Concepts et définitions de base

Jacques Zuber

HES-SO

Les plans d’expériences : de la théorie à la pratique

Jacques Zuber (HES-SO) Concepts et définitions de base 1 / 56

Contenu

1 Survol historique

2 Projet d’expérimentation

3 Quelques définitions de base

4 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 2 / 56

 Survol historique

1 Survol historique

1 Survol historique

2 Projet d’expérimentation

3 Quelques définitions de base

4 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 3 / 56

 Survol historique

Survol historique

Les plans d’expériences doivent principalement leur origine au

développement de l’agronomie entre 1918 et 1940

; introduction de l’outil statistique dans la planification des expériences et

dans l’analyse des résultats obtenus (Sir R. A. Fisher et ses disciples).

Entre 1951 et la fin des années 1970 apparaissent les plans d’expériences
dans le milieu industriel en particulier dans l’industrie chimique.

De la fin des années 1970 à 1990, on assiste à une poursuite du

développement des plans d’expériences dans le milieu industriel ainsi qu’à
l’introduction de la conception robuste et de la méthode de Taguchi.

Jacques Zuber (HES-SO) Concepts et définitions de base 4 / 56

 Survol historique

Sir Ronald Aylmer Fisher (1890 – 1962).

Jacques Zuber (HES-SO) Concepts et définitions de base 5 / 56

 Survol historique

Survol historique

Dès 1990, amélioration des plans d’expériences et applications des

plans d’expériences et de la conception robuste à de nouveaux
domaines (affaires, services financiers, opérations gouvernementales et
autres)

; introduction de nouvelles techniques misant sur l’efficacité et la

rationalité et développement d’outils informatiques dirigés vers le
système-expert.

Jacques Zuber (HES-SO) Concepts et définitions de base 6 / 56

 Projet d’expérimentation

2 Projet d’expérimentation

1 Survol historique

2 Projet d’expérimentation
Problématique, enjeux et objectifs
Mise en oeuvre d’un projet d’expérimentation

3 Quelques définitions de base

4 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 7 / 56

 Projet d’expérimentation Problématique, enjeux et objectifs

Les procédés industriels : enjeux

Comment peut-on connaı̂tre, comprendre le système et contrôler son

fonctionnement avec efficience ?

; à l’aide de plans d’expériences.

Jacques Zuber (HES-SO) Concepts et définitions de base 8 / 56

 Projet d’expérimentation Problématique, enjeux et objectifs

Les plans d’expériences : objectifs

Les plans d’expériences permettent d’organiser, planifier et exploiter

efficacement les expériences à réaliser en vue de
comprendre;

contrôler

le système étudié.

Jacques Zuber (HES-SO) Concepts et définitions de base 9 / 56

 Projet d’expérimentation Problématique, enjeux et objectifs

“Quality is never an accident, it is always the result

of intelligent effort.”

J. Ruskin

Jacques Zuber (HES-SO) Concepts et définitions de base 10 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Mise en œuvre d’un projet d’expérimentation (PDCA)

Planification (“Plan”)
1 poser et formaliser les problèmes et les objectifs;
2 choisir les variables de réponse;
3 choisir les facteurs pouvant influencer la variable de réponse;
4 définir le plan d’expériences.
Exemple

Réalisation des essais (“Do”)

1 préparer et effectuer soigneusement les expériences.
Exemple

Analyse statistique (“Check”)

1 analyser, modéliser et optimiser à l’aide de méthodes statistiques appropriées.
Analyse statistique

Interprétation, diffusion, déploiement (“Act”)

1 conclure et transmettre les informations acquises pour une prise de décision.
Comment ?

Jacques Zuber (HES-SO) Concepts et définitions de base 11 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Mise en œuvre d’un projet d’expérimentation (PDCA)

Planification (“Plan”)
1 poser et formaliser les problèmes et les objectifs;
2 choisir les variables de réponse;
3 choisir les facteurs pouvant influencer la variable de réponse;
4 définir le plan d’expériences.
Exemple

Réalisation des essais (“Do”)

1 préparer et effectuer soigneusement les expériences.
Exemple

Analyse statistique (“Check”)

1 analyser, modéliser et optimiser à l’aide de méthodes statistiques appropriées.
Analyse statistique

Interprétation, diffusion, déploiement (“Act”)

1 conclure et transmettre les informations acquises pour une prise de décision.
Comment ?

Jacques Zuber (HES-SO) Concepts et définitions de base 11 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Mise en œuvre d’un projet d’expérimentation (PDCA)

Planification (“Plan”)
1 poser et formaliser les problèmes et les objectifs;
2 choisir les variables de réponse;
3 choisir les facteurs pouvant influencer la variable de réponse;
4 définir le plan d’expériences.
Exemple

Réalisation des essais (“Do”)

1 préparer et effectuer soigneusement les expériences.
Exemple

Analyse statistique (“Check”)

1 analyser, modéliser et optimiser à l’aide de méthodes statistiques appropriées.
Analyse statistique

Interprétation, diffusion, déploiement (“Act”)

1 conclure et transmettre les informations acquises pour une prise de décision.
Comment ?

Jacques Zuber (HES-SO) Concepts et définitions de base 11 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Mise en œuvre d’un projet d’expérimentation (PDCA)

Planification (“Plan”)
1 poser et formaliser les problèmes et les objectifs;
2 choisir les variables de réponse;
3 choisir les facteurs pouvant influencer la variable de réponse;
4 définir le plan d’expériences.
Exemple

Réalisation des essais (“Do”)

1 préparer et effectuer soigneusement les expériences.
Exemple

Analyse statistique (“Check”)

1 analyser, modéliser et optimiser à l’aide de méthodes statistiques appropriées.
Analyse statistique

Interprétation, diffusion, déploiement (“Act”)

1 conclure et transmettre les informations acquises pour une prise de décision.
Comment ?

Jacques Zuber (HES-SO) Concepts et définitions de base 11 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Mise en œuvre d’un projet d’expérimentation (PDCA)

Planification (“Plan”)
1 poser et formaliser les problèmes et les objectifs;
2 choisir les variables de réponse;
3 choisir les facteurs pouvant influencer la variable de réponse;
4 définir le plan d’expériences.
Exemple

Réalisation des essais (“Do”)

1 préparer et effectuer soigneusement les expériences.
Exemple

Analyse statistique (“Check”)

1 analyser, modéliser et optimiser à l’aide de méthodes statistiques appropriées.
Analyse statistique

Interprétation, diffusion, déploiement (“Act”)

1 conclure et transmettre les informations acquises pour une prise de décision.
Comment ?

Jacques Zuber (HES-SO) Concepts et définitions de base 11 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple de planification d’un projet d’expérimentation

Objectif : étudier le processus de remplissage de bouteilles de boisson

gazeuse.
Facteurs :
A : gaz carbonique (%) (10 / 12);
B : pression (psi) (25 / 30);
C : vitesse de remplissage (bout./min) (200 / 250).

Réponse :
Y : déviation par rapport à la hauteur cible (mm).

Question : quelle combinaison des facteurs choisir pour minimiser la

déviation ?

Jacques Zuber (HES-SO) Concepts et définitions de base 12 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

“The formulation of a problem is often more essen-

tial than its solution which may be merely a matter
of mathematical or experimental skills.”

A. Einstein

Jacques Zuber (HES-SO) Concepts et définitions de base 13 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Choix des facteurs : diagramme causes et effet

Particulièrement utile pour :

identifier les causes, les facteurs potentiels pouvant affecter un effet (défaut,
caractéristique, phénomène, . . .) afin de diminuer voire même supprimer un
problème de qualité (non-conformité particulière, variabilité excessive d’une
caractéristique de qualité, . . .).

Causes et poids d’importance relative sur l’effet déterminés, on sera

informé sur quels facteurs agir en priorité.

Ainsi, le diagramme causes et effet est un outil fondamental dans le

processus d’amélioration de la qualité et de la compréhension d’un
phénomène.

