1
Fi tted Surfac e; Variabl e: Y_REND 2 fa ctor s, 1 Blocks, 13 Runs; M S Pure Er ror=. 053
DV: Y_REND
Planification et analyse d’expériences avec STATISTICA
Bernard CLÉMENT, PhD
Chapitre 1 Introduction à la planification d’expériences Chapitre 2 Expériences comparatives avec un facteur Chapitre 3 Conception d’expériences multifactorielles Chapitre 4 Analyse statistique
Chapitre 5 Analyse de plans complets Chapitre 6 Analyse de plans fractionnaires Chapitre 7 Plans en blocs
Chapitre 8 Surfaces de réponse et optimisation Chapitre 9 Conception robuste et Taguchi Chapitre 10 Plans optimaux
Chapitre 11 Plans pour mélanges Chapitre 12 Plans Split Plot
Chapitre 13 Plans en mesures répétées
Chapitre 14 Facteurs emboîtés et facteurs aléatoires Chapitre 15 Analyse de covariance
Planification et analyse d’expériences
3
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
R É F É R E N C E S
Atkinson, A.C. Donev, A.N. (1992). Optimum Experimental Designs, Oxford Science Publications.
Box, G. E. P., Draper, N.R. (1987). Empirical Model-Building and Response Surfaces, John Wiley & Sons.
Box, G. E .P. Hunter, W. G., Hunter, J. S. (1978). Statistics for Experimenters, John Wiley & Sons.
Clément, Bernard. (1998). Statistical Design and Analysis of Multivariate Experiments.
Handbook of Bolts and Bolted Joints, Chapter 41, pp. 825-870, Marcel Dekker.
Cornell, J.A (1990). Experiments with Mixtures: Designs, Models, and the Analysis of Mixture Data, Wiley.
Dean, A., Voss, D. (1999). Design and Analysis of Experiments, Springer Verlag.
Dehnad, K, (1989). Quality Control, Robust Design and the Taguchi Method, Wadsworth & Brook/Cole.
Diamond, W. J. (1989), Practical Experiment Designs, 2nd Ed, Lifetime Learning Publications.
Fowlkes, W.Y., Creveling, C. M. (1995). Engineering Methods for Robust Product Design, Addison-Wesley.
Haaland, P. D. (1989). Experimental Design in Biotechnology, Marcel Dekker.
Hick, C. R., Turner, K. V. (1999). Fundamental Concepts in the Design of Experiments, 5th ed., Oxford Uni Press Khuri, A.I., Cornell J. A. (1987). Response Surfaces: Designs and Analyses, Marcel Dekker.
Lochner, R.H., Matar, J.E. (1990). Designing for Quality, ASQC Quality Press.
Montgomery, D. C (2001). Design and Analysis of Experiments, 5th Ed., John Wiley & Sons.
Mason, R. L., Gunst, R. F., Hess, J. L. (2004). Statistical Design and Analysis of Experiments, 2nd ed. ,John Wiley.
Moen, R.D., Nolan, T.W., Provost, L.P. (1999). Improving Quality through Planned Experimentation, McGraw-Hill.
Myers, R.H., Montgomery, D.C. (1995). Response Surface Methodology, John Wiley & Sons Inc.
Park, S.H. (1996). Robust Design and Analysis for Quality Engineering, Chapman & Hall.
Phadke, M, S (1989). Quality Engineering Using Robust Design, AT&T Bell Laboratories.
Roy, R.K. (1990). A Primer on the Taguchi Method, Van Nostrand Reinhold.
Sado, G., Sado, M.C. (1991). Les plans d’expériences, AFNOR.
Schmidt, S.R., Launsby, R.G. (1992). Understanding Industrial Designed Experiments, 4th Ed. Air Academy.
Taguchi, G. (1987),. System of Experimental Design, vol.1, vol. II, UNIPUB, Krauss International Pub.
