Plans d’expérience sur une extrudeuse de tubes plastiques

Slides:



Advertisements
Présentations similaires
Mais vous comprenez qu’il s’agit d’une « tromperie ».
Advertisements

Centre d'Enseignement et de Recherche en Environnement Atmosphérique Classification de situations pour l'étude de la pollution chronique Stéphanie Lacour.
Introduction à l’analyse
LES NOMBRES PREMIERS ET COMPOSÉS
TYPOLOGIE DES LOGEMENTS CONSTRUCTION DE LOGEMENTS A ABOMEY-CALAVI Groupe aHomeInAfrica Building SA.
Distance inter-locuteur
Calcul mental Calcul mental Année scolaire Classe de …
Les numéros 70 –
Les numéros
Les identités remarquables
ESPERER 95.
Comparaison de plusieurs moyennes observées
Régression ou corrélation
1. Les caractéristiques de dispersion. 11. Utilité.
CONFORMITE d’une distribution expérimentale à une distribution théorique Professeur Pascale FRIANT-MICHEL > Faculté de Pharmacie
LES TRIANGLES 1. Définitions 2. Constructions 3. Propriétés.
Estimation de la survie comparaison des courbes de survie FRT C3.
Laboratoire Inter-universitaire de Psychologie Cours 6
ETALONNAGE D’UN CAPTEUR
Analyse de la variance à un facteur
CALENDRIER PLAYBOY 2020 Cliquez pour avancer.
RELATION COÛT-VOLUME-BÉNÉFICE
Présentation générale
Les puissances de 10 - Sommaire
Si le Diaporama ne s'ouvre pas en plein écran Faites F5 sur votre clavier.
Régression linéaire simple
Problème Autre formulation :
Un vecteur comme représentation dune série statistique simple Soit x=c(x1,…,xn) On peut calculer la moyenne Mox=sum(x)/lenght(x) ou mean(x) La variance.
LES NOMBRES PREMIERS ET COMPOSÉS
CLL11 : chlorambucil (CLB) versus CLB + rituximab (R)
Réponse fréquentielle de la FTBO H(p)
Lorsque la coloration disparait, on est à l'équivalence donc tout le diiode a été consommée. Donc n I 2 – xmax = 0 = nS 2 O 3 2- /- 2xmax on en déduit.
L’Analyse de Covariance
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
1.Un rang de données multicolores 2. Deux permutations des n premiers entiers 3. b permutations des k premiers entiers 4. Choix de n points dans [0,1]
Les Monnaies et billets du FRANC Les Monnaies Euro.
Maxpid Seuil et saturation Avec perturbation. Corrections P ; PI.
Représentation des systèmes dynamiques dans l’espace d’état
Systèmes mécaniques et électriques
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Appliquer la métthode Branch and Bound au problème de lassignation des tâches avec la matrice suivante: 1234 a11 88 b c33415 d Calcul de.
DUMP GAUCHE INTERFERENCES AVEC BOITIERS IFS D.G. – Le – 1/56.
Le test t.
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
ANOVA à critères multiples
Tournoi de Flyball Bouin-Plumoison 2008 Tournoi de Flyball
Année universitaire Réalisé par: Dr. Aymen Ayari Cours Réseaux étendus LATRI 3 1.
Maintenant que tu as compris, on va passer aux exercices Prends une feuille, un stylo, une règle.
Factorisation de trinômes
LES ERREURS DE PRÉVISION e t = X t - P t X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6… P5P6P5P6P5P6P5P6 e5e6e5e6e5e6e5e6.
Analyse factorielle de variance: Principes d’expérimentation
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
Les Nombres! de 0 à 20.
SUJET D’ENTRAINEMENT n°4
Aire d’une figure par encadrement
Écart moyen et écart type
La régression multiple
Les mesures de dispersion Camp de jour Âges Groupe 1: 7,8,9,10,11,12,13 Âges Groupe 2: 10,10,10,10,10,10,10 Caractériser ces groupes par 1 seule mesure.
P.A. MARQUES S.A.S Z.I. de la Moussière F DROUE Tél.: + 33 (0) Fax + 33 (0)
Les fondements constitutionnels
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
1/65 微距摄影 美丽的微距摄影 Encore une belle leçon de Macrophotographies venant du Soleil Levant Louis.
Comment construire un graphique ?
Les Chiffres Prêts?
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Transcription de la présentation:

Plans d’expérience sur une extrudeuse de tubes plastiques

Présentation Bain de Trémie refroidissement Vis sans fin Filière Système de chauffage Filière Calibrée Bain de refroidissement Vis sans fin Système de tirage

Cahier des charges Caractéristique dimensionnelle du tube : SDR (Standard Diameter Ratio) SDR = de ep. Spécification du cahier des charges SDR = 11  0,1

Facteurs jugés prépondérant à l’atteinte de la spécif. Trémie Système de chauffage Filière Calibrée Bain de refroidissement Vis sans fin Système de tirage Facteurs jugés prépondérant à l’atteinte de la spécif. Température moy. du bain de refroidissement Vitesse de tirage Température moy. en amont de la filière Calibre de la filière

Objectifs Objectifs de l’étude : Plans d’expériences : confirmer ou infirmer l’importance des facteurs ajuster les valeurs des paramètres Plans d’expériences : Interactions d’ordre 1 et 2 Toutes les interactions Plan fractionnaire

Plan d’expérience n°1 modèle linéaire : R = a0 + a1.X1 + a2.X2 + a12.X1X2 + … + e R : réponse du système => SDR Xi : variables ai : coefficients du modèle e : variable aléatoire qui englobe le facteur d’erreur Déroulement : Estimation des coefficients du modèle => ai : Effets moyen des variables Test de signification des coefficients ai Test de signification du modèle linéaire

Variables Maxi Mini T° plastique 200 °C +1 180 °C -1 Vitesse 15 cm/s Calibre 52 mm 51 mm T° refroidissement 55 °C 45 °C

Matrice d’expérience Effet moyen a1 = -0,20 Exp 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 moy Tr V Tf C Tr x V Tr x Tf Tr x C V x Tf V x C Tf x C R 11,30 12,20 11,10 10,70 11,70 11,90 10,80 11,00 10,40 10,50 11,50 10,60 1 -1 1 -1 Effet moyen a1 = -0,20

Expression du modèle avec les coefficients estimés R = 11,18 - 0,02 Tr – 0,15 V + 0,06 Tf – 0,16 C – 0,15 Tr.V – 0,04 Tr.Tf – 0,31 Tr.C - 0,04 V.Tf + 0,29 V.C + 0,05 Tf.C Expression du modèle avec les coefficients estimés Test de nullité des estimateurs Test de Student au risque de 5% Hypothèses : H0 = << ai = 0>> H1 = << ai ≠ 0>> Tcritique = Test t(« n - p = 16 - 11 = 5 » ; 5%) = 2,67

Calcul des ti 1 ti = |ai|.si Ces valeurs sont calculées avec le modèle et en remplaçant les variables par +1 ou -1 Exp 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 R 11,30 12,20 11,10 10,70 11,70 11,90 10,80 11,00 10,40 10,50 11,50 10,60 Rest 11,43 12,03 10,93 11,60 12,05 10,95 10,80 11,05 10,40 11,70 10,45 10,63 11,93 10,53 ei -0,13 0,17 -0,23 0,10 -0,15 0,20 -0,05 0,00 0,05 0,07 -0,03 ei² 0,02 0,03 0,05 0,01 0,04 0,00 ei = R - Rest 1 n-p S²= ∑ ei² Variance des résidus : si²= S² n Variance commune des ai : ti = |ai|.si 

Résultats du test de Student ti > tcritique(v, n), on rejette Ho au risque accepté, l’effet n’est pas significatif ti < tcritique(v, n), on accepte Ho au risque accepté Résultats du test de Student Valeur absolue de l'effet Si² ti Valeur absolue de l'effet Si² ti On obtient alors le modèle suivant : R = 11,18 - 0,02 Tr – 0,15 V – 0,16 C - 0,15 Tr.V – 0,31 Tr.C + 0,29 V.C Significatif a2 a1 a0 Résultats Effets Non significatif a34 a24 a23 a14 a13 a12 a4 a3

