Les plans de mélange Les plans d’expérience : Présentée par :

Slides:



Advertisements
Présentations similaires
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
Advertisements

L’ESPRIT DU NOUVEAU PROGRAMME. SERIE SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION 1 Document élaboré dans le cadre du cercle de réflexion académique.
Auteur : Patrice LEPISSIER Les probabilités  Notions de base Notions de base  Variable aléatoire Variable aléatoire  La loi Normale La loi Normale.
TP 7 : UNE PROPRIÉTÉ DES ONDES, LA DIFFRACTION BUSQUET Stéphane LENNE Karl-Eric TS Physique-Chimie.
I) mesure et erreurs de mesure 1) le vocabulaire à connaitre
Cour Régulation AII3 Chapitre I: Modélisation des systèmes automatiques Abdelkhalek.S 1.
Et maintenant, le mode : fastoche !
Mathématiques & enseignement professionnel en co-intervention
Construction d’une maquette pour un mélange de 4 constituants
V Suite géométrique : 1°) Définition : un+1
COMPLÉMENTS SUR LES MARÉES
Risque de crédit : Regard sur les formules baloises
Structure chimique des surfactants
Détermination des propriétés texturales d’un solide poreux par traçage
Lois de comportement A tout système de forces extérieures appliquées à un corps, correspond une distribution des contraintes à l’intérieur de ce corps.
Loi Normale (Laplace-Gauss)
4°) Intervalle de fluctuation :
Rapport sable /gravier (S/G)
Résistance des Matériaux
Précision d'une mesure et chiffres significatifs
Les atomes.
Statique 1 STM Conception Mécanique La mécanique branche de la physique qui étudie le mouvement des corps et les forces auxquelles ils sont soumis. La.
Plans d’expériences: Plans factoriels
La Conclusion.
METHODE DE L’ACV Réalisé par : MAKHLOUFI Mohamed ROKHOU Alae
LES mesures des déplacements et des déformations
Les Plans d’expériences: Plans Factoriels
Plans d’expériences: Plans de mélanges
Plans d’expériences: Plans factoriels.
Plans d’experiences : plans de melanges
Les plans d’expérience: plans factoriels
plan Introduction Objectif d’un plan de mélange
Température d'équilibre d'un corps du système solaire
Technologies de l’intelligence d’affaires Séance 12
Exploitation de mesures scientifiques.
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
C1 – Interpolation et approximation
Plans d'expérience Méthode Taguchy.
Méthode Taguchy Analyse de la variance Anavar
Plans d'expérience Méthode Taguchy.
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Structure D’une Base De Données Relationnelle
MESURES ET INCERTITUDES. Programme de 4 ème : dans la colonne capacités: Mesurer des volumes ; mesurer des masses. Comprendre qu'à une mesure est associée.
Modélisation avec UML 2.0 Partie II Diagramme de classes.
La gestion des stocks (Modèle de Wilson).
ACP Analyse en Composantes Principales
Statistiques. Moyenne, Moyenne pondérée, Tableur et graphiques.
Calculs des incertitudes Lundi 30 Avril 2018 Master de Management de la Qualité, de la Sécurité et de l’Environnement.
24/06/20181 TAC-Assurance Qualité 24/06/20182 Optimiser l’organisation des essais expérimentaux de telle manière que l’on obtienne le maximum de renseignements.
 1____Probabilité  2______variables aléatoires discrètes et continues  3______loi de probabilités d’une v a  4_______les moyens et les moyens centraux.
Cours du Professeur TANGOUR
Macro - I Programme d'évaluation du secteur financier et indicateurs de solidité financière.
2.4 La loi de vitesse d’une réaction chimique
AIAC GEET-12 Année : Régulation Industrielle: Programme M.BAHATTI.
La puissance du transfert d’énergie électrique entre un générateur et un circuit constitué de conducteurs ohmiques dépend-elle de ces conducteurs ohmiques.
Présentation 8 : Redressement des estimateurs
6. LES THERMOMETRES 6.1 Thermomètre normal
CALCUL DES DERIVEES Techniques de calcul scientifique
Position, dispersion, forme
Chapitre 1 Formulation d’un programme linéaire (PL) Georges Abboudeh BUST 347.
Il s’agit de l’étude de l’effet total que HICKS et SLUTSKY ont étudié.
Contribution du LHyGeS
La démarche scientifique
Programme d’appui à la gestion publique et aux statistiques
IV- CORRECTION A AVANCE DE PHASE
PROGRAMMATION SCIENTIFIQUE EN C
Encadrée par: - Mr. Abdallah ALAOUI AMINI Réalisée par : -ERAOUI Oumaima -DEKKAR Amal - ES-SAHLY Samira -Houari Mohammed PROGRAMMATION MULTIOBJECTIFS.
Chapitre I Modélisation optimisation
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES.
Couche limite atmosphérique
Transcription de la présentation:

Les plans de mélange Les plans d’expérience : Présentée par : HAFIDI Sofia LAHSAINI Hanae Encadré par: M.Khaled LAHLOU 2012 1