Wheeler, D. J (1988). Understanding Industrial Experimentation, 2nd Ed., SPC Press, Knoxville, TE.
Wu, C. F. J., Hamada, M. (2000). Experiments : Planning, Analysis, and Parameter Design Optimization, Wiley.
Chapitre 1 Introduction à la planification d’expériences
Méthodes statistiques et processus Étapes pour l’expérimentation
Modèles statistiques et étapes d’analyse
Stratégies et principes de l’expérimentation Terminologie
Plan 2 4
matrice de 8 essais
5
Processus et méthodes statistiques
PROCESSUS VARIABILITÉ DONNÉES AMÉLIORATION
PENSÉE STATISTIQUE MÉTHODES STATISTIQUES
FOURNISSEURS PROCESSUS 1 PROCESSUS 2 CLIENTS
TOUT TRAVAIL EST UN SYSTÈME DE PROCESSUS INTERDÉPENDANTS
LA VARIABILITÉ EXISTE DANS TOUS LES PROCESSUS
LA CLÉ : COMPRENDRE ET R É D U I
RELA VARIABILITÉ
L’ÉTUDE de la VARIABILITÉ MÉTHODES STATISTIQUES
.…
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
planification statistique d’expériences
L’expérimentation (série de tests) est essentielle - caractériser et optimiser les procédés;
- évaluer les propriétés des matériaux, designs, systèmes;
- déterminer les tolérances des composantes / systèmes;
- réduire temps pour le design des produits / procédés;
- améliorer la fiabilité des produits;
- obtenir des produits & des procédés robustes;
Toutes les expériences sont planifiées mais ...
- beaucoup sont mal planifiées …..
- certaines sont bien planifiées en utilisant planification statistique des essais
DOE : Design Of Experiment
7
PROCESSUS : approche statistique
DESIGN (CONCEPTION) : PRODUIT ou PROCÉDÉ FABRICATION
MESURAGE
TRANSACTIONEL ou ADMINISTRATIF
FACTEURS = variables CONTRÔLABLES X
1, X
2, … X
1X
2. . . X
kPROCESSUS Y
Matériaux Composants Assemblage
erreur expérimentale ε
=
toutes les autres sources de variabilité non contrôlées
réponse : sortie mesurée reliée à la qualité
PROCESSUS
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
Quel est le PLAN de collecte de données?
Quelles sont les variables CRITIQUES X
affectant la variable de réponse Y ? TAMISAGE
Quelle est la FONCTION de TRANSFERT MODÉLISATION f entre les variables critiques X f
et la variable de réponse variable Y ? X Y
Comment CONTRÔLER la réponse Y
à un niveau désiré CONTRÔLE
nominal - maximum - minimum et
en fixant les variables X à des OPTIMISATION
niveaux spécifiques (à déterminer) ?
Q U E S T I O N S R É P O N S E S
designs statistiques d’expériences (DOE)
9
S I P O C
Suppliers Input : X Processus Output : Y Clients FACTEURS
Personnel Matériaux Équipement Politiques Procédures
Méthodes Environnement
GÉNÉRAL
mélange d’inputs (intrants)
qui génèrent
un output (extrant)
RÉPONSES indicateurs en relation avec
qualité produit
qualité service
exécution tâche
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
Exemple : procédé de fabrication
FACTEURS
température moule
pression retenue
durée retenue
taille ouverture
vitesse vis
% recyclé
hmidité
MOULAGE INJECTION
fabrication de pièces moulées
par injection
RÉPONSES
épaisseur pièce
autres caractéristiques géométriques pièce
% de rétrécissement par rapport une valeur nominale visée
% de pièces non conformes
11 PHASE ÉTAPES
1 Définir problème / processus - objectifs 2 Choisir les variables de réponse(s) Y à mesurer 3 Choisir les facteurs X et l’espace de variation 4 Définir le plan de collecte de données (design )
5 Préparer pour l’expérience 6 Conduire l’expérience
7 Analyse statistique des résultats
8 Agir avec les conclusions de l’analyse
Étapes projet d’expérimentation
Planifi - - cation
Exécution Analyse Transfert
Act Plan
A P
S D
roue PDSA
Shewhart - Deming Study Do
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
Pour identifier les facteurs : diagramme d’Ishikawa
consommation Y : essence véhicule
MESURES MÉTHODES MACHINES
PERSONNES MATÉRIAUX ENVIRONNEMENT jauge à
pression pneus jauge à essence type indicateur vitesse
maintenance rotation pneus
mise au point réchauffement moteur
pression pneus poids type conduite roue
climatisation
transmission type pneu
cylindrée moteur
type conducteur
formation conducteur
nombre passagers
type essence additif essence
type huile
conditions climat type de routes
ville / campagne
type terrain
densité traffic
13
Modélisation statistique processus
Y = f ( X
1, X
2, … , X
k; β
0, β
1, β
2,… ) + ε
f : fonction inconnue approximation polynôme β
0, β
1, β
2, … : paramètres statistiques inconnus
- fonction f pour représenter une relation entre input X et output Y - hypothèse distributionnelle pour le terme d’erreur
εεεεεεεε ∼∼∼∼ N ( 0,
σσσσ2)
P R O C E S S U S Y = f (X)
X
1X
2…
X
kεεεε
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
Types de modèles statistiques
effets principaux
(ordre 1) :Y =
ββββ0+
ββββ1X
1+
ββββ2X
2+
• • •+
ββββkX
keffets principaux et interaction :
Y =
ββββ0+
ββββ1X
1+
ββββ2X
2+
• • •+
ββββkX
k+
ββββ12X
1X
2+
ββββ13X
1X
3+
• • •
quadratiques (facteurs quantitatifs ) : ordre 2
Y = ββββ 0
+
ββββ1X
1+
ββββ2X
2+
• • •+
ββββkX
k+
ββββ12X
1X
2+
ββββ13X
1X
3+
• • •+ +
ββββ11X
12+
ββββ22X
22+
ββββ33X
32+
• • •
polynomial : Y =
ββββ0+
ββββ1X +
ββββ2X
2+
• • •+
ββββkX
kautres
-
f est inconnue approximation par des fonctions polynomiales-
tous les modèles sont LINÉAIRES dans les paramètres β15
Étapes de l’analyse statistique
1. Spécification d’un modèle statistique 2. Estimation des paramètres du modèle 3. Décomposition de la variabilité : ANOVA 4. Tests d’hypothèses sur les paramètres 5. Analyse des résidus
si nécessaire : itération des étapes 1 à 5 6. Optimisation de la réponse
7. Représentation graphiques des résultats
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
Exemple: fabrication tige plastique extrudée
FACTEURS
X1 : vitesse (rpm) 100 – 200 X2 : température (C) 250 – 300 X3 : durée ( min) 5 – 10 X4 : pression (psi) 15 - 30
RÉPONSES objectif
Y1 : productivité ( pi/hr) MAX Y2 : diamètre ( (po)visé : 2.54 ± 0.03 NOM Y3 : nombre fissures MIN
18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Y3 Y2
Y1
x4 x3 x2 x1 essai
RÉPONSES FACTEURS
Comment concevoir le plan de collecte de données ?
quelles valeurs
X
choisir ?
17
L’hélicoptère en papier
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1 X1 largeur des ailes : 1 à 2 (pouces) X2 longueur des ailes : 2 à 4 (pouces) X3 largeur du corps : 1 à 2 (pouces) X4 longueur du corps : 2 à 4 (pouces) X5 type de papier : A ou B X6 trombone : oui ou non
quel hélicoptère
a le temps de descente le plus long ?