Jacques Zuber (HES-SO) Concepts et définitions de base 14 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Diagramme causes et effet

Construction :

on construit une arborescence qui de l’effet remonte dans toutes les causes
possibles (branches) ainsi que dans les causes secondaires (petites
branches) jusqu’aux détails (feuilles).

Développés par le professeur Kaoru Ishikawa, les diagrammes causes-effet

sont aussi appelés diagrammes d’Ishikawa ou diagramme en arêtes de
poisson (fishbone diagram).

Jacques Zuber (HES-SO) Concepts et définitions de base 15 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple de diagramme causes et effet.

Jacques Zuber (HES-SO) Concepts et définitions de base 16 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple

quelles sont les causes possibles de l’apparition de poussières ?

Jacques Zuber (HES-SO) Concepts et définitions de base 17 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Dans la planification des expériences (DOE), le diagramme causes et effet

est utilisé pour

expliquer et comprendre un phénomène (par exemple les facteurs pouvant

provoquer un glissement de terrain), un processus de fabrication (par
exemple les étapes de recherche de panne sur un GPS en fonction des
symptômes);

identifier les sources importantes de variabilité dans un système (humidité,

température ambiante et autres);

analyser un défaut, énumérer l’ensemble des causes probables puis identifier

les plus importantes pour élaborer une stratégie visant à corriger le défaut;

améliorer sans relâche la qualité d’un produit vis-à-vis de la concurrence en

particulier dans le domaine industriel.

Jacques Zuber (HES-SO) Concepts et définitions de base 18 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Le diagramme causes et effet ne procure pas directement une

solution; il pousse à la réflexion, à synthétiser sa pensée, à bien
formuler le problème.

Les causes d’une dégradation de la qualité sont habituellement

regroupées en 5 grandes catégories dites les 5 M :
Milieu (environnement);
Main d’œuvre;
Matériaux;
Machines (équipement);
Méthode.
On peut envisager deux autres causes possibles : le management et
les moyens financiers.

Jacques Zuber (HES-SO) Concepts et définitions de base 19 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Les causes principales d’une dégradation de la qualité.

Jacques Zuber (HES-SO) Concepts et définitions de base 20 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 21 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple d’un projet d’expérimentation (suite)

Définir le plan d’expériences :

Jacques Zuber (HES-SO) Concepts et définitions de base 22 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple d’un projet d’expérimentation (suite)

essai A B C

1 10 25 200
2 12 25 200
3 10 30 200
4 12 30 200
5 10 25 250
6 12 25 250
7 10 30 250
8 12 30 250

Jacques Zuber (HES-SO) Concepts et définitions de base 23 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

“ALL experiments are designed experiments; the

only question is whether well or poorly. Sensible
planning will almost always result in the application
of statistical design. Failure to do such planning will
almost always lead to wasted expenditures and poor
result.”
B. H. Gunter

Jacques Zuber (HES-SO) Concepts et définitions de base 24 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Principes pour définir un plan d’expériences

Couverture du domaine expérimental de manière homogène

effectuer des expériences orthogonales;
adopter une approche globale (ne pas faire varier les facteurs
séparément);
utiliser des plans d’expériences adéquats, souvent les plus simples.

Jacques Zuber (HES-SO) Concepts et définitions de base 25 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Expériences orthogonales

Jacques Zuber (HES-SO) Concepts et définitions de base 26 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Approche globale

Objectif
fixer les valeurs à attribuer aux deux facteurs potentiels,
le temps de réaction en minutes,

la température en degrés Celsius

pour maximiser le rendement d’un procédé chimique mesuré en grammes.

Jacques Zuber (HES-SO) Concepts et définitions de base 27 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Approche globale (suite)

Expériences par tâtonnement ou OFAT (“One-Factor-At-a-Time”) :

1 la température est fixée à 142.5 ◦ C. On varie la durée du procédé chimique
; le rendement le plus élevé est atteint approximativement après 90 minutes;
2 au temps optimal de 90 minutes, la température varie
; la température optimale est approximativement de 145 ◦ C.
Avons-nous obtenu un optimum global ?

