Menu

Plan factoriel complet

Author: Dr. Hannah Volk-Jesussek
Updated:

Un plan factoriel complet est une méthode systématique qui permet d'étudier les effets et les interactions possibles de plusieurs facteurs sur une variable de réponse. Contrairement à un plan factoriel fractionnaire, un plan factoriel complet inclut toutes les combinaisons possibles des niveaux de facteurs.

Plan factoriel complet

L'objectif est d'étudier comment différentes variables d'entrée influencent une variable de sortie. Les variables d'entrée du système sont appelées facteurs, et la variable de sortie est appelée variable de réponse ou variable cible.

Objectif du plan factoriel complet

Les facteurs sont les variables susceptibles d'influencer la variable cible. Chaque facteur possède au moins deux niveaux ou réglages. Ces niveaux correspondent aux valeurs précises que le facteur peut prendre. L'objectif est de déterminer si la modification des niveaux des facteurs a un impact significatif sur la variable cible.

Avantages du plan factoriel complet

Analyse exhaustive : En testant toutes les combinaisons possibles, vous obtenez une vue complète de la façon dont les facteurs influencent le résultat.

Interactions : Un plan factoriel complet permet d'identifier les interactions entre facteurs. Il permet donc non seulement de mesurer les effets principaux de chaque facteur, mais aussi d'étudier comment les facteurs agissent ensemble sur le résultat.

Inconvénients du plan factoriel complet

Consommation importante de ressources : Comme toutes les combinaisons possibles doivent être testées, le plan peut devenir très long et coûteux lorsqu'un grand nombre de facteurs et de niveaux sont impliqués. Le nombre d'essais et les coûts associés augmentent de façon exponentielle avec le nombre de facteurs.

Exemple de plan factoriel complet

Plan factoriel complet pour le couple de frottement

À l'aide d'un plan factoriel complet, nous voulons déterminer ce qui influence le couple de frottement d'un roulement. Dans ce cas, le couple de frottement est notre variable de réponse. Les facteurs potentiels peuvent être la lubrification et la température. Pour la lubrification, les niveaux du facteur peuvent être « huilé » et « graissé », et pour la température, les niveaux du facteur peuvent être « bas », « moyen » et « élevé ».

Exemple de plan factoriel complet

Nous voulons maintenant comprendre l'effet des différents niveaux sur la variable de réponse. C'est précisément le rôle d'un plan factoriel complet.

Pourquoi utiliser un plan factoriel complet ?

Les essais prennent du temps et coûtent de l'argent. Il est donc essentiel de maintenir le nombre d'essais aussi bas que possible. Attention toutefois : si la taille d'échantillon est trop faible, le risque de ne pas détecter des différences significatives est élevé.

Prenons un exemple. Nous voulons étudier quels facteurs influencent le couple de frottement d'un roulement.

Exemple de plan d'expériences avec plan factoriel complet

Commençons avec un seul facteur : la lubrification. Nous voulons déterminer si le type de lubrification, huile ou graisse, influence le couple de frottement.

Plan factoriel complet avec un facteur

Pour étudier cette question, nous prenons un échantillon de 10 roulements, en lubrifiant la moitié avec de l'huile et l'autre moitié avec de la graisse.

Échantillon de plan factoriel complet

Nous pouvons ensuite mesurer le couple de frottement des 5 roulements huilés et des 5 roulements graissés. Mais pourquoi exactement 10 roulements ?

Réponse du plan factoriel complet

Chaque essai coûte de l'argent ; il vaut donc la peine d'examiner si nous pouvons atteindre notre objectif avec moins d'essais.

Quelle doit être la taille de l'échantillon pour déterminer si le lubrifiant influence le couple de frottement ?

Commençons avec 10 roulements et calculons le couple de frottement moyen pour les roulements huilés et graissés. Nous pouvons ensuite calculer la différence entre ces deux moyennes.

Calcul de la différence moyenne dans un plan d'expériences

Cet échantillon montre une différence entre les roulements huilés et graissés. Cependant, il existe une variation notable du couple de frottement au sein de chaque groupe. Si nous prenons un autre échantillon de 5 roulements pour chaque condition, la différence pourrait être plus grande, plus petite, voire inversée.

Cette variation indique que le couple de frottement des roulements présente une certaine dispersion. Plus cette dispersion est grande, plus il devient difficile de détecter une différence ou un effet spécifique.

Dispersion de la variable de réponse dans un plan d'expériences

Heureusement, la dispersion de la moyenne peut être réduite en augmentant la taille de l'échantillon. Plus l'échantillon est grand, plus l'estimation de la moyenne est précise.

Par conséquent, plus l'effet qui nous intéresse est faible et plus la variabilité de la variable cible est grande, plus la taille d'échantillon requise est élevée.

