Les commandes de l’application, les identifiants des feuilles de données et les valeurs des données d’exemple conservent leur forme d’origine. Les captures d’écran, graphiques et fichiers à télécharger sont en anglais. Les exemples conservent les conventions numériques anglaises : point décimal et virgule de séparation des milliers.
Exemple : résistance du scellage de sachets
22 essais de scellage indépendants : les huit combinaisons à deux niveaux ont été réalisées chacun des deux jours, avec trois essais au centre par jour. Un bloc correspond à un jour d’expérimentation ; conservez sa colonne affectée pour que le modèle tienne compte des différences entre jours.
Télécharger les mesures enregistrées (CSV en anglais)C’est le même exemple enregistré que dans Help. Le CSV contient les réglages des facteurs et les réponses mesurées, à importer ensemble. Utilisez Open example in a practice copy dans Help pour préremplir les réglages.
1. Créer l’espace de travail
Dans la barre latérale, ouvrez Design of Experiments et créez une analyse. Nommez-la, sélectionnez New blank worksheet, puis choisissez Create analysis.
2. Importer les mesures
Téléchargez le CSV d’exemple ci-dessus et importez-le dans la feuille de données. Choisissez Comma comme délimiteur, Dot comme séparateur décimal et First row contains column names. Conservez ensemble la réponse, les réglages des facteurs, le type de point et l’ordre d’exécution de chaque ligne.
3. Choisir l’étude et saisir les facteurs
Dans Inputs, choisissez Analyze existing worksheet pour Task et Full factorial pour Design family.
Sous Factors, utilisez Add factor ou supprimez une ligne pour obtenir 3 facteurs. Conservez cet ordre et réglez Type sur Numeric pour chaque facteur.
Saisissez les valeurs de Factor name, Unit, Low et High ci-dessous.
| Facteur | Nom du facteur | Unité | Niveau bas | Niveau haut |
|---|---|---|---|---|
| A | jaw_temperature_c | °C | 150 | 170 |
| B | dwell_time_s | s | 0.8 | 1.2 |
| C | jaw_pressure_mpa | MPa | 0.25 | 0.35 |
Laissez Numeric levels, optional vide.
4. Affecter les colonnes d’entrée
Sous Response mappings, ouvrez chaque sélecteur et choisissez la colonne correspondante de la feuille.
| Colonne de la feuille | Champ d’entrée |
|---|---|
jaw_temperature_c | Factor jaw_temperature_c |
dwell_time_s | Factor dwell_time_s |
jaw_pressure_mpa | Factor jaw_pressure_mpa |
Affectez seal_strength_n_per_15mm à Response 1 et saisissez 1 dans Number of responses. Affectez run_order à Execution order et point_type à Center point indicator. Pour Center point column convention, choisissez Point type (center / factorial / fractional / star / axial / edge / edge_midpoint).
Affectez block à Block pour conserver les deux jours d’expérimentation dans le modèle.
5. Définir le modèle et les graphiques
Sous Model, choisissez Default hierarchical model pour Model terms et saisissez 95 dans Confidence level (%). Cochez Include center-point adjustment in model. Laissez Calculate predictions décoché.
Ouvrez Plot options. Cochez Effect estimates et Residual diagnostics. Laissez Response contours décoché. Laissez Pareto view, Effect probability plot, Interaction plot et 3D surface décochés.
6. Analyser la feuille de données
Choisissez Analyze worksheet, puis ouvrez Results. Cette opération ajuste un modèle aux mesures enregistrées ; elle ne génère ni ne randomise un nouveau plan d’essais.
7. Interpréter les résultats
Commencer par les essais enregistrés
Les 22 essais de scellage sont inclus. Les huit combinaisons de niveaux bas et hauts ont été réalisées chacun des deux jours, avec trois essais au centre par jour. Le modèle tient compte des deux jours. Chaque réponse est la résistance mesurée d’un scellage produit indépendamment.
