Plans d'expériences
Un plan d'expériences (DOE, design of experiments) est un programme d'essais fixé avant le premier essai. L'équipe choisit les facteurs d'un processus, donne à chacun un niveau bas et un niveau haut, puis exécute les essais dans les combinaisons prévues. La comparaison des résultats montre quels facteurs déplacent la mesure visée et lesquels agissent ensemble. R. A. Fisher a posé la méthode en 1935: un essai qui fait varier plusieurs facteurs selon un schéma renseigne sur chacun d'eux. Changer un facteur à la fois demande plus d'essais pour la même précision et ne montre aucune interaction.
Objectif
Un responsable de processus cherche quels réglages déplacent un résultat mesuré et de combien. Il cherche aussi lesquels agissent ensemble. Il y a interaction entre deux facteurs quand l'effet de l'un dépend du niveau de l'autre.
Le NIST définit le plan d'expériences comme une procédure efficace pour planifier des expériences dont les données mènent à des conclusions valides et objectives. Le plan dit quels facteurs l'équipe fait varier, à quels niveaux, dans quelles combinaisons et dans quel ordre.
Le plan prépare une décision: le réglage à retenir, les facteurs à surveiller, ceux que l'équipe peut laisser libres. Le livrable est la matrice d'expériences remplie de ses résultats avec le tableau des effets et le graphique d'interaction.
Usage
Quand l'utiliser
- Processus à plusieurs paramètres réglables: trouver la combinaison de réglages qui atteint une cible de qualité ou de rendement.
- Essais un facteur à la fois restés sans résultat: chercher l'interaction que ces essais ne peuvent pas voir.
- Phase Improve d'un DMAIC: mesurer l'effet des causes retenues et de leurs combinaisons en peu d'essais.
- Causes candidates issues de l'analyse des causes racines: vérifier par l'essai celles qui se règlent.
- Nombreux facteurs candidats: un plan de criblage retient les quelques facteurs qui comptent.
- Essais coûteux: chaque essai d'un plan factoriel renseigne sur tous les facteurs.
- Processus sensible aux conditions extérieures: chercher un réglage qui donne le bon résultat malgré les facteurs non contrôlés.
- Choix entre fournisseurs ou matières: comparer les options dans plusieurs conditions de production.
Quand ne pas l'utiliser
- Facteurs impossibles à régler: seules des données d'observation existent, préférer la formulation et le test d'hypothèses.
- Processus instable: ses dérives masquent les effets, le stabiliser d'abord avec une carte de contrôle.
Description
Facteurs, niveaux et réponse
Le plan d'expériences traite le processus comme une boîte noire. Les facteurs y entrent et la réponse en sort.
- Lot de matière
- Opérateur
- Journée
- Température ambiante
- Humidité
Un facteur est une entrée que l'expérimentateur règle: une température, une pression, un temps de cycle, un fournisseur. Il peut être continu ou ne prendre que quelques valeurs distinctes. Un niveau est la valeur que prend un facteur pendant un essai. Un plan à deux niveaux donne à chaque facteur un niveau bas et un niveau haut, codés -1 et +1.
La réponse est le résultat mesuré à la sortie. Un essai exécute le processus à une combinaison de niveaux et mesure la réponse.
Des facteurs non contrôlés agissent aussi sur la réponse. L'équipe ne les règle pas. Certains sont connus et repérables: le lot de matière, l'opérateur, la journée. Ce sont les facteurs parasites. Le plan les neutralise par les blocs. D'autres échappent au relevé: la température ambiante, l'humidité. La randomisation disperse leur effet.
L'effet principal d'un facteur est l'écart entre la réponse moyenne des essais à son niveau haut et celle des essais à son niveau bas. L'interaction se mesure de même sur le produit des signes de deux facteurs. Fisher note qu'elle est symétrique: si B modifie l'effet de A, A modifie l'effet de B.
Un facteur à la fois: plus d'essais, aucune interaction
La démarche intuitive part du réglage actuel, change un facteur, garde le meilleur résultat, puis passe au facteur suivant. Cette démarche vient de l'enseignement de la physique élémentaire. Elle convient pour démontrer une loi connue. Le chercheur ignore quels facteurs comptent et s'ils agissent indépendamment. Fisher tient toujours pour susceptibles d'interagir les modifications d'un appareil, d'une machine ou d'un procédé industriel.
Le plan factoriel est plus économe. Dans l'exemple de Fisher, quatre ingrédients d'un mélange prennent chacun une petite et une grande dose. Les 16 combinaisons sont testées six fois, soit 96 essais. Pour chaque ingrédient, 48 essais à grande dose se comparent à 48 essais à petite dose. Cette comparaison a la même précision que si les 96 essais avaient porté sur ce seul ingrédient. Fisher en conclut que le plan factoriel atteint la même précision avec le quart des observations.
Le plan factoriel mesure aussi les interactions. Des expériences séparées n'en donnent aucune idée, même avec 96 essais par ingrédient. Si A n'améliore le mélange qu'en présence de B, seul un essai de A avec B et sans B le révèle. Le plan factoriel fait cette comparaison pour chaque paire de facteurs.
Fisher ajoute qu'une conclusion tirée d'essais où les autres facteurs ont varié vaut pour un domaine plus large qu'une conclusion tirée de conditions constantes.
Un mouleur règle la température du moule (40 ou 60 °C) et la pression de maintien (500 ou 700 bar) d'un clip. La réponse est sa force d'arrachement. La démarche un facteur à la fois part de 40 °C et 500 bar, où la force moyenne sur les deux temps de refroidissement vaut 48 N. Passer le moule à 60 °C donne 46 N: l'équipe garde 40 °C. Passer ensuite la pression à 700 bar donne 44 N: l'équipe garde 500 bar. Elle conclut qu'aucun réglage n'améliore le clip. Elle n'a jamais essayé 60 °C avec 700 bar. Ce réglage donne 62 N.
Randomisation, répétition et blocs
La randomisation tire au sort l'ordre des essais. L'ordre standard numérote les essais selon les signes des facteurs. Le signe de A y change le plus vite. Dans l'ordre standard du clip, le temps de refroidissement reste bas pour les essais 1 à 4 et haut pour les essais 5 à 8. Si le moule chauffe au fil de la journée, cette dérive passe pour un effet du refroidissement. Le tirage au sort disperse ces dérives sur tous les facteurs.
La répétition exécute le plan complet plus d'une fois. Elle estime l'erreur expérimentale, dont l'équipe a besoin pour juger qu'un effet est réel. Chaque combinaison reçoit alors une moyenne et une mesure de dispersion. L'équipe vérifie que la variabilité reste la même dans tout le domaine testé. Elle repère aussi les réglages qui donnent des résultats irréguliers.
Un bloc regroupe des essais faits dans des conditions homogènes: un même lot de matière, une même équipe, une même journée. Le facteur parasite reste constant dans le bloc. L'analyse compare les niveaux des facteurs dans chaque bloc. L'écart entre les blocs ne pèse plus sur les effets. Fisher propose de répartir ses 96 essais en six séries plus homogènes que l'ensemble.
Choisir le plan
Le choix dépend de l'objectif et du nombre de facteurs. Un objectif de comparaison porte sur un facteur que l'on sait important: le fournisseur A vaut-il le fournisseur B? Un objectif de criblage sépare les quelques facteurs qui comptent des nombreux facteurs qui comptent peu. Un objectif de surface de réponse estime les interactions et les courbures. Il sert à trouver le meilleur réglage, à corriger un point faible ou à rendre le processus robuste aux influences extérieures.
| Nombre de facteurs | Comparaison | Criblage | Surface de réponse |
|---|---|---|---|
| 1 | Plan complètement randomisé à un facteur | Sans objet | Sans objet |
| 2 à 4 | Plan en blocs randomisés | Plan factoriel complet ou fractionnaire | Plan composite centré ou plan de Box-Behnken |
| 5 ou plus | Plan en blocs randomisés | Plan factoriel fractionnaire ou plan de Plackett-Burman | Criblage d'abord pour réduire le nombre de facteurs |
Avec un seul facteur à deux niveaux, le plan se réduit à une comparaison randomisée. Sur une page web ou un message, c'est le test A/B.
Un plan factoriel complet à deux niveaux essaie toutes les combinaisons des niveaux. Avec k facteurs, il compte 2k essais: 4 pour deux facteurs, 8 pour trois, 16 pour quatre, 64 pour six. À partir de cinq facteurs, l'équipe lui préfère un plan fractionnaire ou un plan de Plackett-Burman, qui fait le criblage avec moins d'essais.
L'équipe choisit un plan un peu plus court que le budget ne le permet. La réserve couvre les reprises d'essais ratés et les points au centre. Un point au centre place chaque facteur à mi-chemin entre ses deux niveaux. Il révèle une courbure que deux niveaux seuls ne voient pas. Il suppose des facteurs quantitatifs.
