Créer et analyser un DOE factoriel

Create Factorial DoE est l'étape de génération du plan, où vous définissez votre expérience avant toute collecte de données. Vous précisez les facteurs à étudier, le nombre de niveaux de chaque facteur et la structure du plan, y compris la résolution, les blocs, les réplications et les points centraux.

Dernière révision

Point clé

Create Factorial DoE est l'étape de génération du plan, où vous définissez votre expérience avant toute collecte de données.

Sur cette page
  1. Qu'est-ce que Create Factorial DoE ?
  2. Quand utiliser Create Factorial DoE ?
  3. Recommandations pour bien utiliser Create Factorial DoE
  4. Alternatives : quand ne pas utiliser Create Factorial DoE
  5. Qu'est-ce que Analyse Factorial DoE ?
  6. Quand utiliser Analyse Factorial DoE ?
  7. Recommandations pour bien utiliser Analyse Factorial DoE
  8. Alternatives : quand ne pas utiliser Analyse Factorial DoE
  9. Exemple de création et d'analyse d'un DOE factoriel
  10. Comment créer et analyser un DOE factoriel

Qu'est-ce que Create Factorial DoE ?

Create Factorial DoE est l'étape de génération du plan, où vous définissez votre expérience avant toute collecte de données. Vous précisez les facteurs à étudier, le nombre de niveaux de chaque facteur et la structure du plan, y compris la résolution, les blocs, les réplications et les points centraux. L'outil génère ensuite un ensemble complet d'essais qui vous indique exactement quelle combinaison de réglages des facteurs tester et dans quel ordre.

Bien concevoir le plan à ce stade est essentiel : un plan factoriel bien construit garantit que les effets des facteurs peuvent être estimés avec exactitude, que la confusion est réduite au minimum et que l'expérience fournit le maximum d'informations utiles pour les ressources investies.

Définitions simples : l'étape de planification d'une expérience factorielle où vous définissez vos facteurs, la structure du plan et l'ordre des essais avant de collecter des données. Une expérience bien conçue conduit à des réponses claires et fiables.

Quand utiliser Create Factorial DoE ?

  • Utilisez-le lorsque vous devez planifier une nouvelle expérience factorielle de A à Z avant que le moindre essai ne soit réalisé.
  • Utilisez-le lorsque vous avez 2 à 15 facteurs (continus, catégoriels ou mixtes) et que vous voulez étudier leurs effets individuels et leurs interactions.
  • Utilisez-le lorsque vous voulez générer une liste d'essais structurée et randomisée qui protège des effets liés au temps et des biais d'opérateur.
  • Utilisez-le lorsque des contraintes de ressources ou de temps exigent un plan factoriel fractionnaire — tester un sous-ensemble soigneusement choisi de toutes les combinaisons possibles.

Recommandations pour bien utiliser Create Factorial DoE

  • Définissez des niveaux de facteurs réalistes et réalisables en pratique : les plages doivent être assez larges pour détecter de vrais effets, mais sûres et faisables à exploiter pendant l'expérience.
  • Veillez à randomiser l'ordre des essais : réaliser les essais dans un ordre aléatoire protège les résultats contre les effets systématiques liés au temps, les tendances de montée en température des équipements et l'effet d'apprentissage des opérateurs.
  • Incluez des points centraux dans chaque expérience : ils coûtent relativement peu d'essais mais permettent de détecter la courbure et d'estimer l'erreur.
  • Utilisez des blocs lorsqu'une variable parasite connue existe , par exemple des essais répartis sur plusieurs jours, équipes, machines ou lots de matière première, afin d'éviter que cette variable ne gonfle les effets apparents des facteurs.
  • Choisissez la résolution en fonction des informations les plus importantes : utilisez la résolution V lorsque les interactions entre deux facteurs sont importantes ; n'acceptez la résolution III que pour de grandes études initiales de criblage.