Jacques Zuber (HES-SO) Concepts et définitions de base 28 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Sus à la méthode par tâtonnements (OFAT )

Jacques Zuber (HES-SO) Concepts et définitions de base 29 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Sus à la méthode par tâtonnements (OFAT )

Plusieurs raisons pour renoncer aux tâtonnements

perte d’efficacité : beaucoup d’essais, peu d’informations;

aucun aperçu global du comportement des facteurs à l’intérieur du domaine

expérimental;

aucune information sur les synergies pouvant exister entre les facteurs;

l’optimum global ne sera pas atteint à coup sûr;

un modèle mathématique ne peut pas être établi.

Retour

Jacques Zuber (HES-SO) Concepts et définitions de base 30 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 31 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Exemple d’un projet d’expérimentation (suite)

Conduite des expériences et mesures :

essai A B C y

1 10 25 200 -3
2 12 25 200 0
3 10 30 200 -1
4 12 30 200 2
5 10 25 250 -1
6 12 25 250 2
7 10 30 250 1
8 12 30 250 6

Retour

Jacques Zuber (HES-SO) Concepts et définitions de base 32 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Modélisation statistique du processus

La réponse y est décomposée en deux parties :

une fonction des facteurs Xi (i = 1, . . . , k) ; f (x1 , . . . , xk );

un terme d’erreur aléatoire ε.

Ainsi, la relation entre la réponse y (“output”) et les facteurs

x1 , . . . , xk (“inputs”) s’écrit sous la forme

y = f (x1 , . . . , xk ) + ε .

Jacques Zuber (HES-SO) Concepts et définitions de base 33 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Modélisation statistique du processus

La fonction f est généralement paramétrique. Le modèle s’écrit alors sous la

forme

y = f (x1 , . . . , xk ; β0 , β1 , . . . , βk ) + ε ,
où
les coefficients β0 , β1 , . . . , βk sont les paramètres à estimer en utilisant
le plan d’expériences et les mesures relevées;

les x1 , . . . , xk représentent les valeurs prises par les facteurs selon le

plan d’expériences.

Les erreurs ε sont des variables aléatoires supposées être issues d’une
distribution normale d’espérance 0 et de variance σ 2 . Elles sont distribuées
de manière symétrique autour de la partie déterministe.

Jacques Zuber (HES-SO) Concepts et définitions de base 34 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Modélisation statistique du processus : exemples

1 La fonction f est fréquemment linéaire. Cette linéarité nous permet

d’obtenir une bonne approximation de la relation existant entre la réponse et
les facteurs. En effet, nous ne sommes pas en mesure d’estimer directement
f vu que, bien souvent, nous ne disposons pas d’un nombre suffisant de
données. Si on ne considère que les effets principaux, le modèle s’écrit alors

y = β0 + β1 x1 + · · · + βk xk + ε.

2 Supposons que seulement trois facteurs sont considérés. Si en plus des

termes principaux, on ajoute les interactions (d’ordre 2), le modèle devient

y = β0 + β1 x1 + β2 x2 + β3 x3 + β12 x1 x2 + β13 x1 x3 + β23 x2 x3 + ε.

Jacques Zuber (HES-SO) Concepts et définitions de base 35 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Illustration

Figure: y = β0 + β1 x1 + ε

Jacques Zuber (HES-SO) Concepts et définitions de base 36 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Analyse, modélisation

La phase de modélisation et analyse statistique comprend différentes parties :

1 spécification du modèle statistique

; quels effets ? quelles interactions ?
2 estimation des paramètres du modèle;
3 tests d’hypothèses
; les effets de quels facteurs sont significatifs ?
4 validation du modèle;
5 si nécessaire, itérer les étapes précédentes
; simplification du modèle;
; changement de type de modèle;
6 utilisation du modèle
; optimisation, prédiction.