Le plan fractionnaire et la confusion des effets
Un plan fractionnaire exécute une fraction choisie du plan complet: la moitié, le quart, le huitième. Le demi-plan 23-1 garde 4 des 8 essais d'un plan à trois facteurs.
Dans ce demi-plan, la colonne du facteur C reprend le produit des colonnes A et B. L'effet calculé pour C est la somme de l'effet de C et de l'interaction AB. Ces deux effets sont confondus (aliasing). Chaque effet principal du demi-plan est confondu de même avec une interaction de deux facteurs. L'interaction est un fait du processus. La confusion est une propriété du plan.
AB = C
Le plan fractionnaire repose sur une hypothèse que le NIST nomme parcimonie des effets (sparsity of effects): les interactions confondues sont faibles devant les effets principaux. Si elles sont négligeables, l'estimation des effets principaux tient. Dans les essais 2, 3, 5 et 8 du clip, l'effet calculé pour le temps de refroidissement vaut 11 N: 1 N de cet effet et 10 N de l'interaction température-pression.
La résolution d'un plan fractionnaire dit quels effets il confond.
| Résolution | Effets confondus |
|---|---|
| III | Les effets principaux sont confondus avec des interactions de deux facteurs. |
| IV | Aucun effet principal n'est confondu avec une interaction de deux facteurs. Au pire, un effet principal est confondu avec des interactions de trois facteurs. Des interactions de deux facteurs sont confondues entre elles. |
| V | Aucun effet principal ni aucune interaction de deux facteurs n'est confondu avec un autre effet principal ou une autre interaction de deux facteurs. Les interactions de deux facteurs sont confondues avec des interactions de trois facteurs. |
Une interaction d'ordre élevé a moins de chances d'être significative qu'une interaction de deux facteurs. Un plan de résolution IV confond donc moins gravement qu'un plan de résolution III. Le logiciel qui génère le plan affiche sa résolution et la liste de ses confusions. L'équipe lit cette liste avant le premier essai.
Conduire l'expérience
- Fixer l'objectif: la décision à prendre, la réponse à mesurer et sa méthode de mesure.
- Choisir les facteurs et leurs niveaux: deux à quatre facteurs pour un plan complet, davantage pour un criblage.
- Choisir le plan: d'après l'objectif et le nombre de facteurs.
- Exécuter le plan: dans l'ordre tiré au sort. Noter tout ce qui arrive.
- Vérifier les données: contrôler qu'elles respectent les hypothèses de l'expérience.
- Analyser et interpréter: lire les effets principaux, puis les interactions.
- Exploiter les résultats: appliquer le réglage retenu ou préparer les essais suivants.
L'équipe mesure la réponse sur une échelle continue si possible. Elle vérifie d'abord l'instrument de mesure. Une mesure qui varie plus que l'effet cherché le masque.
Les niveaux bas et haut s'écartent assez pour produire un effet visible. Ils restent dans la plage que le processus supporte sans dommage. Le responsable du processus valide cette plage. L'équipe vérifie aussi que chaque combinaison prévue est réalisable: deux niveaux possibles séparément ne le sont pas toujours ensemble.
Pendant l'exécution, l'équipe évite tout changement non prévu comme un opérateur remplacé à mi-parcours. Elle surveille les dérives du processus et garde du temps et de la matière pour les imprévus. Elle conserve toutes les données brutes, jamais les seules moyennes. Elle remet l'équipement dans son état initial à la fin. L'équipe obtient l'accord de chaque partie prenante avant le premier essai, puisque le plan immobilise une machine ou une ligne.
L'équipe conduit une suite de petites expériences plutôt qu'une seule grande. Un plan de criblage retient les facteurs qui comptent. Un plan de surface de réponse règle ensuite ces facteurs au plus près de la cible.
Lire les résultats
L'équipe regarde les données avant tout modèle: l'histogramme des réponses, les réponses dans l'ordre d'exécution, les points au centre. Une tendance dans l'ordre d'exécution signale une dérive pendant le plan.
Le graphique des effets principaux porte la réponse moyenne de chaque facteur à ses deux niveaux. Le graphique d'interaction porte la réponse moyenne d'un facteur à ses deux niveaux avec une droite par niveau de l'autre facteur. Des droites parallèles signalent l'absence d'interaction. Des droites qui divergent ou se croisent signalent une interaction. Quand l'interaction est forte, l'effet principal moyen trompe: l'équipe lit l'effet d'un facteur à chaque niveau de l'autre.
