Accueil / Lean Six Sigma / ANOVA, régression et simulation
Découvrez quels facteurs du procédé font varier la réponse, le poids de chacun, quelle combinaison donne le meilleur résultat et avec quelle marge d’erreur, à partir des données dont vous disposez déjà. Collez depuis Excel une colonne pour la réponse (le résultat) et une pour chaque facteur, une ligne par essai ou par lot ; la page construit l’équation, montre quels facteurs comptent vraiment et simule « et si je change la température ? ».
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.
Avec 1 prédicteur : droite ajustée avec bandes de confiance (IC) et de prévision (IP) et l’équation. Avec plusieurs : observé × ajusté. Touchez un point pour l’exclure de ce graphique seulement et voir changer la droite et le R².
Comment lire : avec 1 prédicteur, X sur l’axe horizontal et Y sur l’axe vertical ; la ligne est le modèle, la bande étroite (IC) est l’endroit où se trouve la vraie moyenne et la bande large (IP), celui où tombera la prochaine mesure individuelle. Avec plusieurs prédicteurs, chaque point est une ligne du tableau : valeur prévue à l’horizontale, mesurée à la verticale. Points collés à la diagonale = bon modèle ; les points éloignés sont des cas que le modèle n’explique pas.
Déplacez chaque facteur et voyez la réponse prévue avec IC et IP. Chaque courbe montre l’effet d’un facteur, les autres étant fixés ; le triangle vert marque l’optimum.
Comment lire : en haut, la réponse prévue pour les valeurs choisies, avec IC (moyenne) et IP (pièce individuelle). Dans chaque mini-graphique, l’axe horizontal est un facteur et la courbe montre la réponse quand lui seul change ; la ligne rouge est la valeur actuelle du curseur. Courbe inclinée = facteur à fort effet ; courbe plate = faible effet.
Réponse prévue pour deux facteurs continus ; les autres restent aux valeurs du simulateur.
Comment lire : c’est une carte : les deux axes sont deux facteurs et la couleur (ou la hauteur, sur la surface) est la réponse prévue. Les couleurs identiques forment des bandes de même résultat ; la zone la plus foncée ou la plus haute est celle du meilleur réglage. Des bandes inclinées montrent que les deux facteurs se compensent ; si les courbes se referment en « œil », il y a un optimum à l’intérieur de la zone essayée.
Pareto des effets (|t| de chaque terme) avec la ligne du t critique, ou droite de Henry des effets.
Comment lire : chaque barre est un terme du modèle (facteur, interaction ou carré), du plus fort au plus faible ; la longueur est la taille de l’effet en unités d’erreur. Les barres qui dépassent la ligne verticale (t critique) sont des effets réels ; celles qui restent en deçà peuvent être du bruit et sont candidates à sortir du modèle.
Augmentation du R² quand le facteur entre en dernier dans le modèle (impact incrémental).
Comment lire : chaque barre indique combien de points de R² le modèle perdrait si l’on retirait ce facteur. Barre longue = facteur indispensable ; barre proche de zéro = facteur qui apporte peu, car un autre porte déjà la même information. Utilisez-la pour décider où investir dans la maîtrise du procédé.
Moyennes ajustées de chaque facteur (les autres à la moyenne) et courbes d’interaction avec l’autre facteur bas et haut.
Interactions
Comment lire : dans les effets principaux, chaque panneau montre la réponse moyenne quand un facteur va du minimum au maximum essayé : plus la ligne est inclinée, plus le facteur pèse. Dans les interactions, les deux lignes sont l’autre facteur bas et haut : parallèles = chaque facteur agit seul ; écartées ou croisées = le meilleur réglage de l’un dépend de l’autre.
Probabilité normale, en fonction des ajustements (avec LOWESS), histogramme et en fonction de l’ordre. Points en rouge : |résidu normalisé| > 2, avec le numéro de ligne.