Vérifier si le modèle laisse subsister une structure
Consultez le manque d’ajustement dans l’ANOVA des termes ajustés. Sa valeur p est de 0.9725 : ce test ne détecte donc pas de structure manquante au seuil de 5%. Cela ne prouve pas que le modèle est correct. L’effet du jour a p = 0.01595 ; conservez l’ajustement par bloc pour comparer les réglages.
Lire les effets
La température a le plus grand effet ajusté niveau haut moins niveau bas : environ +5.97 N par 15 mm. Le temps de maintien ajoute environ +3.99 et la pression +1.25. L’interaction température × temps de maintien vaut environ +2.65 ; température × pression, environ −1.51. Une interaction signifie que l’effet d’un facteur change selon le réglage d’un autre. Ces effets principaux ne s’appliquent pas à l’identique à toutes les combinaisons.
Effets ajustés niveau haut moins niveau bas avec intervalles de confiance à 95%. Voir le graphique en taille réelle (s’ouvre dans un nouvel onglet) Lire un résidu
Un résidu est la réponse mesurée moins la valeur ajustée. L’essai 11 a donné 23.87 N par 15 mm ; la valeur ajustée par le modèle est de 22.55, laissant environ +1.32 inexpliqué. C’est le plus grand résidu brut en valeur absolue. Sur le graphique, recherchez des courbures, des changements de dispersion ou des points inhabituels.
Résidus en N par 15 mm en fonction de la réponse ajustée. Voir le graphique en taille réelle (s’ouvre dans un nouvel onglet) Vérifier la séquence des essais
L’axe horizontal suit l’ordre d’exécution enregistré. Recherchez une dérive, des cycles ou un changement soudain des résidus. Une structure peut suggérer que le modèle n’a pas pris en compte un changement pendant l’expérience ; le graphique n’en identifie pas la cause.
Résidus en N par 15 mm dans l’ordre d’exécution enregistré. Voir le graphique en taille réelle (s’ouvre dans un nouvel onglet) Choisir un essai de confirmation
Examinez les enregistrements des essais inhabituels et comparez les combinaisons en tenant compte des interactions et de l’ajustement par jour. Confirmez un réglage prometteur et réalisable avec de nouveaux scellages indépendants. Le seul effet principal le plus élevé ne suffit pas à établir la meilleure combinaison de réglages.
Plus de détails : lire chaque section des résultats
Les tableaux complets de résultats utilisent six chiffres significatifs, comme dans Help.
Vue d’ensemble du modèle
Le nombre d’essais analysés est de 22 ; le nombre d’essais manquants est de 0. DF compte l’information disponible pour le modèle et l’erreur résiduelle. S est l’écart-type résiduel en N par 15 mm. R² décrit la variation ajustée dans ces essais ; le R² ajusté tient compte de la taille du modèle. Voir Détail des prédictions et des coefficients pour PRESS et le R² prédit. Un R² élevé n’établit pas l’adéquation du modèle. Lisez le test de manque d’ajustement et les graphiques des résidus.
| Statistique | Valeur |
|---|---|
| Réponse | seal_strength_n_per_15mm |
| Essais analysés | 22 |
| Réponses manquantes | 0 |
| Rang du modèle | 9 |
| Degrés de liberté résiduels | 13 |
| S | 0.565919 |
| R² | 0.983747 |
| R² ajusté | 0.973744 |
| PRESS | 9.07951 |
| R² prédit | 0.964555 |
| Niveau de confiance | 0.95 |
| Manque d’ajustement disponible | Oui |
ANOVA des termes ajustés
La source de variation désigne le terme du modèle ou la composante d’erreur. Le type distingue les tests de termes ajustés des totaux et de la décomposition de l’erreur. DF désigne les degrés de liberté, SS la somme des carrés et MS le rapport SS/DF. F compare la variation à son estimation de l’erreur ; la valeur p mesure les éléments allant à l’encontre de l’hypothèse nulle testée. Lisez le manque d’ajustement avant de vous appuyer sur les effets individuels. Un tiret signifie que la statistique ne s’applique pas.