Un plan sans répétition n'estime pas directement l'erreur expérimentale. Le graphique normal ou semi-normal des effets range alors les effets estimés. Les effets négligeables se comportent comme du bruit et s'alignent sur une droite. Les effets importants s'en écartent. L'équipe examine ensuite les résidus. Un résidu est l'écart entre une réponse observée et la réponse que le modèle prédit.
Le NIST demande au moins trois essais de confirmation au meilleur réglage, même si ce réglage figurait dans le plan. L'équipe les exécute dans des conditions aussi proches que possible de celles du plan. Leurs réponses doivent rester proches de la prédiction.
Le réglage confirmé entre ensuite dans le processus. La capabilité du processus mesure s'il tient les tolérances. La carte de contrôle surveille qu'il ne dérive pas.
Les pièges
Lire l'effet principal seul. Dans l'exemple du clip, l'effet moyen de la température vaut 8 N. À 500 bar, monter la température coûte pourtant 2 N. Elle n'aide qu'à 700 bar.
Garder l'ordre standard. Exécuter les essais dans l'ordre du tableau lie chaque facteur à l'heure de l'essai. Une dérive du processus passe alors pour un effet.
Lire un plan fractionnaire comme un plan complet. Un effet confondu avec une interaction forte reçoit la valeur de cette interaction. La liste des confusions dit quels effets le plan ne sépare pas.
Conclure hors du domaine testé. Le plan décrit le processus entre les niveaux bas et hauts. Au-delà, il ne dit rien.
Mettre trop de facteurs dans un seul plan. L'équipe garde l'expérience aussi simple que possible. Un criblage suivi d'un plan plus fin coûte moins qu'un plan qui veut tout trancher d'un coup.
Ne garder que les moyennes. Un résultat anormal ne s'explique qu'avec les données brutes et le journal des essais.
Considérations IA
Un modèle de langue lit les documents du processus, l'AMDEC et les rapports d'incidents. Il dresse une liste de facteurs candidats avec les plages de réglage que citent ces documents. L'équipe trie cette liste. Le modèle de langue rédige aussi le protocole: la matrice d'expériences, la feuille de relevé, les consignes aux opérateurs.
Le modèle de langue écrit le script R ou Python qui génère le plan, tire l'ordre au sort, calcule les effets et trace les graphiques. Le calcul se fait dans le script. Un modèle de langue qui calcule lui-même des moyennes sur huit lignes se trompe parfois de signe ou de ligne. L'équipe vérifie le script sur un plan dont elle connaît les effets.
Le modèle de langue ne fixe pas les niveaux. Un niveau trop haut peut endommager l'outillage ou dépasser une limite de sécurité. Le responsable du processus fixe la plage. Le modèle de langue ne décide pas non plus qu'un effet est réel: le graphique semi-normal et les essais de confirmation tranchent. Les paramètres de fabrication et les résultats d'essai relèvent souvent du secret d'affaires. Ils ne partent vers un service d'IA externe qu'avec l'accord du responsable des données.
Exemples
Un sous-traitant jurassien moule par injection un boîtier muni d'un clip. L'équipe teste trois facteurs à deux niveaux dans un plan factoriel complet de 8 essais. La réponse est la force d'arrachement du clip.
| Essai | Ordre d'exécution | A: température du moule | B: pression de maintien | C: temps de refroidissement | Force (N) |
|---|---|---|---|---|---|
| 1 | 6 | - (40 °C) | - (500 bar) | - (10 s) | 47 |
| 2 | 2 | + (60 °C) | - (500 bar) | - (10 s) | 46 |
| 3 | 4 | - (40 °C) | + (700 bar) | - (10 s) | 44 |
| 4 | 8 | + (60 °C) | + (700 bar) | - (10 s) | 61 |
| 5 | 1 | - (40 °C) | - (500 bar) | + (20 s) | 49 |
| 6 | 7 | + (60 °C) | - (500 bar) | + (20 s) | 46 |
| 7 | 5 | - (40 °C) | + (700 bar) | + (20 s) | 44 |
| 8 | 3 | + (60 °C) | + (700 bar) | + (20 s) | 63 |
| Effet | Moyenne des essais à + | Moyenne des essais à - | Effet (N) |
|---|---|---|---|
| A: température | 54 | 46 | 8 |
| B: pression | 53 | 47 | 6 |
| C: refroidissement | 50,5 | 49,5 | 1 |
| AB | 55 | 45 | 10 |
| AC | 50 | 50 | 0 |
| BC | 50 | 50 | 0 |
| ABC | 50,5 | 49,5 | 1 |
L'interaction AB est le plus grand effet. L'équipe retient 60 °C et 700 bar. L'effet estimé du temps de refroidissement (1 N) est de l'ordre des effets AC, BC et ABC: l'équipe le règle à 10 s, ce qui raccourcit le cycle. La moyenne des huit essais vaut 50 N. Chaque effet ajoute la moitié de sa valeur à cette moyenne quand son signe vaut + et la retranche quand son signe vaut -. Le signe de AB est le produit des signes de A et de B. À 60 °C et 700 bar, les signes de A, B et AB valent tous +. Le modèle à trois effets prédit donc 50 + (8 + 6 + 10)/2 = 62 N à 60 °C et 700 bar. Trois essais de confirmation à ce réglage doivent rester proches de 62 N.