Calculer le nombre d'essais

Pour calculer le nombre d'essais requis, vous pouvez utiliser cette formule d'approximation. Ici, N représente la taille d'échantillon, Sigma l'écart-type et Delta la taille d'effet détectable.

Calcul du nombre d'essais dans un plan d'expériences

Par exemple, avec un écart-type de 3 Nmm et une différence pertinente de 5 Nmm, 22 essais sont nécessaires. Avec un écart-type de 2 Nmm, seuls 10 essais sont nécessaires, et avec un écart-type de 1 Nmm, seulement 4 essais (2 avec des roulements huilés et 2 avec des roulements graissés) suffiraient.

Nombre d'essais du plan factoriel complet

Mais comment un plan factoriel complet peut-il aider à réduire le nombre d'essais ? Supposons que nous ajoutions un second facteur, par exemple la température, avec des niveaux bas et élevés.

Plan factoriel complet avec deux facteurs

Pour tenir compte de ce facteur supplémentaire, il nous faudrait 8 essais de plus.

Plan d'expériences avec deux facteurs

Cela signifie qu'il faudrait au total 24 essais pour évaluer les effets de la lubrification et de la température.

Plan d'expériences inefficace

Est-il possible de réduire le nombre d'essais ? C'est ici que le plan factoriel complet devient utile.

Pourquoi tester chaque facteur séparément ? Nous pouvons créer une matrice d'essais qui prend également en compte la quatrième combinaison : graisse et température élevée.

Plan d'expériences factoriel complet avec deux facteurs

De cette manière, 16 essais suffisent en réalisant 4 répétitions pour chacune des quatre combinaisons. Nous avons maintenant 8 essais avec de l'huile, 8 avec de la graisse, 8 à basse température et 8 à température élevée.

Taille d'échantillon du plan factoriel complet

Au total, nous avons maintenant 16 essais. Auparavant, il en fallait 24 ; le plan factoriel complet permet donc une réduction du nombre d'essais tout en apportant des informations supplémentaires.

Pourquoi des informations supplémentaires ? Nous pouvons maintenant déterminer s'il existe une interaction entre la température et la lubrification. Par exemple, il peut y avoir un effet de la température avec l'huile mais pas avec la graisse ; cette information précieuse aurait sinon été perdue.

Réduction du nombre d'essais avec 3 facteurs

Si nous considérons non pas 2 facteurs, mais 3, le gain potentiel augmente encore. Tester chaque facteur séparément avec trois facteurs nécessiterait 32 essais. En utilisant un plan factoriel complet avec deux essais pour chaque combinaison, nous n'avons toujours besoin que de 16 essais.

Plan factoriel complet avec 3 facteurs

Pour chaque niveau de facteur, nous réalisons toujours 8 essais. Par exemple, pour le facteur lubrification, nous avons 8 essais avec de l'huile et 8 essais avec de la graisse.

Plan d'expériences avec 3 facteurs

Bien sûr, un logiciel de plans d'expériences comme numiqo générera le plan d'essais pour vous.

Plans factoriels complets avec trois niveaux

Les plans factoriels complets peuvent aussi inclure plus de deux niveaux par facteur. Par exemple, le facteur température pourrait avoir trois niveaux : bas, moyen et élevé.

Plan factoriel complet avec 3 niveaux

Nombre d'essais requis

Le nombre d'essais requis dans un plan factoriel complet avec deux niveaux par facteur augmente rapidement à mesure que le nombre de facteurs augmente.

Nombre d'essais dans les plans factoriels complets

Dans un plan factoriel complet, le nombre total d'essais, n, peut être calculé par n = 2k, où k est le nombre de facteurs. Voici un repère rapide : avec trois facteurs, il faut au minimum 8 essais ; avec sept facteurs, au moins 128 essais ; et avec dix facteurs, au minimum 1 024 essais. En pratique, les plans factoriels complets sont donc généralement limités à 6 facteurs au maximum.

Formule du nombre d'essais dans un plan d'expériences

Notez que ce tableau s'applique aux plans où chaque facteur ne possède que deux niveaux ; si des niveaux supplémentaires sont utilisés, le nombre d'essais requis augmente fortement.

Nombre de facteurs Nombre d'essais
2 4
3 8
4 16
5 32
6 64
7 128
8 256
9 512
10 1 024
... ...

Créer un plan factoriel complet

Bien sûr, vous pouvez facilement créer un plan factoriel complet en ligne avec numiqo.

Calculateur de plan factoriel complet

Cité numiqo: numiqo Team (2026). numiqo: Online Statistics Calculator. numiqo e.U. Graz, Austria. URL https://numiqo.com