Accueil / Lean Six Sigma

ANOVA, régression et simulation

ANOVA à un ou plusieurs facteurs (modèle linéaire général et comparaisons multiples), corrélation de Pearson et de Spearman, régression linéaire simple et multiple, intervalles de tolérance et simulation de Monte-Carlo avec cumul de tolérances.

ANOVA (un ou plusieurs facteurs) Nouveau

Comparez les moyennes de fournisseurs, machines, équipes ou réglages de procédé : ANOVA à un facteur (avec Welch) et modèle linéaire général jusqu’à 4 facteurs, interactions et covariables, comparaisons de Tukey, Fisher, Dunnett, Hsu MCB et Games-Howell, test d’égalité des variances, graphiques des effets, d’interaction et des résidus, chaque résultat étant expliqué en langage simple.

Tukey, Welch, interaction

Corrélation et dispersion Nouveau

Collez un tableau de deux variables ou plus et obtenez la corrélation de Pearson et de Spearman de chaque couple, avec intervalle de confiance et valeur p, diagramme de dispersion interactif avec droite, ellipse, LOWESS et histogrammes, matrice de dispersion, carte de chaleur ordonnée et fiche de vérification. Chaque graphique explique, avec les chiffres de votre cas, ce que signifie la relation et ce qu’elle ne démontre pas.

Pearson, Spearman, matrice, carte de chaleur

Régression simple et multiple Nouveau

Collez un tableau avec la réponse et les facteurs du procédé et obtenez l’équation, les coefficients avec valeur p et VIF, l’ANOVA, le R² ajusté et de prévision, la sélection pas à pas, les graphiques des résidus, des effets, de contour et de surface, un simulateur, la prévision avec IC et IP et le réglage optimal des facteurs. Chaque graphique comporte une ligne « Comment lire » et l’interprétation avec les chiffres de votre cas.

Équation, R², résidus, simulateur

Intervalles de tolérance Nouveau

Collez les mesures d’un ou plusieurs échantillons et obtenez les limites qui, avec la confiance choisie, contiennent le pourcentage demandé des pièces : méthode normale avec facteur k exact ou de Howe, bilatérale ou unilatérale, et méthode non paramétrique avec la confiance atteinte, ainsi que le test d’Anderson-Darling, l’histogramme, la droite de probabilité et le plus petit pourcentage de pièces dans la spécification.

Plage de 95 %/99 % des pièces

Monte-Carlo et cumul de tolérances Nouveau

Saisissez l’équation du résultat (débit, jeu, résistance, coût) ou la chaîne de cotes d’un assemblage, choisissez la distribution de chaque entrée et simulez 100 000 pièces : histogramme avec la spécification, pourcentage hors tolérance et PPM, Pp et Ppk, contribution de chaque entrée à la variation, diagramme tornado, courbes de sensibilité, convergence et combien resserrer (ou relâcher) chaque tolérance pour atteindre le Ppk cible ; pour le cumul, comparaison avec le pire cas et le RSS.

Équation, pire cas, RSS

Aussi utile

Diagramme de dispersion Nouveau

Outil de base de la qualité pour voir si deux variables évoluent ensemble, par exemple si la rugosité se dégrade quand l’avance augmente ou si la dureté baisse avec la température du four. Il faut des paires de mesures de la même pièce ou du même lot. Collez X et Y (et, si vous le souhaitez, une colonne de groupe) et la page trace le diagramme de dispersion avec la droite, r et R² sur la figure, la phrase sur la force de la relation, les points qui s’écartent de la droite et la lecture par quadrants, prêt à télécharger en PNG, PDF ou classeur.

X × Y, r, R², groupes

Multi-vari et séquences Nouveau

Aide à trouver d’où vient la variation d’une mesure avant de chercher la cause. Collez les mesures avec jusqu’à 4 facteurs (position sur la pièce, pièce, heure, équipe) et voyez le diagramme multi-vari avec les moyennes reliées par niveau et la part de variation de chaque famille ; ou analysez l’ordre des données sur le graphique de séquence, avec les tests de regroupements, mélanges, tendance et oscillation.

Familles de variation, séquences

Analyse de données de vie (Weibull)EN Nouveau

Disponible en anglais