Documente Academic
Documente Profesional
Documente Cultură
DEXPERIENCES
Enseignants :
Luminita Ion
Jean-Marie Boussier
v. 01a
1
Sommaire
8. Projets
2
1. Plans dexpriences : avantages et limites pour loptimisation dun procd
-domaines dapplication
a). en marketing, RH (analyses quantitatives comportementales de consommateurs potentiels)
b). recherche (modlisation empirique des lois de comportement)
c). dveloppement (dfinition des produits et des procds et optimisation de la fiabilit)
d). fabrication et contrle (dfinition des paramtres essentiels dun procd, optimisation et
robustesse des rglages, amlioration des capabilits)
e). fabrication (rduction des taux de dfauts et de rebuts)
f). plans numriques (pour modlisation sur ordinateur)
4
TERMINOLOGIE
Y - rponse
A, B, C,.. - facteurs (ou paramtres)
- quantitatifs (numriques - valeur connue)
- qualitatifs (attributs - on, off ; avec, sans)
les valeurs dun facteur quantitatif = niveaux (ex : P (pression); niveau 1 P1 = 1bar;
niveau 2 P2 = 5 bar)
les attributs dun facteur qualitatif = modalits (ex F (Fournisseur ; F1 entreprise A ;
F2 = entreprise B)
5
Ex : T (T1 = 100 C ; T2 = 200 C );P (P1 = 1 bar; P2 = 2 bar ); exprience (E1>5 ans; E2 <5 ans)
R : nbr pices/h
Analyse de donnes Plan complet
Conclusions ???
- Combinaisons pour
max et min connues
- Paramtres les plus
influents
- Paramtres non-
significatifs
Ex : T (T1 = 100 C ; T2 = 200 C );P (P1 = 1 bar; P2 = 2 bar ); exprience (E1>5 ans; E2 <5 ans)
R : nbr pices/h ; objectif : nbr max de pices/h
9
Many of the most useful designs
are extremely simple.
10
Y rponse
134
Y-rponse
45
Plan orthogonal: chaque paramtre apparat autant de fois tous les niveaux
chaque combinaison de niveaux entre 2 paramtres apparat autant de fois 11
Ex : Un plan dexpriences orthogonal
uniformment rpt 5 fois
Nd'essai Facteurs contrls Intr, Valeurs mesures pour le prix (en euros)
T H P O E V TO n1 n2 n3 n4 n5 Y' moy
1 1 1 1 1 1 1 1 2225 2210 2270 2199 2150 2210,8
2 1 1 1 2 2 2 2 3100 2995 2990 3205 3050 3068
3 1 2 2 1 2 2 1 2560 2530 2490 2450 2500 2506
4 1 2 2 2 1 1 2 3300 3290 3380 3410 3368 3349,6
5 2 1 2 1 1 2 2 1800 1950 1760 1980 1730 1844
6 2 1 2 2 2 1 1 4200 4150 4000 4260 4190 4160
7 2 2 1 1 2 1 2 3560 3650 3440 3700 3620 3594
8 2 2 1 2 1 2 1 2890 2930 2710 2690 2710 2786
M' 2939,8
12
13
Common orthogonal arrays
Array Levels Equivalent
Full Factorial
L4 3x2 8
L8 7x2 128
L9 4x3 81
L12 11 x 2 2 048
L16 15 x 2 32 768
L25 6x5 15 625
L27 13 x 3 1 594 323
14
CHANGER LA SECRETAIRE !
15
Objectifs module:
- Ne pas vouloir rinventer des tables orthogonales
exemple
-Utiliser les tables de Taguchi en les adaptant notre cas et non pas en adaptant notre
cas aux tables existantes
16
Quelles contraintes pour lapplication des PEX ?
1. tous les facteurs susceptibles davoir un effet substantiel sur les rponses doivent tre
MAITRISABLES ou dfaut MESURABLES
2. les facteurs NE DOIVENT PAS AVOIR leurs niveaux interdpendants ou lis par une
contrainte galitaire (cas des mlanges)
4. ltude des facteurs tant conjointe, le plans incomplets NE SE PRETENT PAS une
dmarche squentielle ci celle-ci na pas t envisage lavance (sinon, application des
plans non-orthogonaux par analyse de donnes)
5. lutilisateur doit tre prt METTRE A LA POUBELLE une partie des produits obtenus lors
de la compagne dessais PEX
Tests effectus
18
2. Modle du comportement ; principes la base des PEX
MODELE :
- le but est dtablir dans un domaine dintrt D des lois de comportement F du type :
Y = F(A,B,C,...,)
o Y - la grandeur optimiser
F - loi de comportement
A, B, C,...- variables explicatives
- variables alatoires ( bruits de fond qui engendrent une variabilit naturelle sur Y )
1re hypothse
nous supposerons que la relation Y = F(A,B,C,...,) est dcomposable additivement
Y = G(A,B,C,...)+ H()
2me hypothse
19
Ex : la loi U = RI scrit U = Const + aR + bI + cRI
20
leffet moyen dun facteur aux niveaux A1, A2, A3 =
cart par rapport la moyenne
ai = Yi - M
Intrt ???
