Chaque ligne
estconstituée des
quatre
coordonnées dechaque point expérimental.
Cette matriced’expériences représente
les seizepoints qui
sont aux sommets d’unhypercube
àquatre
dimensions.Pour k
facteurs,
onopére
dans un espaceexpérimental
à k dimensions etchaque point expérimental
estrepéré
par ses k coordonnées.Chaque point
està l’un des
2 k
sommets d’unhypercube
à k dimensions. L’un des intérêts desplans d’expériences
étantd’analyser
l’influence d’ungrand
nombre defacteurs, l’expérimentateur
doit s’habituer à travailler dans des espaces à k dimensions et donc à raisonner sur les matricesd’expériences qui remplacent,
enExpérimentique,
les
représentations géométriques.
TABLEAU V
B)
Modèlemathématique
Le modèle
mathématique
associé auxplans
factorielscomplets
est un po-lynôme
dupremier degré
parrapport
àchaque
variable. On faitl’hypothèse
que les effets des facteurs sont additifs etqu’il peut
y avoir des interactions entre les facteurs. Le modèle est le suivant pour unplan
à trois facteurs :où :
ao est la valeur de la
réponse
aupoint
central du domaineexpérimental.
ai est l’effet du facteur 1 a2 " ""
2 a3
" ""
3
al2 est l’interaction entre les facteurs 1 et 2 aïs
" " "
1 et 3 a23 " " "
2 et 3 al23
" " "
1, 2
et 3Pour un tel
plan, l’expérimentateur
exécute huit essais. Il obtient donc unsystème
de huitéquations
à huit inconnues :La
présentation
de cesystème peut
être condensée si l’onadopte
la formematricielle :
où Y est le vecteur
réponse.
X est la matrice constituée par les valeurs que
prennent
les variables xi, lesproduits
deux à deux desvariables,
soit xixj, lesproduits
trois à trois des mêmes variables. C’est une matrice carréecomposée
de +1 et de -1 quel’on trouvera
explicitée
dans le tableau VI.A est le vècteur des
coefficients ai qui
sont les inconnues.Ce
système
a une solutionmathématique
et une seulepuisqu’il
y a autantd’inconnues que
d’équations.
Celasignifie
que la surface deréponses
passe par toutes lesvaleurs de y2
mesurées. Dans le cas où deux facteurs sontétudiés,
cette surface est, engénéral,
un« paraboloïde hyperbolique» qui
sesimplifie parfois
enun
plan lorsqu’il n’y
a pas d’interaction.La formule
est valable
quel
que soit le nombre de facteurs et doncquel
que soit le nombre de dimensions del’espace expérimental
ou del’espace
desréponses.
Y est constitué des
réponses enregistrées
parl’expérimentateur.
Celui-ci n’aaucune action sur cette matrice-vecteur sauf
d’essayer
de l’obtenir avec la meilleureprécision possible.
A est’la matrice-vecteur que l’on cherche à
connaître,
c’est l’inconnue.X est la matrice
qui
contient les éléments surlesquels l’expérimentateur
aune action : le choix des
points expérimentaux,
le choix du modèlemathématique.
Nous allons examiner de
plus près
les matricescorrespondant
auxplans
factoriels.Pour un
plan 22
la matrice X est la suivante :C’est une matrice carrée dont les éléments sont des 1 au
signe près.
Si l’onconsidère
chaque
colonne comme un vecteur et que l’on fasse leproduit
scalairede deux
quelconques
de ces colonnes-vecteurs on obtientzéro,
ces vecteurs sontorthogonaux.
Toute matriceayant
cettepropriété
est dite« orthogonale »
même si les éléments ne sont pas des 1.Mais,
dans le casplus particulier
où les éléments sont des1,
notre cas, la matrice est dite matrice d’Hadamard du nom d’un mathématicienfrançais.
Les matrices d’Hadamard n’existent que pour les ordres2, 4, 8,12, ...,
4n.On remarque
également
que les deuxpremières
colonnes sont celles de la matriced’expériences,
cequi
découle naturellement du choix despoints expéri-
mentaux
puisque
xi et X2prennent
les valeurs +1 et -1.La troisième colonne est le
produit
des deuxpremières
et laquatrième
est unecolonne de 1. Elles sont une
conséquence
du modèle retenu pour lesplans
factoriels.Cette
conséquence apparaît
bienlorsqu’on
examine la relation(5) correspondant
àun
plan 22.
