a) Modélisation par plan factoriel complet et par plan composite centré
Un plan factoriel complet et un plan composite centré sont deux approches pour étudier la relation
entre des facteurs d’entrée et une réponse de sortie, mais ils diffèrent par leur objectif et leur
structure.
| Caractéristique | Plan Factoriel Complet | Plan Composite Centré (PCC) |
| :--- | :--- | :--- |
| **Objectif Principal** | Étudier les effets principaux des facteurs et leurs interactions. Idéal pour le
criblage de facteurs. | Optimiser un processus en modélisant des effets quadratiques (courbures). |
| **Structure** | Comprend toutes les combinaisons possibles des niveaux (généralement 2) de
chaque facteur. | Combine un plan factoriel (points factoriels) avec des points axiaux (ou étoilés) et
des points centraux. |
| **Modèle Mathématique** | Permet de construire un modèle linéaire du premier ordre avec
interactions. | Permet de construire un modèle polynomial du second ordre, capable de décrire les
courbures. |
| **Nombre d’essais** | Augmente de façon exponentielle avec le nombre de facteurs (2^k pour k
facteurs). | Plus économique qu’un plan factoriel à 3 niveaux, mais plus complexe qu’un plan à 2
niveaux. |
En résumé, on utilise un **plan factoriel complet** pour identifier les facteurs les plus influents,
tandis qu’un **plan composite centré** est utilisé ensuite pour trouver les conditions optimales de
ces facteurs.
### b) Variable réelle et variable centrée réduite
La transformation des variables réelles en variables centrées réduites est une étape clé dans la
construction et l’interprétation des plans d’expériences.
| Caractéristique | Variable Réelle | Variable Centrée Réduite |
| :--- | :--- | :--- |
| **Définition** | La variable telle qu’elle est mesurée dans le processus (ex : température en °C,
pression en bar). | Variable sans dimension, codée pour représenter les niveaux du plan
d’expériences. |
| **Échelle** | Unités physiques spécifiques au facteur (ex : 50°C, 100°C). | Généralement codée
entre -1 (niveau bas) et +1 (niveau haut). Le centre du domaine est 0. |
| **Avantages** | Facile à comprendre et à mettre en œuvre directement dans le laboratoire ou
l’usine. | - **Orthogonalité** : Permet de décorréler les estimations des effets des facteurs.<br>-
**Comparaison** : Rend les coefficients du modèle directement comparables entre eux.<br>-
**Simplicité** : Simplifie les calculs matriciels. |
| **Utilisation** | Utilisée pour réaliser les expériences concrètes. | Utilisée pour l’analyse
statistique, la construction du modèle et l’interprétation des effets. |
### c) Matrice d’essais et matrice des effets
Ces deux matrices sont fondamentales dans un plan d’expériences, mais elles représentent des
informations différentes.
- **Matrice d’essais (ou matrice d’expérience)** : C’est le tableau qui organise le plan
expérimental. Chaque ligne correspond à un essai (une expérience) et chaque colonne à un
facteur. Les cellules contiennent les niveaux (codés, comme -1 et +1) de chaque facteur pour
chaque essai. Elle inclut souvent une colonne pour la réponse mesurée (Y).
- **Matrice des effets** : Cette matrice est utilisée pour calculer l’influence de chaque facteur
et interaction sur la réponse. Elle est dérivée de la matrice d’essais. Dans un plan factoriel à
deux niveaux, elle est souvent identique à la matrice d’essais (en variables codées) à laquelle
on ajoute des colonnes pour les interactions calculées (en multipliant les colonnes des
facteurs principaux). Elle permet de calculer les coefficients du modèle de régression.
En bref, la **matrice d’essais** vous dit *quelles expériences réaliser*, tandis que la **matrice des
effets** vous aide à *analyser les résultats* de ces expériences.
### d) Effet et interaction
- **Effet (ou effet principal)** : C’est l’influence d’un seul facteur sur la variable de réponse. Il
mesure comment la réponse change lorsque le facteur passe de son niveau bas à son niveau
haut, en moyennant l’influence des autres facteurs. Par exemple, l’effet de la température
sur le rendement.
- **Interaction** : Il y a interaction entre deux ou plusieurs facteurs lorsque l’effet d’un
facteur sur la réponse dépend du niveau d’un autre facteur. Par exemple, l’augmentation de
la température peut augmenter le rendement à une faible pression, mais le diminuer à une
pression élevée. L’effet de la température n’est donc pas constant et dépend de la pression.
### e) Domaine d’étude et domaine expérimental (pour trois facteurs)
- **Domaine d’étude** : C’est l’espace défini par les limites minimales et maximales que vous
choisissez pour chaque facteur. Pour trois facteurs, cela forme un **cube** dans un espace
tridimensionnel. C’est la « zone d’intérêt » globale pour votre investigation.
- **Domaine expérimental** : C’est l’ensemble des points (combinaisons de niveaux de facteurs) où
vous réalisez effectivement des expériences.
- Pour un **plan factoriel complet 2³**, le domaine expérimental est constitué uniquement des
**8 sommets** du cube.
- Pour un **plan composite centré**, le domaine expérimental inclut les 8 sommets du cube, plus
**6 points axiaux** (situés au centre de chaque face, en dehors du cube) et un ou plusieurs **points
au centre** du cube.
Le domaine expérimental est donc un sous-ensemble de points stratégiquement choisis à l’intérieur
(ou légèrement à l’extérieur) du domaine d’étude pour modéliser le comportement du système.