Accueil / Lean Six Sigma / ANOVA, régression et simulation
Collez les données depuis Excel et découvrez si des fournisseurs, machines, équipes ou réglages de procédé donnent des moyennes différentes, quelles paires diffèrent, quel est le poids de chaque facteur et si les hypothèses de l’analyse sont respectées. Utilisez-le avec 3 groupes ou plus (pour 2 seulement, le test t suffit) : collez une colonne avec le groupe et une autre avec la mesure, et la page indique quel groupe est le meilleur et ce que cela vaut par an.
Outil de prédimensionnement et d’estimation : les résultats ne remplacent ni l’étude, le calcul ou le rapport signé par un professionnel qualifié, ni la vérification selon les normes applicables.
R : résidu normalisé élevé (|R| > 2). X : X inhabituel (fort effet de levier).
Comment lire : Analyse de la variance : DL = degrés de liberté ; SC (Séq/Aj) = variation attribuée à chaque source ; CM = SC ÷ DL ; F = variation entre groupes ÷ variation à l’intérieur des groupes (plus il est grand, plus les groupes diffèrent) ; valeur p < α = le facteur modifie la moyenne. Récapitulatif du modèle : S = dispersion résiduelle ; R² = % de la variation expliquée par les facteurs.
Comment lire : dans le tableau de regroupement, les niveaux qui ne partagent aucune lettre ont des moyennes significativement différentes ; les niveaux avec une lettre commune peuvent être égaux. Dans le tableau des différences, chaque ligne est une paire : un intervalle qui ne contient pas zéro ou une valeur p ajustée < α = paire différente.
Chaque ligne est une paire. Si l’intervalle ne coupe pas zéro, la différence est significative (en rouge).
Comment lire : chaque ligne est une paire de niveaux (p. ex. B − A) et le trait est l’intervalle de la différence entre moyennes. La ligne verticale est le zéro : un trait qui ne touche pas zéro (rouge) = les deux niveaux diffèrent vraiment ; un trait qui coupe zéro = aucune preuve de différence. Plus il est loin de zéro, plus la différence est grande.
Moyenne de chaque niveau avec son intervalle de confiance. La ligne en pointillés est la moyenne générale.
Comment lire : chaque point est la moyenne d’un niveau et la barre verticale, la plage où se trouve probablement la vraie moyenne. Des barres qui ne se chevauchent pas suggèrent des niveaux différents ; des barres longues indiquent peu de données ou une forte dispersion dans le groupe.
Moyenne ajustée de la réponse à chaque niveau de chaque facteur (les autres variables à leur moyenne). Plus la ligne est inclinée, plus l’effet est grand.
Comment lire : un panneau par facteur : l’axe horizontal représente les niveaux du facteur et l’axe vertical, la moyenne de la réponse. Ligne plate = le facteur ne change presque pas le résultat ; ligne inclinée = effet fort. La ligne en pointillés est la moyenne générale. Comparez les pentes pour savoir quel facteur il vaut mieux régler.
Moyennes des données pour chaque combinaison de deux facteurs. Lignes parallèles : pas d’interaction.
Comment lire : chaque ligne est un niveau d’un facteur, qui parcourt les niveaux de l’autre. Lignes parallèles = pas d’interaction (chaque facteur agit seul). Lignes qui se croisent ou s’ouvrent en éventail = interaction : le meilleur réglage d’un facteur dépend de l’autre, et les effets principaux seuls sont trompeurs.
Intervalles de comparaison : deux niveaux dont les intervalles ne se chevauchent pas sont différents. En rouge, ceux qui ne chevauchent pas au moins un autre.
Comment lire : contrairement au graphique des intervalles, ici les barres sont ajustées pour que la règle visuelle fonctionne : si les barres de deux niveaux ne se touchent pas, les moyennes diffèrent ; si elles se touchent, il n’y a pas de preuve. Utilisez-le pour présenter le résultat des comparaisons de façon lisible.
Boîte = 50 % central (Q1 à Q3), trait = médiane, × = moyenne, moustaches jusqu’à 1,5 × IQR ; les points isolés sont des données inhabituelles.
Comment lire : l’axe vertical est la réponse et chaque boîte, un niveau. Comparez la hauteur des boîtes (niveau) et leur taille (dispersion). L’ANOVA suppose des dispersions voisines : une boîte bien plus grande que les autres demande le test des variances et, peut-être, l’option Welch. Les points isolés doivent être vérifiés.
Chaque mesure par niveau, avec les moyennes reliées entre niveaux.
