Méthodologie des surfaces de réponse (RSM)

La RSM génère un plan composite centré, Box-Behnken ou D-optimal pour des facteurs continus, ajuste un modèle quadratique complet avec ANOVA incluant le manque d'ajustement, et fournit une analyse canonique, des graphiques de contours et de surface et un optimiseur de désirabilité. Utilisez-la lorsque la réponse devrait se courber. Prévoyez des points centraux répliqués, randomisez l'ordre des essais et vérifiez les résidus et le manque d'ajustement avant de vous fier à l'optimum.

Dernière révision

Point clé

La méthodologie des surfaces de réponse (RSM) modélise une réponse qui se courbe selon des facteurs continus en ajustant un modèle quadratique, pour trouver les réglages qui maximisent, minimisent ou amènent la réponse à une cible.

Sur cette page
  1. Qu'est-ce qu'un plan de surface de réponse ?
  2. Quand utiliser un plan de surface de réponse ?
    1. Exigences sur les données
    2. Recommandations pour la collecte des données
    3. Ajustement du modèle
  3. Recommandations pour bien utiliser un plan de surface de réponse
    1. Alternatives : quand ne pas utiliser un plan de surface de réponse
  4. Exemple de plan de surface de réponse
  5. Comment réaliser un plan de surface de réponse

Qu'est-ce qu'un plan de surface de réponse ?

La méthodologie des surfaces de réponse (RSM) est un ensemble de techniques statistiques et mathématiques servant à modéliser et à optimiser une réponse supposée se courber — et pas seulement varier linéairement — sur l'étendue d'un ou plusieurs facteurs continus. Elle ajuste un modèle quadratique pour estimer la forme de la surface de réponse et trouver les réglages des facteurs qui maximisent, minimisent ou amènent la réponse à une cible.

Dans Zometric, l'outil Response Surface Design génère un plan composite centré (CCD), Box-Behnken ou D-optimal à partir des facteurs et des bornes que vous indiquez, ajuste un modèle quadratique complet à vos résultats (avec une ANOVA de type Minitab incluant le manque d'ajustement), et fournit une analyse canonique (point stationnaire), des graphiques de contours et de surface, ainsi qu'un optimiseur de désirabilité multi-réponses pour trouver les meilleurs réglages des facteurs.

Quand utiliser un plan de surface de réponse ?

Exigences sur les données

  • Tous les facteurs doivent être continus et numériques — les facteurs catégoriels ne sont pas pris en charge pour les types de plans CCD/Box-Behnken/D-optimal.
  • Au moins 2 facteurs sont requis pour un CCD ou un plan D-optimal ; Box-Behnken exige 3 à 7 facteurs.
  • La variable de réponse doit être continue et devoir présenter une courbure sur l'étendue étudiée — une réponse purement linéaire n'a pas besoin d'un modèle quadratique.

Recommandations pour la collecte des données

  • Réalisez le plan dans un ordre aléatoire pour éviter de confondre les effets des facteurs avec une dérive liée au temps.
  • Incluez des points centraux (répliqués au milieu de chaque facteur) — ce sont eux qui permettent à l'analyse de tester le manque d'ajustement et la courbure.
  • Choisissez des bornes de facteurs assez larges pour capturer le vrai optimum, mais réalistes pour le procédé — un optimum trouvé juste sur une borne doit être traité avec prudence.
  • Mesurez la réponse aussi précisément que possible ; le modèle quadratique est sensible aux mesures bruitées ou imprécises, surtout aux points centraux, qui déterminent l'estimation de l'erreur pure.

Ajustement du modèle

  • Examinez ensemble R-sq, R-sq(adj) et R-sq(pred) — un écart important entre R-sq et R-sq(pred) laisse penser que le modèle est sur-ajusté.
  • Vérifiez le test de manque d'ajustement (Lack-of-Fit) dans le tableau d'ANOVA — un manque d'ajustement significatif signifie que le modèle quadratique ne décrit pas correctement les données (envisagez un autre plan ou modèle, ou recherchez des valeurs aberrantes).
  • Examinez les graphiques des résidus (droite de probabilité normale, résidus en fonction des valeurs ajustées, histogramme, résidus en fonction de l'ordre) pour confirmer que les hypothèses usuelles de la régression sont satisfaites avant de vous fier à l'analyse canonique ou aux résultats de l'optimiseur.