Caractérisation type des expériences
Expériences de type « best guess »
- beaucoup employées
- réussite occasionnelle mais désavantages … Expériences de type « un facteur à la fois »
« O n e – F a c t o r – At – a – T i m e : OFAT »
- faussement associées avec la « méthode scientifique » - dévastées par les interactions
- inefficace : plus d’essais que nécessaire
Expériences de type « planifiées statistiquement » - basées sur le concept d’expériences factorielles
- principes fondamentaux de l’expérimentation :
randomisation – répétition - blocage
19
BONNE
1. Manipuler plusieurs facteurs simultanément durant les essais.
2. Varier plusieurs facteurs d’un essai à l’autre.
3. Varier chaque facteur avec un petit nombre de modalités (valeurs) :
- 2 modalités : tamisage ( « screening »)
- 3 à 5 modalités : modélisation et optimisation
MAUVAISE
OFAT : faire varier un facteur à la fois
Stratégies pour l’expérimenation
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
OFAT mauvaise stratégie ?
x1 x2
10 20 30 40 200
175 150 125 100 75
y = 10 20 30 20 10
Maximiser Y Y = f ( x1, x2 )
y =10 20 25 10
x1 x2 Y =100
30
10 70
faux maximum de Y vrai maximum de Y
20
lignes contour invisibles
21
Principes fondamentaux de l’expérimentation Randomisation : exécution des essais dans un
ordre dicté par le hasard
idée : équilibrer les effets des variables cachées malveillantes « lurking variables »
Répétition
recommencer l’essai complètement
pas une relecture de l’appareil de mesure
améliore la précision de l’estimation des effets
permet l’estimation directe de l’erreur expérimentale
Blocage : permet de contrôler les
« facteurs nuisibles »
aussi appelés « facteurs secondaires »
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
EXPÉRIENCE FACTORIELLE
• Toutes les combinaisons possibles sont testées
• GOLF : facteurs – type de bâtons – type de balle – locomotion – pratique avant – température
– condition du terrain – type de terrain
– etc …
type balle
type de bâtons
R BB
A
B
inconvénients ? avantages ?
23
faible NIVEAU CONNAISSANCES élevé
> 5 <= 5
plans statistiques
factoriel fractionnaire - factoriel complet
2
k - p- surface de réponse
- Box-Benhken - central composite
Quel plan statistique ?
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
nombre de facteurs
ANALYSE EXPLORATOIRE tamisage
tous les facteurs
ANALYSE CONFIRMATOIRE modélisation - optimisation
facteurs critiques
Chapitre 1
TERMINOLOGIE (1/3)
Unité expérimentale plus petite pièce de matériau, objets, ou unités sur lequel un traitement est appliqué; si les unités ne sont pas homogènes on utilise un plan en bloc
Facteur (variables primaires) variables contrôlées dont on veut évaluer leurs effets sur la variable de réponse; elles sont la raison d’être du projet d’expérimentation
Variables secondaires (nuisibles) variables qui ne sont pas de l’intérêt principal de l’expérience mais qui doivent être tenues en compte lors de la conduite de l’expérience;
exemple : - expérience est réalisé sur un longue période de temps / différents opérateurs / différents équipements;
- unités expérimentales non homogènes
Erreur expérimentale l’effet de toutes les sources de variabilité non
contrôlées connues et inconnues incluant l’incertitude (erreur) de mesure;
sa présence est détectée avec les répétitions
Traitements / combinaison de traitements combinaison des variables
25 Bloc regroupement des essais selon des facteurs secondaires (blocs);