21
22
23
24
Interactions
Exemple
Run Parameters Response
A B Y
1 1 1 130
2 1 2 30
3 2 1 50
4 2 2 70
25
26
27
Modle : criture concentre
a1b1 a1b2
Y = M + (a1 a2)A + (b1 b2)B + . . . + AB + . . .
a2b1 a2b2
a1b1 a1b2
Y = M + (a1 a2)A + (b1 b2)B + AB
a2b1 a2b2
ai bj = Ymoy (Ai , Bj ) - M - ai - bj
28
29
30
31
Synthse des calculs effectuer pour le modle
32
Tables Taguchi ; choix et construction dun plan
orthogonal vis vis de son modle
1) choix des paramtres, des niveaux, des rponses et dun modle
Stratgies
33
Choix des interactions
34
2) dnombrement des coefficients indpendants
a 1b 1 ; a 1b 2
AB
Y = M + [a1 ; a2] A +... a 2b 1 ; a 2b 2
exemple 2;2
Y = 15 + [3 ; -3] A +... AB
2;2
- tant que les rsultats dune exprimentation ne sont pas connus, lcriture dtaille du
modle ne prsente pas dintrt
- une symbolisation est pourtant ncessaire afin de se construire le plan dexpriences
Y - rponse
A, B,...- facteurs
AB, ...- interactions dordre 2
() - nombre de niveaux choisis pour un facteur
examples
35
Pour simplifier les calculs - on remarque :
1) le terme M doit tre calculer - on lui attribue un coefficient indpendant
2) pour un facteur : la somme des effets MOYENS (carts par rapport la moyenne)
dun facteur n niveaux est toujours Nulle
si A possde nA niveaux, il suffit de connatre nA -1 coefficients
3) pour une interaction : la somme de chaque ligne est Nulle
la somme de chaque colonne est Nulle
si A possde nA niveaux et B nB niveaux, il suffit de connatre (nA-1)(nB-1)
coefficients
Exemples :
36
Attention :
ex : Y = M + A + B + C + AB + AC + BC
37
Exemple :
38
B. PLAN INCOMPLET (FACTORIEL)
PLAN INCOMPLET = une partie dun plan complet o TOUS LES NIVEAUX DES PARAMETRES
SONT PRESENTS mais TOUTES LES COMBINAISONS POSSIBLES NE SONT PAS PRESENTES
Modle :
Modle :
39
3) taille et construction dune table
N = k PPCM
N
p
Important : en pratique on essaye de choisir la table la plus petite pour rduire le nombre
dessais et accrotre lefficacit des plans
40
exemples
41
42
Modle avec interactions
43
44
45
46
7
Table L (2)
8
47
7
Table L (2)
8
48
49
50
Analyse de la variance (ANAVAR) Facultatif
modle choisi : Y = M + A + B
PEX : plan complet
52
Explication :
puisquEN TOUTE LOGIQUE ET PAR BON SENS, les effets rels de ces deux
paramtres ne peuvent tre que nuls ! ! !
Problme :
53
EX: RLC
0,200
0,100 r1l1
u2r1
u2r2 f1r2 r2l1 r3l2r3l3
l1 f2r3 f3r3
0,000 f1 f2 c1 c2 c3 l2 0,000 f1r1 f2r1 f3r1 r2l2r2l3
u2 u1r2 u3r2 f2r2 f3r2 r1l2r1l3
f3 l3 -0,100 f1r3
-0,200
r2 u2r3 r3l1
-0,200
u3r3
-0,400
-0,300
u1 r3
u1r1
-0,600 -0,400
Comment
Besoin duncomparer des matrices
indicateur unique dcrivant lignes avecdune
leffet global des action
matrice!!! n*n ??? 54
(voir le polycopi
Analyse de la Variance = ANAVAR pour le dtail des dmonstrations)
55
Analyse de la robustesse
La vraie contribution de Taguchi
Lors de lanalyse de vos rsultats avec rptitions vous vous tes aperu que la
dispersion (lcart-type) des points peut-tre trs diffrente DUN ESSAI A LAUTRE (parfois 10
fois). Certains combinaisons de niveaux sont donc susceptibles dagir sur la stabilit des
rsultats ( par leffet proprement-dit sur la rponse).
il est donc ncessaire de prendre en compte ces dispersions dans le choix final des
paramtres (par exemple, dans le cas dun paramtre peu influent, on choisira le niveau pour
lequel le procd semble plus stable).
56
Philosophons un peu sur la philosophie Taguchi
Que pensez vous dun joueur de golf qui, sur 10 coups, envoie la balle une distance de 120
m ? Pas grande chose, car on ne connais pas la dispersion de ces coups (une fois 100 m et
une autre fois 140 - ce nest pas un joueur rgulier !).
Mais que pensez vous dun cart-type de 1 ? Il est probable que vous nen pensez rien car
vous ne savez pas quoi cet cart se rapporte, ni dans quelle unit est exprim. Si on vous
prcise quil sagit dun cart-type correspondant une srie de mesures dont la moyenne est
3, il vous semblera important. De mme il est ngligeable si la moyenne tait de 1000.
58
Exemple : enqute prfrences dclares pour le choix des vlos
La Rochelle
External conditions
Information
yes
yes
no
no
L4(2)3 (J)
good good
good
Road safety
bad
bad
(I)
good
L8(2)7 Accessibility
bad
bad
Input variables
Input array (H)
Weather Risk of
Travel
Distance Conditions Timing
Scenario Score 1 2 3 4
(Run n) (A) incidents (B) (C) Conditions (D) (G)
to travel (D)
1 favourable low short with parcel in hurry 2.8 2.1 2.2 1.9
: . . . . . . . . .
6 not favourable low great without parcel in hurry 1.6 1.4 1.2 1.3
: . . . . . . . . .
59
Etude de cas:presse pastiller
Domaines de variation
des facteurs
(paramtres)
60
7
Table L (2)
8
61
62