Pour tous les
plans
factoriels2k,
la matrice X est une matrice d’Hadamard.Ecrivons cette matrice pour un
23, plan qui correspond
àl’emplacement
despoints
de lafigure
n° 7 et du modèlemathématique (4).
Nous demandons auxlecteurs d’examiner très attentivement cette matrice
(tableau VI)
car nous allonsla rencontrer
fréquemment
à propos desplans
factorielsfractionnaires,
desplans
Plackett et Burman
[4]
et des tables deTaguchi [5].
TABLEAU VI
Les
avantages
desplans
factorielscomplets
sont nombreux et nous n’enciterons que les
principaux :
2022 Les
plans
factorielscomplets
sont faciles à construire.2022 Comme
chaque
facteur neprend
que deux niveaux les essais sont faciles àcontrôler et les
risques
d’erreur sont minimisés.. Le calcul des effets et des interactions est très
simple
et ne demande pasd’outils
informatiques
évolués.e En les
employant l’expérimentateur
est sûr d’avoir laprocédure expérimen-
tale
optimale puisque
cesplans
sont basés sur des matrices d’Hadamard etqu’il
aété démontré que l’on ne
pouvait
pas faire mieux.e
L’interprétation
des résultats est à laportée
de toutexpérimentateur
et nedemande pas de connaissances
approfondies
enstatistiques.
2022 La modélisation
mathématique
est immédiate.2022 Les résultats obtenus avec un
premier plan peuvent
être, utilisés enpartie
ou en totalité
soit,
pourexplorer
une autre zone du domaineexpérimental soit,
pour établir un modèlemathématique
dedegré plus
élevé.Le seul inconvénient de ces
plans
estqu’ils obligent rapidement
à fairebeaucoup
d’essais. Parexemple,
pour étudiersimplement sept
facteurs il faut réaliser 128expériences.
Cequi
estprohibitif.
Cela est d’autantplus regrettable
que l’on
s’aperçoit
souvent, au moment del’interprétation,
quebeaucoup
d’essaisont été réalisés pour rien. En
effet,
de nombreuses interactions sont nulles et certains facteurs sont sans influence. C’est pourpalier
cet inconvénient que lesplans
factoriels fractionnaires ont étédéveloppés.
IV. Les
plans
factoriels fractionnairesNous venons de voir
qu’avec
lesplans
factorielscomplets
le nombred’expériences augmente
très vite avec le nombre de facteurs à étudier. C’est pour-quoi
lesexpérimentateurs
utilisent depréférence
lesplans
factoriels fractionnaires.Ils réalisent moins
d’expériences
auprix
d’uneperte
d’informationqui,
dans denombreux cas, n’est pas
génante.
A)
Lespoints expérimentaux
Nous
prendrons l’exemple
d’unplan 23
pourlequel quatre expériences
serontréalisées au lieu de huit. Les
points
retenus ne sont pas choisis au hasard. Ons’arrange
pourqu’ils
fournissent leplus
d’informationpossible,
c’est-à-direqu’ils permettent
de calculer laréponse
aupoint
central du domaineexpérimental
et leseffets
principaux
des facteurs étudiés . Ce résultat est atteint si l’on choisit lespoints
selon les indications de la
figure
n° 8. Lamatrice d’expériences correspondante
est donnée par le tableau VII.
Lorsqu’il
y aplus
de troisfacteurs,
il devientimpossible
de donner un schémaindiquant l’emplacement
despoints expérimentaux
à conserver. Par contre, l’utilisation des matrices est
toujours possible.
La suite de ceparagraphe
consacrée auxplans
factoriels fractionnaires fera doncappel uniquement
à ce mode de
représentation
desexpériences
à réaliser.FIGURE 8
Disposition
des quatrepoints expérimentaux
d’unplan factoriel fractionnaire 23-1.
TABLEAU VII
Les
plans
fractionnaires sont utileslorsqu’il
y abeaucoup
de facteurs à étudier. Onpeut
diminuer le nombre desexpériences
de manière trèssignificative
sans diminuer le nombre des facteurs.