Jacques Zuber (HES-SO) Concepts et définitions de base 37 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Expérimentation et analyse
L’expérimentation statistique s’articule en règle générale autour de deux
axes
1 une planification optimale des expériences
; planification par démarche rationnelle;
2 une analyse des résultats (mesures) qui en découlent
; planification par démarche rationnelle; analyse des résultats à
l’aide de méthodes statistiques.

Retour

Jacques Zuber (HES-SO) Concepts et définitions de base 38 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Interprétation, diffusion, déploiement

Conclusions statistiques :
résultats numériques;
textes;
graphiques.

Conclusions pratiques :
Le projet s’est-il bien déroulé ?
Les objectifs fixés sont-ils atteints ?
Les conclusions sont-elles claires ?

Recommandations et prise de décisions.

Stratégie séquentielle.
Autres expériences ? Mesure de confirmation ? Autres facteurs ?

Jacques Zuber (HES-SO) Concepts et définitions de base 39 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 40 / 56

 Projet d’expérimentation Mise en oeuvre d’un projet d’expérimentation

“Far better an approximate answer to the ’right’

question, which is often vague, than an ’exact’ an-
swer to the wrong question, which can always be
made precise.”

John W. Tukey

Jacques Zuber (HES-SO) Concepts et définitions de base 41 / 56

 Quelques définitions de base

3 Définitions de base

1 Survol historique

2 Projet d’expérimentation

3 Quelques définitions de base

4 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 42 / 56

 Quelques définitions de base

Quelques définitions de base

Unité expérimentale, unité d’observation : source des valeurs

prises par une ou plusieurs variables. La source peut être un objet, un
individu sur lequel est appliqué un traitement.

Exemples : patient auquel est administré un médicament à doses

différentes, parcelle de terrain auquel est appliqué un engrais.

Erreur expérimentale : effet de toutes les sources de variation

non-contrôlées (ni fixées, ni même mesurées) incluant l’incertitude
(erreur) de mesure

; sa présence est détectée en effectuant plusieurs fois la même

mesure dans des conditions expérimentales identiques (répétitions).

Jacques Zuber (HES-SO) Concepts et définitions de base 43 / 56

 Quelques définitions de base

Quelques définitions de base

Variable de réponse : variable que l’on souhaite comprendre,

expliquer et maı̂triser à l’issue du projet. La variable de réponse est
l’“output” du système.

Exemples : rendement de différentes variétés d’une même espèce

végétale, réduction de la porosité d’un béton, diminution de la
quantité de NOx rejeté dans l’air par les automobiles, consommation
d’un moteur automobile, prix d’une crêpe.

La variable de réponse peut être quantitative (résistance en

compression d’un béton, perte de qualité) ou qualitative (appréciation
donnée par un jury à l’aménagement d’une place publique : mauvais
goût, passable, agréable, très agréable).

Jacques Zuber (HES-SO) Concepts et définitions de base 44 / 56

 Quelques définitions de base

Quelques définitions de base

Plan d’expériences : spécification de l’ensemble des essais à

effectuer précisant entre autres l’affectation des traitements aux
unités expérimentales.

Facteurs d’intérêt (primaires) : variables facilement contrôlables

dont on veut évaluer les effets sur la variable de réponse. Elles
constituent l’essence même du projet expérimental.

Exemples : quantité d’œuf, quantité de farine pour confectionner une

crêpe, granulats naturels (sable, gravillons), granulats artificiels pour
fabriquer du béton.

Jacques Zuber (HES-SO) Concepts et définitions de base 45 / 56

 Quelques définitions de base

Quelques définitions de base

Facteurs de nuisance (secondaires) : variables qui ne sont pas

foncièrement d’intérêt principal à l’expérience mais qui doivent néanmoins
être incorporées dans l’exécution de l’expérience.

Exemples : taille des gravillons, température de l’eau de refroidissement,

température ambiante.

Parmi les facteurs de nuisance, certains sont contrôlables (vitesse de

remplissage d’une bouteille), d’autres incontrôlables mais mesurables
(température ambiante, propriété du matériau) et finalement d’autres sont
des bruits (tout ce à quoi on n’y a pas pensé ou pas accès comme par
exemple les opérateurs et les fournisseurs).