Comment lire : chaque point est une mesure réelle et la ligne relie les moyennes des niveaux. Si les nuages de points ne se chevauchent presque pas, la différence se voit à l’œil nu ; s’ils se mélangent beaucoup, la différence de moyennes est petite face à la variation d’une pièce à l’autre, même si elle est significative.
Comment lire : chaque barre est l’intervalle de l’écart-type d’un niveau (corrigé par Bonferroni pour les comparaisons multiples). Des barres à la même hauteur qui se chevauchent = dispersions compatibles, l’ANOVA classique est valable. Un niveau avec une barre beaucoup plus haute est plus instable : analysez-le et utilisez Welch. Une valeur p de Levene < α confirme des dispersions différentes.
Résidu = mesure − moyenne ajustée de son groupe. Ils servent à vérifier les hypothèses : normalité, variance constante et indépendance.
Droite de Henry (probabilité normale)
En fonction des ajustements
Histogramme
En fonction de l’ordre
Comment lire : les quatre panneaux vérifient si l’ANOVA est fiable. Probabilité normale : points sur la droite = résidus normaux. En fonction des ajustements : bande de largeur constante autour de zéro = variances égales ; forme d’entonnoir = non. Histogramme : forme en cloche. En fonction de l’ordre : points sans tendance ni cycles = mesures indépendantes ; une dérive dans le temps est un signal d’alerte.
Reportez les résultats de cette page dans un autre calculateur, avec les champs déjà remplis.
La note de calcul réunit les entrées, résultats, équations, hypothèses et références de cette page, avec des champs pour le projet, le responsable et la révision. Le rapport complet comprend aussi les graphiques et les interprétations, en couleur. Dans la fenêtre d’impression, choisissez Enregistrer au format PDF.
Le test t compare deux moyennes. Avec trois niveaux ou plus (par exemple, quatre fournisseurs), faire plusieurs tests t augmente la probabilité d’une fausse alarme : avec six paires à 5 % chacune, la probabilité d’au moins une erreur dépasse 25 %. L’ANOVA les teste toutes à la fois et les comparaisons de Tukey maîtrisent cette erreur.
C’est la probabilité d’obtenir des différences aussi grandes que celles observées si, en réalité, toutes les moyennes étaient égales. Dans l’exemple des fournisseurs, p < 0,001 : il est très improbable que la différence soit due au hasard. Avec p ≥ 0,05, on ne peut pas affirmer qu’il y a une différence, ce qui ne prouve pas que les moyennes sont égales.
Tukey compare toutes les paires et c’est le choix par défaut. Dunnett compare chaque niveau à un témoin (le fournisseur actuel) et il est plus sensible quand seule cette question compte. Hsu MCB identifie quel niveau peut être le meilleur. Fisher ne corrige pas pour le nombre de paires et ne sert qu’au criblage.
Choisissez « Supposer des variances égales : Non ». Le calculateur utilise alors le test de Welch et les comparaisons de Games-Howell, qui n’exigent pas des dispersions égales. Un niveau beaucoup plus dispersé est déjà un constat qualité : il donnera plus de pièces hors tolérance même si sa moyenne est correcte.
Pour que l’ANOVA soit robuste aux données non normales, 15 ou plus par niveau (20 avec 10 à 12 niveaux), critère de l’Assistant utilisé dans la carte de vérification. Pour détecter une petite différence, indiquez la différence qui compte : la carte montre la puissance et le nombre de mesures nécessaires pour 80 % et 90 %.
Il y a interaction quand l’effet d’un facteur change selon le niveau de l’autre. Dans l’exemple de la rugosité, si augmenter l’avance dégradait beaucoup plus l’état de surface à une vitesse qu’à une autre, les lignes du graphique d’interaction s’écarteraient ou se croiseraient. Des lignes parallèles indiquent que les effets s’additionnent simplement.
Avec des données déséquilibrées (niveaux avec des nombres de mesures différents), les facteurs sont en partie confondus. La SC séquentielle dépend de l’ordre d’entrée des termes ; la SC ajustée mesure chaque terme après tous les autres et c’est elle qu’utilise le test F. Avec des données équilibrées, les deux coïncident.
Avis important : les outils d’Indus Metrics fournissent des estimations et des prédimensionnements à partir des données saisies et de méthodes d’ingénierie publiées. Ils ne remplacent ni l’étude, ni la note de calcul, ni le rapport signés par un professionnel qualifié, ni la vérification selon les normes techniques et la réglementation applicables. Les propriétés des matériaux et des combustibles varient : vérifiez-les auprès du fabricant ou par des analyses de votre procédé avant de décider. En utilisant le site, vous acceptez les Mentions légales et conditions d’utilisation.
© 2026 Indus Metrics. Vous avez trouvé une erreur ? Écrivez à contact@indusmetrics.com.