Validation du modèle linéaire Test de Fisher-Snedecor au risque de 5% Hypothèses : Validation du modèle linéaire H0 : la régression n'est pas significative H1 : la régression est globalement significative Exp 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 R 11,30 12,20 11,10 10,70 11,70 11,90 10,80 11,00 10,40 10,50 11,50 10,60 Rest 11,43 12,03 10,93 11,60 12,05 10,95 10,80 11,05 10,40 11,70 10,45 10,63 11,93 10,53 ei -0,13 0,17 -0,23 0,10 -0,15 0,20 -0,05 0,00 0,05 0,07 -0,03 ei² 0,02 0,03 0,05 0,01 0,04 0,00 Calculs de : SCEL SCER

Résultat du test de linéarité Variation due S des carrées DDL Carré moyen F Liaison SCEL 4,67 p-1 6 0,77791667 18,303922 Résidus SCER 0,3825 n-p 9 0,0425   Totale SCET 5,05 n-1 15 0,33666667 Fcritique = F ( « p-1 » ; « n-p » ; 5%) = 3,37 On accepte le modèle linéaire au risque 5%

Plan d’expérience n°2 On prend en compte toutes les interactions : modèle linéaire : Y = a0 + a1.X1 + a2.X2 + a12.X1X2 + … + e Déroulement : Réalisation d’essais au centre du domaine Estimation des coefficients du modèle => ai : Effets moyen des variables Test de signification des coefficients ai Test de signification du modèle linéaire

Pourquoi les essais au centre du domaine ? Prise en compte de toutes les interactions => Consommation de tous les degrés de liberté ! Détermination de l’écart type résiduel à partir de l’écart type expérimental des 6 essais Résultats Coefficients Modèle linéaire

Conclusions sur les 2 plans d’expériences Plan d’expérience n°1 : Aucune influence significative de la variable Tf (la température moy. de la matière en amont de la filière) Plan d’expérience n°2 : Influence de la variable Tf pour les interactions d'ordre 3 et 4 La variable Tf n’est pas un facteur prépondérant Ecart entre SDR « cahier des charges » et SDR « calculé » = 0,007

Plan d’expérience n°3 : Plan fractionnaire : Action : Connaissance approfondie des facteurs Interactions d’ordre élevées négligeable Diminuer le nombre d’expériences Action : Réalisation d’un plan fractionnaire 24-1 Aliaser la variable X3 avec l’interaction X1X2X4 Réalisation de 8 essais + 3 autres au centre du domaine.

Matrice d’expérience : Variables : Variables Niveau -1 Niveau 0 Niveau +1 Température moy. du bain de refroidissement X1 (°C) 45 50 55 Vitesse de tirage X2 (cm/s) 10 12,5 15 Température moy. en en amont de la filière X3 (°C) 180 190 200 Calibre de la filière X4 (mm) 51 51,5 52 Matrice d’expérience : Expérience Moy. X1 X2 X4 X1X2X4 X1X2 X1X4 X2X4 Y X3X2X4 X3X1X4 X3X1X2 X3 X3X4 X3X2 X3X1 1 -1 11,3 2 12,2 3 11,1 4 10,7 5 11 6 10,4 7 11,7 8 10,5

Coefficients du modèle : Expérience Moy. X1 X2 X4 X1X2X4 X1X2 X1X4 X2X4 Y X3X2X4 X3X1X4 X3X1X2 X3 X3X4 X3X2 X3X1 1 -1 11,3 2 12,2 3 11,1 4 10,7 5 11 6 10,4 7 11,7 8 10,5 Effet moyen a0 a1 a2 a4 a124 a12 a14 a24   valeur 11,113 -0,163 -0,113 -0,213 0,087 -0,238 -0,288 0,313 Test de signification des coef. ai > 0,264 Exploitation des 3 expé. au centre du domaine : Ycentre = 10,73 s* = 0,404 Ecart-type de l’estimateur d’un coef. du modèle = = 0,143 s* 8

Etude des interactions X1X4 ; X3X2 ; X2X4 ; X3X1   X3X2 X2 = -1 X2 = +1 X1 = -1 11,2 11,35 X3 = -1 10,85 X1 = +1 11,45 10,45 X3 = +1 11,6 10,8 X2X4 X3X1 11,75 10,7 11,5 10,55 10,9 11,1 11,05 Résultats Variables   condition optimale Température moy. du bain de refroidissement X1 +1 soit 55°C Vitesse de tirage X2 -1 soit 10cm/s Température moy. en en amont de la filière X3 +1 soit 200°C Calibre de la filière X4 -1 soit 51mm

Questions