| Source de variation | Type | DF | SS | MS | F | Valeur p |
|---|---|---|---|---|---|---|
| jaw_temperature_c | ajusté | 1 | 142.325 | 142.325 | 444.398 | 1.95327e-11 |
| dwell_time_s | ajusté | 1 | 63.6006 | 63.6006 | 198.588 | 2.97481e-9 |
| jaw_pressure_mpa | ajusté | 1 | 6.2001 | 6.2001 | 19.3593 | 0.000717766 |
| jaw_temperature_c × dwell_time_s | ajusté | 1 | 28.037 | 28.037 | 87.5433 | 3.87092e-7 |
| jaw_temperature_c × jaw_pressure_mpa | ajusté | 1 | 9.1204 | 9.1204 | 28.4777 | 0.000135106 |
| dwell_time_s × jaw_pressure_mpa | ajusté | 1 | 0.245025 | 0.245025 | 0.76507 | 0.397618 |
| Bloc | ajusté | 1 | 2.45557 | 2.45557 | 7.66731 | 0.0159483 |
| Point central | ajusté | 1 | 0.00950303 | 0.00950303 | 0.0296724 | 0.865888 |
| Modèle | résumé | 8 | 251.993 | 31.4991 | 98.3535 | 2.27367e-10 |
| Erreur | résumé | 13 | 4.16344 | 0.320265 | — | — |
| Total | résumé | 21 | 256.157 | 12.1979 | — | — |
| Erreur pure | décomposition | 4 | 2.78713 | 0.696783 | — | — |
| Manque d’ajustement | décomposition | 9 | 1.37631 | 0.152923 | 0.21947 | 0.972452 |
Coefficients
Le terme désigne un terme du modèle codé. L’estimation est son coefficient ajusté ; SE mesure l’incertitude ; t et la valeur p testent un coefficient nul. Les bornes de l’IC délimitent son intervalle à 95%. Les réglages numériques bas, médian et haut sont codés −1, 0 et +1. Avec des interactions ou des carrés, un coefficient principal ne décrit pas le changement à tous les réglages.
| Terme | Estimation | SE | t | Valeur p | Borne inférieure de l’IC | Borne supérieure de l’IC |
|---|---|---|---|---|---|---|
| Ordonnée à l’origine | 22.935 | 0.14148 | 162.108 | 7.05502e-23 | 22.6294 | 23.2406 |
| jaw_temperature_c | 2.9825 | 0.14148 | 21.0807 | 1.95327e-11 | 2.67685 | 3.28815 |
| dwell_time_s | 1.99375 | 0.14148 | 14.0921 | 2.97481e-9 | 1.6881 | 2.2994 |
| jaw_pressure_mpa | 0.6225 | 0.14148 | 4.39992 | 0.000717766 | 0.316851 | 0.928149 |
| jaw_temperature_c × dwell_time_s | 1.32375 | 0.14148 | 9.35646 | 3.87092e-7 | 1.0181 | 1.6294 |
| jaw_temperature_c × jaw_pressure_mpa | -0.755 | 0.14148 | -5.33645 | 0.000135106 | -1.06065 | -0.449351 |
| dwell_time_s × jaw_pressure_mpa | 0.12375 | 0.14148 | 0.874683 | 0.397618 | -0.181899 | 0.429399 |
| Bloc · contraste 1 | -0.334091 | 0.120654 | -2.76899 | 0.0159483 | -0.594749 | -0.0734329 |
| Point central | -0.0466667 | 0.270913 | -0.172257 | 0.865888 | -0.631939 | 0.538606 |
Effets factoriels
L’effet est le contraste ajusté niveau haut moins niveau bas. SE mesure l’incertitude et les bornes de l’IC donnent son intervalle à 95%. L’effet standardisé est l’effet en valeur absolue divisé par son SE. Une interaction signifie que l’effet d’un facteur change selon le réglage d’un autre.