Visualisations
Le schéma de la boîte noire place les facteurs, la réponse et les facteurs non contrôlés. Le carré des réglages montre le coin que la démarche un facteur à la fois ne visite pas. Le cube du demi-plan montre les quatre essais retenus et la confusion de C avec AB. Le graphique d'interaction du clip montre deux droites qui se croisent. Le choix du plan, les résolutions, la matrice d'expériences et le tableau des effets sont des tableaux.
Coût
| Phase | Niveau | Justification |
|---|---|---|
| Préparation | Moyen | Objectif, facteurs, niveaux et plan à fixer avec le responsable du processus. Instrument de mesure à vérifier. |
| Exécution | Élevé | Chaque essai immobilise la machine et consomme de la matière. Un plan de 8 essais avec 3 points au centre et 3 essais de confirmation en compte 14. |
| Documentation | Faible | Le logiciel produit le tableau des effets et les graphiques. Le journal des essais et les données brutes se tiennent pendant l'exécution. |
Outils
Un tableur suffit pour un plan complet de 4 ou 8 essais. Il porte une colonne de signes par facteur et par interaction avec une formule de moyenne au bas de chaque colonne. Un tri sur une colonne remplie par la fonction ALEA tire l'ordre d'exécution au sort.
Au-delà, un logiciel statistique génère le plan, affiche la résolution et les confusions d'un plan fractionnaire, puis trace les graphiques d'effets et d'interaction: Minitab, JMP, Design-Expert. En R, le paquet FrF2 construit les plans fractionnaires à deux niveaux. En Python, la bibliothèque statsmodels ajuste le modèle et calcule les résidus.
Sur le terrain, une feuille de relevé sur papier ou sur tablette note pour chaque essai l'heure, l'opérateur, le lot de matière et tout incident.
Sources
- R. A. Fisher, The Design of Experiments, 2e éd., Oliver and Boyd, Édimbourg, 1937 (1re éd. 1935), chap. VI, §37 «The Single Factor», §38 «A Simple Factorial Scheme» et §39 «The Basis of Inductive Inference»: la critique de la démarche un facteur à la fois, l'exemple des quatre ingrédients en 96 essais, la définition de l'interaction, les trois avantages du plan factoriel.
- NIST/SEMATECH, e-Handbook of Statistical Methods, §5.1 Introduction: la définition, le modèle de la boîte noire, les usages, les sept étapes, les précautions pratiques, la suite de petites expériences.
- NIST/SEMATECH, e-Handbook of Statistical Methods, §5.3.3 How do you select an experimental design?: le tableau de choix du plan, les blocs, les plans factoriels complets, l'exemple du polissage avec répétition, randomisation et points au centre.
- NIST/SEMATECH, e-Handbook of Statistical Methods, §5.3.3.4.3 Confounding (also called aliasing): le demi-plan 23-1, la confusion des effets, la parcimonie des effets.
- NIST/SEMATECH, e-Handbook of Statistical Methods, §5.3.3.4.4 Fractional factorial design specifications and design resolution: les résolutions III, IV et V.
- NIST/SEMATECH, e-Handbook of Statistical Methods, §5.4 Analysis of DOE data: les graphiques d'effets et d'interaction, le graphique normal des effets, les résidus, les essais de confirmation.
- G. E. P. Box, J. S. Hunter, W. G. Hunter, Statistics for Experimenters: Design, Innovation, and Discovery, 2e éd., Wiley, Hoboken, 2005: manuel de statistique expérimentale.