Alternatives : quand ne pas utiliser Create Factorial DoE

  • Si vous avez plus de 15 facteurs à cribler, utilisez d'abord la création d'un plan de criblage définitif pour réduire le nombre de facteurs importants avant d'investir dans un plan factoriel complet.
  • Si tous les facteurs sont des proportions d'ingrédients dont la somme doit être constante, utilisez plutôt la création d'un DOE de mélange : les plans factoriels standard ne peuvent pas gérer la contrainte de mélange.
  • Si l'expérience a déjà été réalisée et que vous avez des données à analyser, passez directement à l' analyse du DOE factoriel sans avoir besoin de créer un nouveau plan.

Qu'est-ce que Analyse Factorial DoE ?

Analyse Factorial DoE traite les données de réponse recueillies lors d'une expérience factorielle et ajuste un modèle statistique qui quantifie comment chaque facteur et leurs interactions influencent la réponse. Il identifie les effets statistiquement significatifs, estime l'amplitude et le sens de chaque effet, et produit des graphiques de diagnostic et des statistiques de synthèse pour vérifier que le modèle décrit les données de façon fiable.

L'analyse transforme les mesures expérimentales brutes en connaissances exploitables : elle indique quels facteurs pilotent réellement la réponse, dans quelle mesure, et si certains facteurs agissent ensemble d'une manière qui ne serait pas apparente en les étudiant individuellement.

Quand utiliser Analyse Factorial DoE ?

  • Utilisez-le après avoir réalisé tous les essais prévus et enregistré toutes les mesures de réponse.
  • Utilisez-le pour identifier les facteurs qui ont des effets statistiquement significatifs et ceux qui peuvent être ignorés sans risque dans la maîtrise future du procédé.
  • Utilisez-le pour quantifier l'amplitude et le sens de chaque effet , afin de savoir non seulement ce qui compte, mais aussi de combien la réponse change lorsque vous l'ajustez.
  • Utilisez-le pour détecter des interactions entre facteurs lorsque l'effet d'un facteur dépend du niveau d'un autre.

Recommandations pour bien utiliser Analyse Factorial DoE

  • Veillez à examiner les graphiques des résidus avant d'interpréter les effets : un modèle qui échoue aux contrôles de diagnostic ne doit pas servir à tirer des conclusions ni à formuler des recommandations.
  • Utilisez une construction hiérarchique du modèle : si un terme d'interaction est significatif, conservez tous les effets principaux impliqués dans cette interaction, même si ces effets principaux ne sont pas significatifs individuellement.
  • Tenez compte de la signification pratique en plus de la signification statistique : un effet peut être statistiquement détectable mais trop faible pour compter en pratique pour le procédé.
  • Validez le modèle final par des essais de confirmation aux réglages optimaux prédits avant de mettre en œuvre tout changement de procédé : le modèle est une prédiction, pas une garantie.
  • Si une courbure est détectée grâce aux points centraux, envisagez d' augmenter le plan avec des points axiaux pour ajuster un modèle de surface de réponse qui tient correctement compte de la relation courbe.

Alternatives : quand ne pas utiliser Analyse Factorial DoE

  • Si l'expérience a été créée à l'aide d'un plan de criblage définitif, utilisez plutôt l' analyse du plan de criblage définitif : elle emploie un algorithme spécialement optimisé pour la structure de données d'un plan de criblage définitif.
  • Si l'expérience était un plan de mélange, utilisez plutôt l' analyse du DOE de mélange : l'analyse factorielle standard ne gère pas correctement la contrainte de mélange.

Exemple de création et d'analyse d'un DOE factoriel

Les étapes sont les suivantes :

  1. Saisissez les données nécessaires dans le panneau de droite Design & Analysis Inputs.
Create & Analyse Factorial DOE — figure 1

2. Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.