| Terme | Effet | SE | Borne inférieure de l’IC | Borne supérieure de l’IC | Effet standardisé |
|---|---|---|---|---|---|
| jaw_temperature_c | 5.965 | 0.28296 | 5.3537 | 6.5763 | 21.0807 |
| dwell_time_s | 3.9875 | 0.28296 | 3.3762 | 4.5988 | 14.0921 |
| jaw_pressure_mpa | 1.245 | 0.28296 | 0.633703 | 1.8563 | 4.39992 |
| jaw_temperature_c × dwell_time_s | 2.6475 | 0.28296 | 2.0362 | 3.2588 | 9.35646 |
| jaw_temperature_c × jaw_pressure_mpa | -1.51 | 0.28296 | -2.1213 | -0.898703 | 5.33645 |
| dwell_time_s × jaw_pressure_mpa | 0.2475 | 0.28296 | -0.363797 | 0.858797 | 0.874683 |
Diagnostics par ligne
L’identifiant de ligne repère la ligne de la feuille ; l’ordre d’exécution la situe dans la séquence de l’expérience. Le statut indique si elle a été analysée. La valeur observée est la mesure ; la valeur ajustée est celle du modèle ; le résidu est la valeur observée moins la valeur ajustée. Le résidu standardisé tient compte de la variation résiduelle et de l’effet de levier. L’effet de levier mesure le caractère inhabituel des données d’entrée du modèle. Toutes les lignes enregistrées sont affichées. Examinez une ligne inhabituelle avant de la modifier ou de l’exclure.
| Identifiant de ligne | Ordre d’exécution | Statut | Observé | Ajusté | Résidu | Résidu standardisé | Effet de levier |
|---|---|---|---|---|---|---|---|
| help-doe-getting-started-1 | 1 | Analysé | 18.72 | 18.7872 | -0.0671591 | -0.165039 | 0.482955 |
| help-doe-getting-started-2 | 2 | Analysé | 28.38 | 28.9097 | -0.529659 | -1.3016 | 0.482955 |
| help-doe-getting-started-3 | 3 | Analysé | 17.82 | 17.6947 | 0.125341 | 0.308017 | 0.482955 |
| help-doe-getting-started-4 | 4 | Analysé | 22.53 | 22.5542 | -0.0242424 | -0.0482605 | 0.212121 |
| help-doe-getting-started-5 | 5 | Analysé | 22.09 | 22.5222 | -0.432159 | -1.062 | 0.482955 |
| help-doe-getting-started-6 | 6 | Analysé | 21.89 | 22.5542 | -0.664242 | -1.32234 | 0.212121 |
| help-doe-getting-started-7 | 7 | Analysé | 21.83 | 21.7897 | 0.0403409 | 0.099135 | 0.482955 |
| help-doe-getting-started-8 | 8 | Analysé | 22 | 22.0097 | -0.00965909 | -0.0237365 | 0.482955 |
| help-doe-getting-started-9 | 9 | Analysé | 20.45 | 20.2022 | 0.247841 | 0.609052 | 0.482955 |
| help-doe-getting-started-10 | 10 | Analysé | 28.89 | 28.8922 | -0.00215909 | -0.00530581 | 0.482955 |
| help-doe-getting-started-11 | 11 | Analysé | 23.87 | 22.5542 | 1.31576 | 2.61934 | 0.212121 |
| help-doe-getting-started-12 | 12 | Analysé | 20.68 | 20.8703 | -0.190341 | -0.467749 | 0.482955 |
| help-doe-getting-started-13 | 13 | Analysé | 23.47 | 23.2224 | 0.247576 | 0.49286 | 0.212121 |
| help-doe-getting-started-14 | 14 | Analysé | 18.18 | 18.3628 | -0.182841 | -0.449319 | 0.482955 |
| help-doe-getting-started-15 | 15 | Analysé | 22.32 | 23.2224 | -0.902424 | -1.7965 | 0.212121 |