Comment lire : le résidu est l’erreur du modèle sur chaque ligne. Un modèle fiable laisse des erreurs sans motif : points sur la droite en probabilité normale ; nuage de largeur constante autour de zéro en fonction des ajustements (entonnoir = variance croissante, courbe = il manque un terme) ; histogramme en cloche ; et aucune tendance en fonction de l’ordre (tendance = quelque chose a changé dans le temps).
Recherche une courbure ou un entonnoir par rapport à chaque facteur.
Comment lire : un panneau par prédicteur : l’axe horizontal est le facteur et l’axe vertical, l’erreur du modèle. Nuage dispersé sans forme autour de zéro = le facteur est bien représenté. Courbe en U ou en ∩ = il manque le terme quadratique de ce facteur ; entonnoir = la dispersion change avec le facteur (envisagez la transformation log).
Effet de levier × résidu normalisé ; la taille de la bulle est la distance de Cook.
Comment lire : chaque bulle est une ligne du tableau. Axe horizontal : effet de levier (degré de rareté de la combinaison de X ; à droite = point isolé). Axe vertical : résidu normalisé (écart entre le Y mesuré et le Y prévu ; au-delà de ±2 = surprise). Grosse bulle = point qui, à lui seul, modifie l’équation : vérifiez que la mesure est correcte avant de vous fier au modèle.
VIF calculé avec les prédicteurs continus centrés.
Comment lire : Coef = variation de la réponse quand le facteur augmente d’une unité (les autres étant fixés) ; ET = incertitude du coefficient ; t = Coef ÷ ET ; valeur p < 0,05 = effet démontré ; VIF au-dessus de 5 à 10 = le facteur se confond avec un autre et le coefficient est instable.
Comment lire : S = erreur type d’une prévision, dans l’unité de la réponse ; R² = % de la variation expliquée ; R²(aj) tient compte des termes inutiles ; R²(prév) estime la justesse sur de nouvelles données : bien en dessous du R² = le modèle a mémorisé les données (trop de termes).
SC ajustée de chaque terme (type III). L’inadéquation de l’ajustement apparaît quand il y a des essais répétés aux mêmes X.
R : résidu normalisé élevé ; X : fort effet de levier.
Meilleure combinaison de facteurs dans la plage des données, avec la désirabilité d (Derringer et Suich).
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 R² augmente toujours quand on ajoute un terme, même inutile. Le R² ajusté tient compte du nombre de termes et n’augmente que si le terme améliore vraiment le modèle. Comparez les modèles avec le R² ajusté et regardez aussi le R² de prévision : s’il est bien plus bas, le modèle a mémorisé les données.
C’est la plage où doit tomber une seule nouvelle mesure. L’intervalle de confiance ne concerne que la moyenne. Pour savoir si une pièce ou un lot respectera la spécification, utilisez l’intervalle de prévision, qui est plus large.
L’Assistant de Minitab recommande environ 40 lignes pour 3 termes au plus, 45 pour 6 au plus et 50 pour 7 ou 8. Avec moins, le R² peut beaucoup varier d’un échantillon à l’autre. La page affiche le nombre recommandé pour votre modèle dans la carte de vérification.
Recherchez la cause : erreur de saisie, instrument, événement particulier ou condition anormale. Ne supprimez pas un point uniquement parce qu’il est inhabituel. Touchez-le sur le graphique pour voir combien l’équation change sans lui.
Faites glisser les curseurs de chaque facteur et voyez la réponse prévue avec IC et IP ; les courbes montrent l’effet de chaque facteur, les autres étant fixés. L’optimiseur cherche, dans la plage des données, la combinaison qui maximise, minimise ou atteint la cible. Confirmez l’optimum avec un lot d’essai.
Utilisez un terme quadratique quand la réponse présente un maximum ou un minimum dans la plage (courbe sur le graphique des résidus) et une interaction quand l’effet d’un facteur dépend du niveau d’un autre (lignes non parallèles). La sélection pas à pas aide à ne garder que les termes qui comptent.
Oui. Coefficients, erreurs types, valeurs p, VIF, ANOVA, R² de prévision, Durbin-Watson et intervalles ont été vérifiés avec des exemples publiés (Minitab, Brownlee et données certifiées du NIST) et avec statsmodels.
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.