Recommandations pour bien utiliser un plan de surface de réponse

  • Utilisez uniquement des variables de réponse et de facteurs continues ; cette méthode sert à modéliser la courbure d'une surface de réponse numérique, pas des résultats catégoriels.
  • Choisissez le plan composite centré (CCD) pour prolonger une expérience factorielle ou de criblage existante afin de modéliser la courbure ; choisissez Box-Behnken pour éviter les combinaisons extrêmes (coins) de tous les facteurs à la fois ; choisissez D-optimal lorsque le nombre d'essais est limité ou que les bornes des facteurs sont irrégulières.
  • Incluez toujours des points centraux — sans eux, le modèle ne peut ni tester le manque d'ajustement ni estimer l'erreur pure.
  • Randomisez l'ordre des essais pour éviter qu'une dérive liée au temps ou à l'environnement ne soit confondue avec les effets des facteurs.
  • Examinez l'ANOVA (surtout le manque d'ajustement) et les graphiques des résidus avant de vous fier à l'analyse canonique, aux graphiques de contours et de surface ou aux résultats de l'optimiseur — un modèle mal ajusté produit un « optimum » trompeur.
  • Utilisez l'analyse canonique (Canonical Analysis) pour comprendre le type de surface dont vous disposez (maximum, minimum, selle ou crête) avant de prendre le point stationnaire au pied de la lettre — un point selle n'est pas un véritable optimum.
  • Utilisez le Response Optimizer (Step 3) lorsque vous avez plusieurs réponses aux objectifs différents, voire contradictoires — il trouve le meilleur compromis (désirabilité composite) plutôt que d'optimiser une seule réponse isolément.

Alternatives : quand ne pas utiliser un plan de surface de réponse

  • Si vous voulez seulement identifier lesquels parmi de nombreux facteurs comptent (sans modéliser la courbure), utilisez plutôt le plan de criblage définitif (Create Definitive Screening / Analyse Screening Design).
  • Si vos facteurs devraient se comporter linéairement (sans courbure) et que vous vous intéressez surtout aux effets principaux et aux interactions, utilisez plutôt Create & Analyse Factorial DoE (DOE factoriel).
  • Si vous combinez des ingrédients dont les proportions doivent totaliser une valeur fixe, utilisez plutôt Create & Analyse Mixture DoE (DOE de mélange).
  • Si votre objectif est la robustesse face aux facteurs de bruit (trouver des réglages insensibles aux variations incontrôlables) plutôt que la modélisation de la courbure, utilisez plutôt Taguchi Robust Design (plan robuste de Taguchi).
  • Si vous disposez déjà d'un modèle ajusté et devez seulement chercher les réglages optimaux sans refaire le plan d'expériences, utilisez Response Optimizer.

Exemple de plan de surface de réponse

Un ingénieur procédés veut maximiser le rendement (Yield) d'une réaction chimique, dont on pense qu'il dépend de la température et de la pression de façon courbe (et non purement linéaire), d'après des expériences factorielles antérieures ayant montré une courbure significative. Un plan composite centré (circonscrit, rotatif) est choisi pour les deux facteurs, Temperature (150–180°C) et Pressure (10–20 bar), avec des points centraux supplémentaires pour tester le manque d'ajustement ; les essais sont réalisés dans un ordre aléatoire et le rendement est mesuré pour chacun. Les étapes suivantes ont été réalisées :

  • Rassembler les données nécessaires.
  • Analyser les données à l'aide de https://statsai.zometric.com/.
  • Pour trouver Response Surface Design, choisissez Statistical module > DOE > Create & Analyse Response Surface Design.
  • Dans l'outil, saisir les données ainsi que les options de plan et d'analyse comme suit :
rsm-options-raw
  • Après avoir utilisé l'outil ci-dessus, récupérer les résultats comme suit :
rsm-out-doe


Comment réaliser un plan de surface de réponse

La marche à suivre est la suivante :

  • Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  • Sur la page d'accueil, choisissez Statistical Tool > DOE > Create & Analyse Response Surface Design.
  • Définissez vos facteurs (nom, bas, haut), choisissez un type de plan (CCD, Box-Behnken ou D-Optimal) et réglez ses options.
  • Cliquez sur Generate Design, saisissez vos Result(s) mesurés dans la matrice des essais générée, choisissez les options d'analyse, puis cliquez sur Analyse Design.
  • Facultativement, définissez un objectif par réponse dans Step 3 et cliquez sur Optimize pour trouver les meilleurs réglages des facteurs.

Sur le tableau de bord de Response Surface Design, la fenêtre est divisée en deux parties, avec un troisième panneau en dessous pour l'optimisation.

Dans la partie gauche se trouve STEP 1: Define Factors & Generate Design.

  • Factors : les entrées continues que vous voulez étudier (p. ex. Temperature, Pressure). Saisissez un nom, une valeur Low et une valeur High pour chacune.
  • Design type : Central Composite Design (CCD), Box-Behnken ou D-Optimal.
  • Face type / Alpha type (CCD only) : contrôle la géométrie des points axiaux — Circumscribed, Inscribed ou Face-Centered, et si le plan est Rotatable ou Orthogonal.
  • Center points (CCD/Box-Behnken) : combien d'essais répliqués au point central inclure, pour le test du manque d'ajustement.
  • Number of blocks (CCD only) : divise le plan en 1, 2 ou 3 blocs si l'expérience doit être réalisée sur plusieurs périodes ou lots.
  • Model type / Number of runs (D-Optimal only) : le modèle (linéaire, avec interactions ou quadratique) pour lequel le plan doit être optimisé, et le nombre d'essais souhaité.

Dans la partie droite se trouve STEP 2: Enter Results & Analyse, ainsi que les options suivantes :

  • Confidence level : le pourcentage de confiance utilisé pour les intervalles de confiance des coefficients dans le tableau des résultats.
  • Canonical analysis (stationary point) : indique le type de surface (maximum, minimum, selle ou crête) et les réglages des facteurs à son point stationnaire.
  • Four in one / Histogram / Normal probability plot / Versus fits / Versus order : graphiques de diagnostic des résidus, pour confirmer que l'ajustement du modèle est correct.
  • Contour plot / Surface plot / Overlaid contour plot : visualise la surface de réponse ajustée selon deux facteurs choisis (indiqués par le numéro de facteur des axes X1/X2), les autres étant maintenus à leur valeur centrale.
  • Response low / Response high : pour le graphique de contours superposés — la plage de réponse acceptable à ombrer comme réalisable.
  • Download as Excel : exporte le plan, les résultats, les coefficients et l'ANOVA dans un classeur Excel.

Enfin, STEP 3: Response Optimizer se trouve en dessous, où vous définissez par réponse un Goal (Maximize, Minimize ou Target), Lower, Target, Upper, Weight et Importance, puis cliquez sur Optimize pour trouver les réglages des facteurs qui satisfont au mieux toutes les réponses à la fois (désirabilité composite).

rsm-optimizer-out


Questions fréquentes

CCD, Box-Behnken ou D-optimal : quel plan choisir ?

Choisissez un plan composite centré pour prolonger une expérience factorielle ou de criblage existante afin de modéliser la courbure. Choisissez Box-Behnken pour éviter les combinaisons extrêmes (coins) de tous les facteurs à la fois ; il nécessite 3 à 7 facteurs. Choisissez D-optimal lorsque le nombre d'essais est limité ou que les bornes des facteurs sont irrégulières. Les plans CCD et D-optimal nécessitent au moins 2 facteurs.

Pourquoi des points centraux sont-ils nécessaires dans un plan de surface de réponse ?

Les points centraux, répliqués au milieu de chaque facteur, permettent à l'analyse de tester le manque d'ajustement et la courbure et d'estimer l'erreur pure. Sans eux, le modèle ne peut pas tester le manque d'ajustement. Mesurez la réponse aussi précisément que possible, surtout aux points centraux, car ils déterminent l'estimation de l'erreur pure.

Comment vérifier l'ajustement d'un modèle RSM ?

Examinez ensemble R-sq, R-sq(adj) et R-sq(pred) ; un écart important entre R-sq et R-sq(pred) laisse penser à un sur-ajustement. Un test de manque d'ajustement significatif signifie que le modèle quadratique ne décrit pas correctement les données. Vérifiez les graphiques des résidus avant de vous fier à l'analyse canonique, aux graphiques de contours ou à l'optimiseur, car un modèle mal ajusté donne un optimum trompeur.

Que nous apprend l'analyse canonique en RSM ?

L'analyse canonique indique le type de surface, maximum, minimum, selle ou crête, et les réglages des facteurs à son point stationnaire. Vérifiez le type avant de prendre le point stationnaire au pied de la lettre, car un point selle n'est pas un véritable optimum. Pour plusieurs réponses, l'optimiseur de réponses de Zometric Statistical Software trouve le meilleur compromis par désirabilité composite.