Plan Plans d’expériences: définition et objectifs Plans de mélange: Caractérisation des plans de mélange Représentation géométrique des mélanges Modélisation mathématique Etude de cas 2

un problème multiparamétrique et multicritère Plans d’éxpériences: définition et objectifs Constituant 3 Constituant 2 Constituant 1 Réponse un problème multiparamétrique et multicritère 2012 3

Plan d’expérience Démarche classique Plan d’expérience sécurisante Faire varier un seul facteur à la fois sécurisante sécurisante pour certains, est d’une efficacité assez limitée. En effet, elle exige souvent un nombre plus important d’essais pour des résultats parfois très médiocres efficacité assez limitée résultats parfois pas très fiables 2012 4

Un maximum de renseignements avec un minimum d’expériences Démarche classique Plan d’expérience structurer planifier plan d’expériences Un maximum de renseignements avec un minimum d’expériences 2012 5

Caractérisation des plans de mélange La somme des teneurs de tous les constituants du mélange satisfait la relation: Les représentations géométriques des plans de mélanges sont différentes de celles utilisées pour les plans d'expériences classiques et les modèles mathématiques sont eux aussi profondément modifiés. Contrainte fondamentale des mélanges 6

Représentation géométrique des mélanges Plans de mélange Représentation géométrique des mélanges Si c supérieur à 4 on utilise des tableaux Cas de 3 constituants Cas de 4 constituants 7

Autres types de contraintes Plans de mélange Autres types de contraintes Basses teneurs interdites Hautes teneurs interdites Contrainte de somme constante Contrainte de rapport constant 8

Modélisation mathématique Plans de mélange Modélisation mathématique Cas général (plans d’expérience) On choisit a priori une fonction mathématique qui relie la réponse aux facteurs. On prend un développement limité de la série de Taylor-Mac Laurin. Les dérivées sont supposées constantes et le développement prend la forme d'un polynôme de degré plus ou moins élevé : • y est la réponse ou la grandeur d'intérêt. Elle est mesurée au cours de l'expérimentation et elle est obtenue avec une précision donnée. • x représente le niveau attribué au facteur i par l'expérimentateur pour réaliser un essai. Cette valeur est parfaitement connue. On suppose même que ce niveau est déterminé sans erreur (hypothèse classique de la régression). • a0, ai , aij , a ii sont les coefficients du modèle mathématique adopté a priori. Ils ne sont pas connus et doivent être calculés à partir des résultats des expériences. L'intérêt de modéliser la réponse par un polynôme est de pouvoir calculer ensuite toutes les réponses du domaine d'étude sans être obligé de faire les expériences. Deux compléments doivent être apportés au modèle précédemment décrit. Le premier complément est le "manque d'ajustement". Cette expression traduit le fait que le modèle a priori est fort probablement différent du modèle réel qui régit le phénomène étudié. Il y a un écart entre ces deux modèles. Cet écart est le manque d'ajustement ( lack of fit en anglais). Le second complément est la prise en compte de la nature aléatoire de la réponse.En effet, si l'on mesure plusieurs fois une réponse en un même point expérimental,on n'obtient pas exactement le même résultat. Les résultats sont dispersés. Les dispersions ainsi constatées sont appelées erreurs expérimentales. Ces deux écarts, manque d'ajustement et erreur expérimentale, sont souvent réunis dans un seul écart, notée e. Le modèle utilisé par l'expérimentateur s'écrit alors : 9

Modélisation mathématique Plans de mélange Modélisation mathématique Cas particulier (plans de mélange) Pour trois composants, le modèle du premier degré est: et pour le second degré : 1 er degré: quand on ne soupçonne aucune interaction de l’effet de la concentration de chaque composant sur chacun des autres composants (rare). 2eme degré: -on soupçonne la présence d’interactions de tout ou partie des composants sur chacun des autres composants, - la validité d’un modèle du 1er degré n’est pas établie. 10

Etude de cas : coulis d’injection à base de ciment 4

Ciment Eau Adjuvant Etude de cas : coulis d’injection à base de ciment PLAN DE MELANGE mélanges à paramètres nombreux Nombre élevé d’essais Ciment Eau Adjuvant Ciment+Eau+Adjuvant=1 2012 12

Etude de cas : coulis d’injection à base de ciment 2012 13

Etude de cas : coulis d’injection à base de ciment 2012 14

Etude de cas : coulis d’injection à base de ciment 2012 15

Etude de cas : coulis d’injection à base de ciment 2012 16

Etude de cas : coulis d’injection à base de ciment Viscosité ≤ 35 s Décantation ≤ 5 % Résistance en compression à 28 j supérieure à 20 MPa 17

Bibliographie: www.wikipidea.org.fr Séminaire sur les coulis d’injection Organisé par DAH, LPEE, EHTP et Ciments du Maroc Rabat le 08/02/07 Démarche de formulation et d’optimisation des coulis d’injection à base de ciment Par K. Lahlou (EHTP), M. Boufous (CIMAR) et A. Bouda (CIMAR). LES PLANS D’EXPERIENCE / Jacques GOUPY . 2012 18

Merci de votre attention