L’exemple
que nous venons deprendre
oùquatre
essais sont réalisés au lieu de huitpeut
être étendu à toutplan
factorielcomplet.
Il est non seulementpossible
de diviser par deux le nombre des essais mais aussi par4, 8,...,
2n suivant le nombre des essaisprévus
par leplan complet
de
départ.
Il est alors nécéssaire de connaître la théorie des aliases pourinterpréter
correctement les résultats
d’expériences.
Sans entrer dans le détail de cette théorie que l’on trouveraexposée
dansl’ouvrage
«La Méthode des Plansd’Expériences»
[6]
voyons commentl’expérimentateur peut
diminuer le nombre de ces essais.Prenons le cas d’une étude pour
laquelle quatre
facteurs doivent être étudiés.Un
plan complet
nécessite seizeexpériences.
Sil’expérimentateur
décidede n’effectuer que la moitié des essais il en fera
16/2
ou24-l.Cette
dernièrefaçon
d’écrire est commode et elle a été retenue pourdésigner
unplan
factorielfractionnaire. Le 2
signifie
quechaque
facteurprend
deuxniveaux,
le 4indique
que
quatre
facteurs sontétudiés,
le 1signifie qu’il
y a un facteursupplémentaire
par
rapport
au nombre de facteurs duplan complet.
On constateégalement
quecette notation
indique
le nombre d’essais à réaliser :24-1
= 8. Leproblème
consiste à savoir
quels
sont les huit essais à éliminer etquels
sont les huit essais àconserver pour l’étude. Comme nous l’avons
déjà
mentionné ce choix nepeut
être fait convenablement que si l’on connaît la théorie des aliases. Ons’arrange
pour que les effetsprincipaux qui
vont être déterminés à l’aide des huit essais conservés soient le moins fausséspossible
par l’absence des huit essais éliminés. On montrequ’il
faut utiliser une colonne designes correspondant
à une interaction d’ordre élevé pour étudier le facteursupplémentaire.
Dans le casprésent,
lequatrième
facteur
peut
être étudié sur l’interaction 123 et l’on écrira : 4 = 123La matrice
d’expériences
duplan 24-1
est donnée par le tableau VIII. On remarquequ’un plan 24-1
estreprésenté
par une matrice d’Hadamard. C’est le secret du choix desexpériences
à conserver : ons’arrange
pour que les matrices soienttoujours
des matricesd’Hadamard,
cequi correspond
à unerépartition
bienparticulière
despoints expérimentaux
dansl’espace expérimental.
TABLEAU VIII
Quant
à la matrice Xqui permet
de calculer les effetsprincipaux
et certainesinteractions,
elle se déduit de la matriced’expériences
et du modèlemathématique.
Cette matrice X
qui correspond
auplan 24-1
est donnée par le tableau IX. On remarque que les colonnes de ce tableau sont presqueidentiques
à celles de la matrice duplan complet 23 (tableau VI).
Seule la colonne 4 = 123 a étédéplacée
de la
septième position
à laquatrième;
cela nechange
pasl’orthogonalité
de lamatrice.
TABLEAU IX
Nous venons de voir le cas d’une diminution de 50 % du nombre des essais.
Jusqu’où peut-on
pousser cette réduction? Soit unplan complet
conduisantà
beaucoup
d’essais. Parexemple,
leplan permettant
d’étudiersept facteurs,
le27.
Il faudra exécuter 128 essais si l’onn’emploie
pas deplans
fractionnaires. Sil’expérimentateur
décide de n’effectuer que la moitié des essais il en fera128/2
ou
27 -l
soit 64 essais. Il choisira selon certainesrègles
lespoints expérimentaux
à conserver, en
particulier
ils’arrangera
pour que la matrice duplan 27-1
soitune matrice d’Hadamard. S’il connaît la théorie des
aliases,
il saura comment les interactionsrisquent
de fausser les effetsprincipaux.
Sil’expérimentateur
estimeque 64 essais
représentent
encore un travailtrop important
il peut diviser une nouvelle fois par deux le nombre des essais soit27 /4
=27-2
= 32. Là encoreces 32 essais seront choisis de manière à ce
que’ la
matrice duplan 27-2
soit unematrice d’Hadamard. Les effets calculés à
partir
de ceplan pourront
être entachés d’un biaisplus important
queprécédemment :
trois interactions faussent la valeur des effetsprincipaux .
Si l’onpoursuit
cette réduction des essais onpeut
encore diviser par deux et même parquatre
le nombre des essais et n’en réaliser que seize(27-3)
ou huit(27-4).
Sil’expérimentateur
a laprécaution
d’utiliser àchaque
foisdes matrices d’Hadamard il sera dans les meilleures conditions
d’expérimentation.
Le
risque
de fausser les effetsprincipaux
s’accroit au fur et à mesure que l’on diminue le nombre des essais.L’expérimentateur
n’aqu’une
ressource pour évaluer lesrisques qu’il prend : appliquer
la théorie des aliases. Leplan 27-4 (tableau X) permet
d’étudiersept
facteurs en huit essais. On vérifie que le tableau X estidentique
à la matrice X duplan complet 23.
La seule différence est que l’on ne détermine que les sept effetsprincipaux
dessept
facteurs sanspouvoir
évaluer les interactions. Les effetsprincipaux
ainsi calculéspeuvent
être entâchés d’une trés forte erreur.TABLEAU X
Voyons
maintenant lesrépercussions
de cette réduction surl’aspect
modéli-sation
mathématique
desplans
factoriels fractionnaires.B)
Modèlemathématique
Ayant
moins depoints expérimentaux
à notredisposition,
nous avonséga-
lement moins
d’équations.
Le nombre des inconnues restantinchangé,
onpourrait
croire
qu’il n’y
a pas d’issue. Mais il estpossible
de sortir de ce dilemne en fai-sant des
hypothèses,
laplus classique
est denégliger
les inconnues considéréescomme les moins
importantes.
Parexemple
dans le cas du23,
@ on suppose que les interactions d’ordre 2 et 3 sontnégligeables,
c’est-à-dire que le modèle retenu devient :Une autre
technique
consiste à rassembler les inconnues par groupes, groupes que l’onanalyse
ensuite en utilisant deshypothèses d’approximation.
Cette techni- que est la base de la théorie des aliases. Elle estbeaucoup plus
riche etplus rigou-
reuse que la
simple hypothèse
de nullité des interactionsprécédemment évoquée.
Au lieu de déterminer huit inconnues avec huit
points expérimentaux,
on necalcule
plus
quequatre
inconnues(ou
groupesd’inconnues),
avecquatre points expérimentaux
seulement.Ces
quatre points représentent quatre essais,
ils conduisent àquatre équations
que l’on
peut
mettre sous forme matricielle : y == XAOn donne aux coordonnées de Xl, X2 et X3, les valeurs nécessaires pour que X soit une matrice d’Hadamard.
Le
principe
reste le même que l’on divise par2, 4,
8 ou 2P le nombre des essais d’unplan complet.
On choisit les coordonnées despoints expérimentaux
et le modèle
mathématique
de telle manière que la matrice X soit une matriced’Hadamard. Il y a
toujours
autant d’inconnues(ou
groupesd’inconnues)
que depoints expérimentaux.
Suivant les choix que l’on
fait,
on obtient desplans permettant
d’étudierplus
ou moins de facteurs en
négligeant plus
ou moins d’interactions.L’expérimentateur
est
toujours
maître de ces choix et, il doit êtrecapable
d’évaluer exactement lesrisques qu’il prend.
Onpourrait
croirequ’il
estdangereux
de réduire ainsi le nombre des essais. Enréalité,
il n’en est rien car il esttoujours possible aprés
unexamen minutieux des résultats d’effectuer des essais
supplémentaires qui
viennentcompléter
lespremiers
résultats etqui permettent
de lever lesambiguïtés.