3. Pour trouver Create & Analyse Factorial DoE, choisissez Statistical module> DOE>Create & Analyse Factorial DoE.

4. Cliquez sur Step 1. Les options requises sont renseignées avec les paramètres par défaut.

5. Cliquez sur Step 2. Dans le panneau de gauche sous Designed Experiments & Results, la matrice du plan est générée. Ajoutez les variables de réponse (résultats) sous forme de nouvelles colonnes à la fin de la matrice du plan.

6. Dans le panneau de droite sous Design & Analysis Inputs, repérez l'option Responses . Sélectionnez les colonnes de résultats nouvellement ajoutées pour les définir comme variables de réponse.

7. Sélectionnez les interaction terms requis selon les besoins de l'expérience

8. Cliquez sur Step 3 pour réaliser l'analyse du plan d'expériences.

Create & Analyse Factorial DOE — figure 2

9. Après avoir utilisé l'outil ci-dessus, récupérez les résultats comme suit :

Create & Analyse Factorial DOE — figure 3Create & Analyse Factorial DOE — figure 4Create & Analyse Factorial DOE — figure 5

Comment créer et analyser un DOE factoriel

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> DOE>Create & Analyse Factorial DoE.
  3. Ensuite, saisissez les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
  4. Ensuite, renseignez les options requises.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de Create & Analyse Factorial DoE, la fenêtre est divisée en deux parties.

Create & Analyse Factorial DOE — figure 6

Dans la partie gauche se trouve Designed Experiments & Results. Dans Designed Experiments & Results, le plan d'expériences est généré.

Dans la partie droite se trouvent plusieurs options, comme suit :

Load example : charge un jeu de données d'exemple prêt à l'emploi pour que vous puissiez explorer l'outil et comprendre le déroulement avant de saisir vos propres données.

  • Step 1: Fetch Design Options : renseigne automatiquement les options expliquées ci-dessus
    Step 2: Create Designed Experiments : génère le plan d'expériences dans le panneau de gauche (Designed Experiments & Results)
    Step 3: Analyse Experiments
    • Resolution : définit la quantité d'information que le plan factoriel fractionnaire peut estimer sans confusion. Les plans de résolution plus élevée séparent plus nettement les effets principaux et les interactions, mais exigent davantage d'essais :

      1. Plan factoriel complet (fraction complète)

      Un plan factoriel complet est un plan d'expériences dans lequel toutes les combinaisons possibles de niveaux des facteurs sont testées.

      Caractéristiques principales

      Avantages

      Inconvénients

      Exemple

      Pour 3 facteurs (A, B, C), chacun à 2 niveaux :
      Nombre total d'essais = 2³ = 8 essais

      2. Plan factoriel fractionnaire (demi-fraction – fraction 1/2)

      Un plan à demi-fraction (fraction 1/2) est un type de plan factoriel fractionnaire dans lequel seule la moitié des essais d'un plan factoriel complet est réalisée.