permet de comparer les traitements en neutralisant les facteurs secondaires Plan expérimental spécification de l’ensemble des essais (tests)
incluant le blocage, la randomisation, les répétitions et l’assignation des combinaisons des facteurs aux unités expérimentales
2 structures : méthode d’assignation
+
combinaisons de traitements Randomisation assignation des traitements, l’exécution des tests et la prisedes mesures doit réalisée dans un ordre dicté par le hasard;
but : neutraliser le plus possible les variables non contrôlés Répétitivité reprendre la mesure du résultat d’un essai
Répétition refaire au complet un essai d’un même traitement avec une
nouvelle unités expérimentale; assure l’indépendance des essais répétés but : obtenir une estimation de l’erreur expérimentale
assurer la reproductibilité de l’essai
ne pas confondre : répétition et relecture de la mesure
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
TERMINOLOGIE (2/3 )
Réponse résultat mesuré de l’exécution d’un essai
Test combinaison des niveaux des facteurs pour obtenir une valeur de la réponse
Niveau (modalité) valeur spécifique d’un facteur (numérique ou qualitative
Effet changement de la réponse entre 2 conditions expérimentales Effet principal changement de la réponse entre 2 modalités
ou plus d’un facteur
Effet d’interaction effet conjoint associé à 2 facteurs lorsque l’effet de chaque facteur dépend du niveau de l’autre facteur Y
Effet principal
Y
B = -
B = +
TERMINOLOGIE (3/3)
27
EXPÉRIMENTATION : structures
X : FACTEURS
TRAITEMENT
STRUCTURE TRAITEMENTS
MÉTHODE ASSIGNATION
UE : UNITÉ EXPÉRIMENTALE
Y : VALEURS RÉPONSE
CONTINUS ou QUALITATIFS PRIMAIRES ou SECONDAIRES
CONTROLLABLES ou BRUIT (NOISE) COMBINATION de NIVEAUX de FACTEURS
COMPLET ou FACTORIEL COMPLET FACTORIEL FRACTIONAIRE
EMBOITÉ ( NESTED )
FACTEURS : CROISÉS et EMBOITÉS COMPLÈTEMENT ALÉATOIRE
BLOCS RANDOMISÉS
BLOCS INCOMPLETS ÉQUILIBRÉS CARRÉS LATIN, GRAECO-LATIN SPLIT PLOT, MEASURES RÉPÉTÉES
TRAITEMENT APPLIQUÉ
ANALYSE STATISTIQUE
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
Chapitre 1
plan factoriel complet 2
4: 4 facteurs variant à 2 modalités
facteurs A, B, C, D variant à 2 valeurs : - = min et + = max matrice de design iden. Réponse
essai A B C D id. Y
1 - - - - (1) y1
2 + - - - a y2
3 - + - - b y3
4 + + - - ab y4
5 - - + - c y5
6 + - + - ac y6
7 - + + - bc y7
8 + + + - abc y8
9 - - - + d y9
10 + - - + ad y10
11 - + - + bd y11
12 + + - + abd y12 13 - - + + cd y13 14 + - + + acd y14 15 - + + + bcd y15 16 + + + + abcd y16
chaque ligne représente un traitement identification présence d’une lettre minuscule implique que le facteur prend la modalité +
ordre standard colonne 1 (A) alternance des signes - + colonne 2 (B) alternance - - + +
29
8 (+) et 8 (-) dans chaque colonne somme = 0
ORTHOGONALITÉ permet de séparer les effets produit de 2 colonnes = 0
ÉQUILIBRÉ « balance »
- chaque modalité (niveau) de chaque facteur apparaît exactement 8 fois
- toutes les combinaisons de 2 facteurs apparaissent exactement 4 fois
- toutes les combinaisons de 3 facteurs apparaissent exactement 2 fois
Copyright © Génistat Conseils Inc., 2004, Montréal, Canada
propriétés importantes du plan factoriel complet 2
4Chapitre 1
plan de 8 essais : 3 à 7 facteurs
m a t r i c e 1
facteur réponse Essai
A B C D E F G Y
1 - - - + + + - y1 2 + - - - - + + y2 3 - + - - + - + y3 4 + + - + - - - y4 5 - - + + - - + y5 6 + - + - + - - y6 7 - + + - - + - y7 8 + + + + + + + y8
exemple m a t r i c e OFAT
facteur réponse
Essai