Ce polycopié de cours, intitulé "Plans d’expériences" (en anglais : Design of Experiments, DoE), est destiné aux étudiants de Master 1 en génie mécanique, spécialité : Fabrication mécanique et productique (FM&P), durant le semestre 2. L'un des premiers défis pour un expérimentateur est de déterminer le nombre d'expériences nécessaires afin de maximiser les informations tout en tenant compte du budget nécessaire pour mener à bien les essais. A cet égard, les DoE sont essentiels dans divers domaines scientifiques et technologiques, car ils permettent d’organiser les expériences de manière rigoureuse, de collecter des données fiables et d’obtenir des résultats reproductibles. Ce module est crucial dans l'industrie, car il aide à déterminer les conditions optimales pour obtenir une réponse maximale ou minimale, tout en mettant l'accent sur le temps et le coût de production. Le contenu de ce cours a été élaboré conformément aux directives de la dernière mise à jour du programme, en alignement avec les recommandations du comité pédagogique national du domaine des sciences et technologies (CPND-ST).
L'objectif principal de ce module est d'approfondir la compréhension des étudiants en spécialité FM&P sur la planification des expériences. Le cours commence par des définitions clés, en mettant l'accent sur deux méthodes de planification, une liste de contrôle pour effectuer les expériences et une terminologie appropriée. Le chapitre 2 introduit quelques notions de statistiques, telles que les méthodes de régression, le coefficient de détermination (𝑅2) et les intervalles de confiance. Le chapitre 3 guide les étudiants dans la création de plans d'expériences bien structurés qui maximisent les informations obtenues tout en minimisant le nombre d'essais nécessaires. Le chapitre 4 se concentre sur les méthodes de modélisation mathématique des relations entre les paramètres d'entrée et de sortie, ainsi que sur les outils d’optimisation mono et multi-objectifs, notamment la méthodologie de surface de réponse (RSM), le réseau de neurones artificiels (ANN) et la méthode de la fonction de désirabilité (DF). Enfin, le dernier chapitre présente une étude de cas pour évaluer certains critères d'usinabilité lors du tournage de polypropylène (PP). L’ANOVA, le RSM et la méthode DF sont utilisées pour analyser, modéliser et optimiser les paramètres d'entrée et de sortie.
Ce cours vise à offrir aux étudiants une vision complète et approfondie de la planification des expériences, renforçant ainsi leurs connaissances en modélisation et optimisation dans le domaine de la FM&P.