Article de référence | Réf : F1006 v1

Tables orthogonales par rapport à un modèle
Plans d’expériences - Méthode de Taguchi

Auteur(s) : Rachid SABRE

Date de publication : 10 mars 2007

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

La méthode de Taguchi vient pour enrichir les méthodes de plans d’expériences en apportant une amélioration considérable aux plans factoriels complets et fractionnaires. Elle simplifie le protocole expérimental pour mettre en évidence les effets de facteurs sur la réponse. La méthode de Taguchi se distingue par une réduction importante du nombre d’essais, tout en gardant une bonne précision. Elle place le modèle comme un élément clef de la stratégie du plan d’expériences. L’expérimentateur choisit librement les facteurs et les interactions à étudier selon le modèle qu’il propose, en étroite adéquation avec ses objectifs.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Experimental design - The Taguchi method

The Taguchi method has enriched experimental design methods by considerably improving the full and fractional factorial designs. It has simplified the experimental protocol in order to highlight the factor effects on the response. The Taguchi method stands out by the considerable reduction of the number of tests whilst maintaining a high precision level. It defines the model as a key element of the experimental design strategy. The experimenter freely chooses the factors and interactions to be studied according to the model they offer in close adequation with their objectives.

Auteur(s)

  • Rachid SABRE : Laboratoire MAIS - Établissement national d’enseignement supérieur agronomique de Dijon (ENESAD)

INTRODUCTION

La méthode de Taguchi vient pour enrichir les méthodes de plans d’expériences en apportant une amélioration considérable aux plans factoriels complets et fractionnaires détaillés dans le dossier .

Elle a pour but de simplifier le protocole expérimental afin de mettre en évidence les effets de facteurs sur la réponse, qui peut être une variable dans un procédé agroalimentaire ou même la mesure de la qualité d’un produit.

La méthode de Taguchi se distingue par une réduction importante du nombre d’essais, tout en gardant une bonne précision. Elle place le modèle comme un élément clef de la stratégie du plan d’expériences. L’expérimentateur choisit librement les facteurs et les interactions à étudier selon le modèle qu’il propose, en étroite adéquation avec ses objectifs.

La place de chaque facteur dans le plan de Taguchi a son importance ; elle est choisie selon la difficulté de réalisation du facteur dans l’expérience. Cette place dans le plan permettra au facteur le plus difficile à réaliser d’effectuer le moins de changements de niveaux possibles. On peut ainsi regrouper les facteurs par degrés de difficulté de réalisation.

La méthode de Taguchi a connu, dans un premier temps, un succès dans les secteurs industriels et, en particulier, dans le domaine agroalimentaire, puis elle a suscité l’intérêt de la communauté de statisticiens pour un développement et une étude assez larges.

Dans ce dossier, nous commençons par définir les tables orthogonales par rapport à un modèle. Nous donnons également quelques propriétés concernant ces tables que nous utiliserons par la suite pour choisir la table de Taguchi qui convient le mieux au problème étudié. Puis, nous étudions la méthode de Taguchi en montrant comment choisir la table orthogonale appropriée parmi les tables déjà existantes et comment effectuer le calcul des coefficients du modèle permettant de mettre en évidence les effets des facteurs étudiés.

Le cas où les facteurs forment 2 groupes de natures différentes (facteurs intérieurs et facteurs extérieurs) est abordé en étudiant le plan produit croisant deux plans d’expériences et en calculant les coefficients du modèle produit.

Quelques tables de Taguchi sont données pour exemple dans l’onglet Bibliographie et annexes.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-f1006


Cet article fait partie de l’offre

Agroalimentaire

(252 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

1. Tables orthogonales par rapport à un modèle

Comme dans le cas des plans factoriels complets et fractionnaires , nous donnons ici la définition d’un modèle et d’une matrice d’expériences.

1.1 Qu’est-ce qu’un modèle ?

Après avoir choisi les facteurs que l’on considère comme ayant une influence sur la réponse de l’expérience, l’expérimentateur propose un modèle correspondant à l’hypothèse qui lui semble la plus probable.

Le modèle est, en général, une expression linéaire de la variable réponse en fonction des facteurs et des interactions que l’on suppose avoir un effet sur la réponse. Les coefficients du modèle ne peuvent être calculés qu’après avoir réalisé les expériences. En l’absence de ces coefficients, nous écrivons le modèle d’une manière symbolique en vue de préciser les facteurs et les interactions pris en compte.

Dans l’exemple suivant, le modèle est noté (M) :

Cette écriture traduit la mise en évidence des effets des facteurs propres F 1, F 2, F 3 et F 4, ainsi que les interactions F 1 F 3 et F 2 F 4. Les autres interactions sont supposées négligeables....

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Agroalimentaire

(252 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Tables orthogonales par rapport à un modèle
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - BENOIST (D.), TOURBIER (Y.), GERMAIN-TOURBIER (S.) -   Plans d’expériences : construction et analyse  -  . Technique et Documentation Lavoisier (1994).

  • (2) - BOX (G.E.P.), HUNTER (J.S.) -   The 2k – p fractional factorial designs  -  . Technometrics, 3 p. 311-351 et p. 449-458 (1961).

  • (3) - BOX (G.E.P.) -   Signal-to noise ratios. Performance criteria and transformations  -  . Technometrics, vol. 30, no 1 (1988).

  • (4) - BOX (M.J.) -   The occurrence of replications in optimal design of experiments to estimate parameters in nonlinear models  -  . Journal of the Royal Statistical Society, B, 30, p. 290-302 (1968).

  • (5) - BOX (M.J.) -   Some experiences with a nonlinear experimental design criterion  -  . Technometrics, 12(3), p. 569-589 (1970).

  • (6) - BOX (G.E.P.), HUNTER (W.G.), HUNTER (J.S.) -   Statistics...

1 Logiciels de calcul

(Liste non exhaustive)

Nemrod, logiciel construit à LPRAI, université d’Aix-Marseille.

http://www.nemrodw.com/

Sas, éditeur Institute.

http://www.sas.com/technologies/analytics/statistics

Spad, Decisia/Spad

http://www.decisia.fr/

Splus, distribué par SIGMA PLUS

http://www.sigmaplus.fr/

Statgraphics plus, distribué par SIGMA PLUS

http://www.sigmaplus.fr/

Statistica, Statsoft, distribué StatSoft’ France

http://www.statsoft.com/french/

HAUT DE PAGE

2 Tables de Taguchi

(quelques exemples)

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Agroalimentaire

(252 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS