Interpréter les résultats clés pour Graphique de contour superposé

Permet Graphique de contour superposé d’identifier visuellement une zone où les moyennes prévues d’une ou de plusieurs variables de réponse se situent dans une plage acceptable. Les applications qui impliquent plusieurs réponses présentent un défi différent de celui des études à réponse unique. Les valeurs optimales des variables pour une réponse peuvent être loin d’être optimales pour une autre réponse. Les tracés de contours superposés vous permettent d’identifier visuellement une zone de compromis parmi les différentes réponses.

Chaque tracé de contour superposé se compose d’une paire de variables continues (une pour l’axe des x, une pour l’axe des y). S’il y a plus de deux variables continues, les variables supplémentaires sont maintenues à un niveau fixe. Toutes les variables catégorielles sont maintenues constantes à un niveau. Ainsi, les tracés de contour ne sont valides que pour des niveaux fixes des variables supplémentaires. Si vous modifiez les niveaux de maintien, les contours changent également, parfois de manière drastique.

Regardez le graphique de contour superposé et trouvez la zone blanche, qui est la région réalisable. La région réalisable est l’aire formée par les deux variables continues, compte tenu des valeurs de maintien de toute autre variable, de sorte que les valeurs ajustées pour chaque réponse se trouvent entre leurs contours respectifs.

Chaque ensemble de contours définit les limites des valeurs acceptables de la réponse ajustée. Le contour solide est la limite inférieure et le contour pointillé est la limite supérieure. Les contours de chaque réponse sont affichés dans une couleur différente.

Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :
  • Moyennes pour les variables de réponse qui contiennent des mesures continues, telles que la longueur ou le poids.
  • Moyennes des variables de réponse qui contiennent des nombres qui suivent la distribution de Poisson, tels que le nombre de défauts par échantillon.
  • Probabilités pour les variables de réponse qui ne contiennent que deux résultats possibles, tels que réussite/échec.
  • Écarts-types pour les modèles ajustés à l’aide de Analyser la variabilité.

Pour plus d’informations sur l’interprétation des résultats d’un plan de mélange, reportez-vous à la section Exemple de conception d’un Graphique de contour superposé mélange.

Conseil

Pour annoter les valeurs des prédicteurs et les réponses pour n’importe quel point de ce graphique, utilisez Réticule. Pour planter un indicateur, double-cliquez sur le graphique, cliquez avec le bouton droit de la souris sur le graphique et choisissez-le Réticule dans le menu qui s’affiche, puis cliquez sur le point du graphique que vous souhaitez annoter. Permet Prévoir de déterminer si ces points sont inhabituels et d’évaluer la précision des prédictions.

Principaux résultats : Tracé des contours superposés

Sur ce graphique, la résistance, la densité et l’isolation sont les variables de réponse. Les ingénieurs souhaitent trouver les paramètres InjTemp et InjPress qui produisent des valeurs pour les trois variables de réponse qui tombent dans les limites des valeurs acceptables.

InjTemp et InjPress sont tracés respectivement sur les axes y et x. Material est une variable catégorielle qui est contenue dans la Formule 1. CoolTemp et MeasTemp sont des variables continues qui sont maintenues à 35 et environ 21,5, respectivement.

La zone blanche du graphique affiche la combinaison de valeurs pour InjTemp et InjPress qui donne des valeurs ajustées satisfaisantes pour les trois variables de réponse, compte tenu des valeurs de maintien pour les trois autres variables. Par conséquent, tous les paramètres variables pour InjTemp et InjPress qui se situent dans cette région doivent produire un produit avec des réponses moyennes acceptables.

Vous pouvez utiliser des tracés de contours superposés en combinaison avec le Optimisation des réponses pour trouver le meilleur réglage pour chaque variable.