Observations relatives aux données pour la fonction Analyser un plan de criblage définitif

Pour garantir la validité de vos résultats, vérifiez que les règles suivantes sont respectées lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.

Vous devez avoir créé ou défini un plan de ciblage dans Minitab

Un plan d'expériences dans Minitab doit comporter au moins 2 facteurs qui sont continus ou de catégorie.

• Si vous ne disposez que d'un seul facteur de catégorie et d'aucun prédicteur continu, utilisez la fonction ANOVA à un facteur contrôlé.
• Si vous disposez d'un facteur continu, utilisez Droite d'ajustement.

La variable de réponse doit être continue

Si la variable de réponse est une variable de catégorie, le modèle est moins susceptible de satisfaire les hypothèses de l'analyse, de décrire précisément vos données ou de permettre des prévisions utiles.

• Si vos variables de réponse ont deux catégories, utilisez la fonction Analyser une réponse binaire pour un plan de criblage définitif.
• Si la variable de réponse dénombre des occurrences, comme le nombre de défauts, utilisez la fonction Ajuster le modèle de Poisson.

S'assurer que le système de mesure produit des données de réponse fiables

Si la variabilité dans votre système de mesure est trop grande, il se peut que votre expérience ne parvienne pas à trouver les effets importants en raison d'un manque de puissance.

Chaque observation doit être indépendante de toutes les autres

Si vos observations individuelles ne sont pas indépendantes, les résultats ne seront peut-être pas valides. Tenez compte des points suivants pour déterminer si vos observations sont indépendantes :

• Si une observation ne fournit aucune information sur la valeur d'une autre observation, cela signifie que les observations sont indépendantes.
• Si une observation fournit des informations sur la valeur d'une autre observation, cela signifie que les observations sont dépendantes.

Les essais de l'expérience doivent être randomisés

La randomisation réduit les chances que des conditions non contrôlées biaisent les résultats. En outre, étant donné que la randomisation vous permet d'estimer la variation inhérente aux matériaux et conditions, vous pouvez effectuer des inférences statistiques valides en fonction des données issues de l'expérience.

Dans certains cas, l'ordre des essais issu de la randomisation peut ne pas être intéressant. Par exemple, les changements de niveaux de facteurs peuvent être difficiles, onéreux ou mettre longtemps à produire un procédé stable. En pareil cas, il peut être souhaitable d'effectuer la randomisation à l'aide d'un plan en parcelles divisées afin de limiter au maximum les modifications de niveau.

Collecter des données à l'aide des meilleures pratiques

Pour garantir la validité de vos résultats, suivez les indications suivantes :

• Assurez-vous que les données sont représentatives de la population qui vous intéresse.
• Collectez suffisamment de données pour bénéficier de la précision nécessaire.
• Consignez les données dans leur ordre de collecte.

Le modèle doit être bien ajusté aux données

Si le modèle n'est pas bien ajusté aux données, les résultats risquent d'être trompeurs. Dans les résultats, utilisez les graphiques des valeurs résiduelles, les statistiques de diagnostic pour les observations aberrantes, ainsi que les statistiques récapitulatives du modèle pour déterminer l'ajustement du modèle aux données.