      Caractéristiques principales

      Avantages

      Inconvénients

      Exemple

      Pour 3 facteurs (A, B, C) :
      Plan factoriel complet = 8 essais
      Demi-fraction = 2³⁻¹ = 4 essais
      • S'il y a k facteurs, chacun à 2 niveaux, le nombre total d'essais est :
        2ᵏ
      • Évalue toutes les interactions possibles entre facteurs.
      • Fournit une information complète et sans confusion.
      • Aucune perte d'information due à l'aliasing.
      • Plus haut niveau d'exactitude.
      • Tous les effets principaux et effets d'interaction peuvent être estimés indépendamment.
      • Aucune ambiguïté d'interprétation.
      • Le nombre d'essais augmente rapidement avec le nombre de facteurs.
      • Peut être long et coûteux.
      • Pour k facteurs, le nombre d'essais devient :
        2ᵏ⁻¹
      • Réduit le nombre d'essais de 50 %.
      • Utilise un sous-ensemble de combinaisons choisi systématiquement.
      • Certains effets sont confondus (aliasés) avec d'autres.
      • Nécessite moins d'expériences, ce qui économise du temps et des coûts.
      • Utile aux premières étapes de l'expérimentation (criblage des facteurs importants).
      • Certains effets ne peuvent pas être séparés (en raison de l' aliasing).
      • L'interprétation peut être moins claire qu'avec les plans factoriels complets.
    • Centre Points per Block : le nombre d'essais au point central de toutes les plages de facteurs, ajoutés dans chaque bloc. Les points centraux aident à détecter la courbure de la réponse et fournissent une estimation indépendante de l'erreur expérimentale sans exiger de combinaisons de facteurs supplémentaires.
    • Replicates for Corner Points : le nombre de fois que chaque point de coin (combinaison extrême de facteurs) est répété. Ajouter des réplications augmente la précision des estimations des effets et fournit une estimation plus fiable de l'erreur, mais augmente le nombre total d'essais requis.
    • Blocks : divise l'expérience en groupes d'essais réalisés dans les mêmes conditions, par exemple par jour, opérateur ou équipement. Le blocage retire de l'analyse les sources de variation connues, ce qui donne des estimations plus nettes des effets des facteurs.
    • Responses : ajoutez les variables de réponse (mesures de résultats) qui seront recueillies pendant l'expérience. Elles doivent être saisies sous forme de nouvelles colonnes juste après la dernière colonne de la matrice du plan dans la feuille de calcul. Une fois les colonnes de réponse ajoutées, sélectionnez-les avec l'option Responses pour la colonne nouvellement ajoutée qui est la variable de résultat. Cela garantit que les résultats expérimentaux sont correctement associés aux réponses définies pour la suite de l'analyse.
    • Select Terms: choisissez les termes du modèle (effets principaux, interactions entre deux facteurs, effets quadratiques) à inclure dans le modèle d'analyse. Par défaut, les effets principaux sont inclus ; ajoutez des termes d'interaction si vous pensez que les facteurs s'influencent mutuellement.
    • Cela génère l'analyse du plan que vous avez généré.
  • Download as Excel : affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.

Questions fréquentes

Quelle est la différence entre un plan factoriel complet et un plan factoriel fractionnaire ?

Un plan factoriel complet teste toutes les combinaisons de niveaux des facteurs : pour k facteurs à 2 niveaux, cela fait 2ᵏ essais, avec des estimations complètes et sans confusion de tous les effets principaux et interactions. Une demi-fraction réalise 2ᵏ⁻¹ essais, soit la moitié, ce qui économise du temps et des coûts, mais certains effets sont confondus (aliasés) et ne peuvent pas être séparés.

Quand utiliser un DOE factoriel ?

Utilisez-le pour planifier une expérience avec 2 à 15 facteurs, continus, catégoriels ou mixtes, lorsque vous voulez étudier leurs effets individuels et leurs interactions. Choisissez un plan factoriel fractionnaire lorsque les ressources ou le temps limitent le nombre d'essais. Avec plus de 15 facteurs, criblez d'abord avec un plan de criblage définitif ; pour des proportions d'ingrédients, utilisez un plan de mélange.

Pourquoi ajouter des points centraux, des réplications et des blocs à un plan factoriel ?

Les points centraux coûtent relativement peu d'essais mais détectent la courbure et fournissent une estimation indépendante de l'erreur expérimentale. Répliquer les points de coin améliore la précision des estimations des effets. Les blocs regroupent les essais réalisés dans les mêmes conditions, comme un jour, un opérateur ou une machine, afin qu'une variable parasite connue ne gonfle pas les effets apparents des facteurs.

Comment analyser une expérience factorielle ?

Dans Zometric Statistical Software, Step 1 récupère les options du plan et Step 2 génère la matrice du plan ; ajoutez les colonnes de réponse à la fin, sélectionnez-les comme Responses, choisissez les termes du modèle et cliquez sur Step 3 pour analyser. Examinez les graphiques des résidus avant d'interpréter les effets, conservez les effets principaux impliqués dans des interactions significatives et confirmez l'optimum prédit par des essais de confirmation.