Les
avantages
desplans
factoriels fractionnaires sont les mêmes que ceux desplans
factorielscomplets. Mais,
enplus
ilpermettent d’échapper
auprincipal
inconvénient de ces derniers : le
grand
nombre des essais. Cesplans
sont donc desoutils
primordiaux
pourl’expérimentateur
et leur utilisation doit êtreencouragée
par tous les moyens. Il faut encoreajouter
unavantage considérable,
celui depouvoir
mener les travaux par
séquences :
parexemple
on commence par un27-4
et s’il s’avère nécéssaire de faire des essaiscomplémentaires
pour lever lesambiguïtés,
on
poursuivra
lesexpériences
en exécutant un deuxièmeplan 27-4 qui, ajouté
aupremier
donnera deuxplans 27-4
soit 2 x27-4
ou unplan 27-4+1
que l’on écriraplus simplement 27-3 . L’interprétation
sera alors établie sur les seize essais. Il est naturellementpossible d’ajouter
autantd’expériences qu’il
s’avèrera nécessaire pour terminer l’étude. Cettepossibilité permet
àl’expérimenatateur
de réaliser le nombrejuste
suffisant d’essais pour aboutir à la résolution de sonproblème.
En face de tous ces
avantages
il y a peu d’inconvénients. leplus important
serait
peut-être
quel’expérimentateur
doit faire un effort pourapprendre
à maîtriserl’emploi
desplans
factoriels fractionnaires.Pour être
complet,
il fautsignaler
que cesplans présentent malgré
toutune
faiblesse,
c’estl’hypothèse
de linéarité et d’additivité des variables. La modélisationmathématique pratique
que l’on déduit des résultats n’estqu’une première approximation
du modèlephysique
réel. Il faut passer à desplans
contenant un
plus grand
nombre de niveaux par facteurs pour obtenir des modèles du seconddegré.
Mais nous verrons que les essais effectués pour unplan
factorielfractionnaire ne sont pas
perdus
etqu’il
suffitd’ajouter
despoints
bien choisis pour passer à un modèle du seconddegré.
V. Les
plans
Plackett et BurmanR.L. Plackett et J.P. Burman ont
publié
leur étude en 1946 dans Biometrika[4].
Ilsexpliquent
comment construire desplans permettant
d’étudier ungrand
nombre de facteurs en peu d’essais. Ils attribuent deux niveaux à
chaque
facteuret
supposent
que toutes les interactions entre facteurs sontnégligeables
devantles effets
principaux.
Leursplans
seprésentent
sous forme de matrices carréesorthogonales
contenantuniquement
des +1 et des -1. Ce sont des matrices d’Hadamard. Ilsindiquent
toutes les matrices(N, N)
àpartir
de N = 8 etjusqu’à
N = 100
qu’il
estpossible
de construire. Il est amusant de remarquerqu’ils
n’indiquent
pas la matrice(96, 96)
pourlaquelle
ils n’avaient pas encore trouvé la construction au moment de leurpublication.
Examinons maintenant en détail la méthode de construction des
plans
dePlackett et Burman :Ils commencent par
indiquer
lapremière
colonne de la matrice.Par
exemple
pour N = 8 laséquence
dessignes
+ et - est la suivante :Il
n’y
a quesept signes,
ceux-ci vont servir à construire une matrice parpermutations
circulaires. La matrice(7,7)
ainsi obtenue seracomplétée
parune dernière
ligne
et une dernière colonne designes
moins. A titred’exemple
construisons la matrice
(8,8) permettant
d’étudiersept
facteurs.On
dispose
verticalement laséquence
designes
de lapremière
colonne.Séquence qu’il
fautprendre
dans l’article de Plackett et Burman :On déduit la seconde colonne à
partir
de cettepremière
colonne en décalantles
signes
d’un cran vers lebas,
le derniersigne -
de lapremière
colonneétant,lui,
remonté au sommet de la deuxième colonne. Les
cinq
colonnes suivantes sont construites de la même manière :Enfin une
rangée
et une colonne designes -
sontajoutées.
Cette matrice est une matrice d’Hadamard. Nous allons la transformer pour la
présenter
selon ladisposition classique
desplans
factoriels. On saitqu’il
estpossible
d’inverser les
signes
+ et - sans modifier les résultats del’expérimentation.
Effectuons cette transformation et
désignons
leslignes
par les huitpremières
lettresde
l’alphabet
dans lesimple
but de lesrepérer.
Ordonnons maintenant ces
lignes
pour retrouver laséquence
dessignes
descolonnes des matrices X des
plans 23 que
nous avons vusprécédemment.
Nousconservons la numérotation
classique
des facteurs et des interactions(tableau XI).
TABLEAU XI
Nous retrouvons, au
déplacement près
dequelques colonnes,
unplan 23
et comme Plackett et Burman