Formation plans d'expériences

Leçon 1 • Principes fondamentaux de l'expérimentation

Couvre la randomisation, la répétition et le blocage comme les trois piliers d'expériences valides. Lie chaque principe à la réduction des biais et à la fiabilité des résultats.

Leçon 2 • Aperçu du flux de travail du DOE

Cartographie le processus de bout en bout, de la définition du problème à l'analyse et à la mise en œuvre. Donne aux apprenants une feuille de route pour tous les chapitres suivants.

Leçon 3 • Définition des facteurs, des réponses et du bruit

Distingue les facteurs maîtrisables, les variables de bruit incontrôlables et les réponses mesurables. Prépare les apprenants à projeter des problèmes réels sur des structures expérimentales.

Leçon 4 • Qu'est-ce que la conception d'expériences

Définit le DOE, ses origines historiques et son rôle dans la résolution de problèmes scientifiques et industriels. Établit le vocabulaire utilisé tout au long du cours.

Leçon 1 • Analyse de régression pour les expériences

Applique la régression linéaire simple et multiple pour modéliser les relations facteur-réponse. Prépare les apprenants pour la modélisation des surfaces de réponse et de prédiction plus tard.

Leçon 2 • Calculs de la taille de l'échantillon et de la puissance

Enseigne comment déterminer le nombre d'essais nécessaires pour détecter des effets d'importance pratique. Empêche les expériences sous-dimensionnées et le gaspillage de ressources.

Leçon 3 • Notions essentielles sur les tests d'hypothèses

Couvre les erreurs de type I et de type II, les valeurs p et les intervalles de confiance pour les comparaisons expérimentales. Relie les décisions statistiques aux conclusions expérimentales.

Leçon 4 • Révision des probabilités et des distributions

Passe en revue les distributions normale, t, F et du khi-deux telles qu'elles s'appliquent aux données expérimentales. Ancre les tests d'hypothèses ultérieurs dans des hypothèses distributionnelles.

Leçon 1 • Tests de variance et vérifications d'égalité

Introduit le test F et le test de Levene pour comparer les variances avant de les regrouper. Assure une sélection de test correcte basée sur l'homogénéité de la variance.

Leçon 2 • Exécution pratique d'expériences

Guide les apprenants à travers la randomisation de l'ordre des essais, l'enregistrement des données et l'analyse préliminaire. Fait le pont entre la théorie statistique et la pratique expérimentale concrète.

Leçon 3 • Alternatives non paramétriques

Présente les tests de Mann-Whitney et de Wilcoxon pour les données non normales ou ordinales. Élargit la boîte à outils de l'analyste au-delà des hypothèses paramétriques.

Leçon 4 • Procédures de comparaisons multiples

Aborde l'inflation du taux d'erreur par famille lors du test simultané de plusieurs moyennes. Introduit les corrections de Tukey, Bonferroni et Dunnett.

Leçon 1 • Analyse des résidus et validation du modèle

Applique les diagnostics des résidus pour vérifier les hypothèses du modèle factoriel et identifier les points influents. Assure la validité du modèle avant de tirer des conclusions expérimentales.

Leçon 2 • Effets principaux et effets d'interaction

Définit et calcule les effets principaux et les interactions à deux facteurs à partir de données factorielles. Enseigne l'interprétation des graphiques d'interaction pour la prise de décision pratique.

Leçon 3 • Concepts du plan factoriel complet à deux niveaux

Introduit les plans 2^k, le codage des effets et la structure de la matrice de planification. Établit la base géométrique et algébrique de l'expérimentation factorielle.

Leçon 4 • ANOVA pour les plans factoriels

Étend l'ANOVA aux expériences multifactorielles, en partitionnant la variance entre les effets principaux et les interactions. Relie les statistiques F aux décisions de signification des facteurs.

Leçon 1 • Structure d'alias et confusion

Enseigne comment les effets deviennent aliasés dans les plans fractionnaires et comment identifier les chaînes d'alias. Permet des décisions éclairées sur les effets qui peuvent être estimés indépendamment.

Leçon 2 • Analyse et interprétation des résultats de criblage

Applique les graphiques demi-normaux, la méthode de Lenth et la parcimonie des effets pour identifier les facteurs actifs. Guide la transition des expériences de criblage aux expériences d'optimisation.

Leçon 3 • Plans en demi-fraction et en quart de fraction

Démontre la construction et l'analyse des plans 2^(k-1) et 2^(k-2) pour le criblage pratique. Couvre les stratégies de repliement pour briser l'aliasing si nécessaire.

Leçon 4 • Plans de Plackett-Burman et sursaturés

Introduit les plans de Plackett-Burman pour cribler jusqu'à N-1 facteurs en N essais. Compare leur structure d'alias aux factoriels fractionnaires réguliers.

Leçon 1 • Structure du plan en parcelles divisées

Explique les facteurs de parcelle entière et de sous-parcelle résultant de conditions expérimentales difficiles à modifier. Identifie les deux strates d'erreur et leur impact sur l'analyse.

Leçon 2 • Plan en blocs complets randomisés

Introduit le RCBD pour éliminer la variation de nuisance connue de l'erreur expérimentale. Démontre comment le blocage augmente la précision sans ajouter d'essais factoriels supplémentaires.

Leçon 3 • Plan en carré latin et plans associés

Utilise des plans en carré latin pour maîtriser deux facteurs de nuisance simultanément avec un minimum d'essais. S'étend aux carrés gréco-latins pour trois facteurs de nuisance.

Leçon 4 • Analyse des expériences en parcelles divisées

Applique l'ANOVA à modèles mixtes pour tester correctement les effets de la parcelle entière et de la sous-parcelle. Évite l'erreur courante d'utiliser un seul terme d'erreur regroupé.

Leçon 1 • Introduction aux méthodes de surfaces de réponse

Définit le concept de surface de réponse et la stratégie séquentielle pour se déplacer vers un optimum. Positionne la RSM comme la suite naturelle des expériences de criblage.

Leçon 2 • Voie de la plus grande pente

Enseigne la méthode basée sur un modèle du premier ordre pour se déplacer efficacement vers la région optimale. Couvre la sélection de la taille du pas et les critères d'arrêt.

Leçon 3 • Ajustement et analyse du modèle du second ordre

Ajuste des modèles quadratiques complets, interprète les coefficients et valide l'adéquation du modèle. Prépare les apprenants à caractériser la forme de la surface et à localiser les points stationnaires.

Leçon 4 • Plans composites centrés et de Box-Behnken

Introduit le CCD et le BBD comme les principaux plans du second ordre pour la RSM. Compare leur rotatabilité, leur nombre d'essais et leur adéquation pratique.

Leçon 1 • Rapports signal/bruit

Définit et calcule les rapports signal/bruit de Taguchi pour les trois objectifs qualité. Relie l'analyse SNR à la sélection des niveaux de facteurs pour la robustesse.

Leçon 2 • Plan combiné et conception robuste moderne

Présente l'approche du plan combiné qui intègre les facteurs de commande et de bruit dans un seul plan. Le compare à l'approche de plan croisé de Taguchi pour l'efficacité et l'information.

Leçon 3 • Philosophie de la conception robuste

Introduit la fonction de perte de qualité de Taguchi et l'objectif de minimiser la variation autour d'une cible. Contraste la conception robuste avec le contrôle qualité basé sur la tolérance traditionnelle.

Leçon 4 • Études de cas en conception robuste

Applique les méthodes de conception robuste à des exemples de fabrication, de développement de produits et de processus de service. Renforce le flux de travail complet, de l'identification du bruit aux réglages robustes optimaux.