Remarque : le choix des facteurs pouvant influencer la variable de réponse

nécessite une bonne connaissance du procédé.

Jacques Zuber (HES-SO) Concepts et définitions de base 46 / 56

 Quelques définitions de base

Quelques définitions de base

Traitement : combinaison des facteurs d’intérêt où chaque facteur

est fixé à un niveau donné.

Niveau (modalité) : valeur numérique ou qualitative d’un facteur

fixée par l’expérimentateur.

Effet : modification de la réponse entre deux conditions

expérimentales.

Exemple : augmentation du rendement d’un catalyseur en faisant

passer la température de 160 ◦ F à 180 ◦ F .

Jacques Zuber (HES-SO) Concepts et définitions de base 47 / 56

 Quelques définitions de base

Illustration de l’effet de deux facteurs sur la réponse

Effets des facteurs A et B sur la variable de réponse.

Jacques Zuber (HES-SO) Concepts et définitions de base 48 / 56

 Quelques définitions de base

Remarques

1 Selon le domaine, on distingue l’expérience et les expériences. En effet, dans

le domaine agronomique et dans le domaine médical, l’expérience représente
l’ensemble des opérations réalisées pour étudier plusieurs traitements
appliqués aux unités expérimentales. En revanche, dans le domaine
industriel, chaque manipulation forme en elle-même une expérience étant
donné qu’elle entraı̂ne différents réglages d’appareils voire même l’utilisation
de différents types d’appareils. Dans ce cours, nous adopterons une approche
industrielle en parlant plutôt d’expériences et de plans d’expériences.

2 Dans le milieu industriel, la formulation du problème, la définition des

facteurs et des variables de réponse occupent une place centrale. En
revanche, dans l’expérimentation agronomique, le choix du dispositif
expérimental est plus important que la définition des traitements et de leur
structure même si cet aspect ne doit pas être sous-estimé.

Jacques Zuber (HES-SO) Concepts et définitions de base 49 / 56

 Principes fondamentaux de l’expérimentation

4 Principes fondamentaux de l’expérimentation

1 Survol historique

2 Projet d’expérimentation

3 Quelques définitions de base

4 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 50 / 56

 Principes fondamentaux de l’expérimentation

Principes fondamentaux de l’expérimentation

1 Randomisation : affectation aléatoire des traitements
; objectif : équilibrer les effets des variables cachées non-contrôlées et
malveillantes.

2 Répétition : refaire au complet un essai d’un même traitement

; objectif : améliorer la précision de l’erreur expérimentale et assurer la
reproductibilité de l’essai.

3 Blocage : regroupement des essais défini par l’expérimentateur

; objectif : contrôler et neutraliser les facteurs nuisibles pour comparer
idéalement les traitements
(par exemple, contrôler l’effet provenant de la nécessité de réaliser les essais en deux
parties en raison de la durée des expériences et de contraintes matérielles).

Jacques Zuber (HES-SO) Concepts et définitions de base 51 / 56

 Principes fondamentaux de l’expérimentation

“Block what you can, randomise what you can not.”

Anonymous

Jacques Zuber (HES-SO) Concepts et définitions de base 52 / 56

 Principes fondamentaux de l’expérimentation

Quelques citations prises au gré du vent dans l’industrie

Jacques Zuber (HES-SO) Concepts et définitions de base 53 / 56

 Principes fondamentaux de l’expérimentation

“If you can’t describe what you’re doing as a pro-

cess, you don’t know what you are doing.”

W. E. Deming

Jacques Zuber (HES-SO) Concepts et définitions de base 54 / 56

 Principes fondamentaux de l’expérimentation

“What we have to learn to do, we learn by doing.”

Aristotle

Jacques Zuber (HES-SO) Concepts et définitions de base 55 / 56

 Principes fondamentaux de l’expérimentation

Jacques Zuber (HES-SO) Concepts et définitions de base 56 / 56