| help-doe-getting-started-16 | 16 | Analysé | 29.62 | 29.5603 | 0.0596591 | 0.146608 | 0.482955 |
| help-doe-getting-started-17 | 17 | Analysé | 30.05 | 29.5778 | 0.472159 | 1.1603 | 0.482955 |
| help-doe-getting-started-18 | 18 | Analysé | 19.58 | 19.4553 | 0.124659 | 0.306341 | 0.482955 |
| help-doe-getting-started-19 | 19 | Analysé | 22.63 | 22.6778 | -0.0478409 | -0.117566 | 0.482955 |
| help-doe-getting-started-20 | 20 | Analysé | 23.25 | 23.2224 | 0.0275758 | 0.0548963 | 0.212121 |
| help-doe-getting-started-21 | 21 | Analysé | 22.36 | 22.4578 | -0.0978409 | -0.240437 | 0.482955 |
| help-doe-getting-started-22 | 22 | Analysé | 23.68 | 23.1903 | 0.489659 | 1.2033 | 0.482955 |
Codage des facteurs
Le facteur désigne la variable d’entrée et le type indique son type de modélisation. Le centre et l’échelle convertissent les réglages numériques en valeurs codées : (réglage − centre) / échelle. Ainsi, le point médian vaut 0 et les bornes basse et haute saisies valent −1/+1. Niveaux / contrastes concerne le codage catégoriel ; un tiret ne signale pas une mesure numérique manquante. Conservez les notes sur les colonnes du modèle, les blocs et le rang avec ce tableau.
| Facteur | Type | Centre | Échelle | Niveaux / contrastes |
|---|---|---|---|---|
| jaw_temperature_c | numérique | 160 | 10 | — |
| dwell_time_s | numérique | 1 | 0.2 | — |
| jaw_pressure_mpa | numérique | 0.3 | 0.05 | — |
- Colonnes du modèle : ordonnée à l’origine, jaw_temperature_c, dwell_time_s, jaw_pressure_mpa, jaw_temperature_c × dwell_time_s, jaw_temperature_c × jaw_pressure_mpa, dwell_time_s × jaw_pressure_mpa, Bloc · contraste 1, Point central
- Tolérance de rang : 1e-10
- Niveau du bloc : Day_1
- Niveau du bloc : Day_2
Covariance des coefficients
Lisez ensemble le terme de la ligne et celui de la colonne. Les éléments diagonaux sont les carrés des erreurs-types des coefficients ajustés. Les éléments hors diagonale décrivent l’incertitude d’estimation partagée. Cette matrice concerne les coefficients du modèle, et non les corrélations entre les colonnes de facteurs mesurées.
| Colonne | Ordonnée à l’origine | jaw_temperature_c | dwell_time_s | jaw_pressure_mpa | jaw_temperature_c × dwell_time_s | jaw_temperature_c × jaw_pressure_mpa | dwell_time_s × jaw_pressure_mpa | Bloc · contraste 1 | Point central |
|---|---|---|---|---|---|---|---|---|---|
| Ordonnée à l’origine | 0.0200165 | 0 | 0 | 0 | -1.73724e-18 | 0 | 0 | 0 | -0.0200165 |
| jaw_temperature_c | 0 | 0.0200165 | 1.25524e-18 | 1.59056e-18 | -2.37535e-18 | 1.14682e-18 | 6.87283e-19 | -3.11116e-19 | 2.40441e-19 |
| dwell_time_s | 0 | 1.25498e-18 | 0.0200165 | 1.41339e-18 | -8.20222e-18 | 2.83927e-18 | -2.97871e-18 | 9.96778e-18 | 8.55081e-21 |
| jaw_pressure_mpa | 0 | 1.34066e-18 | 1.85008e-18 | 0.0200165 | -8.38039e-19 | 1.83585e-19 | -4.22472e-18 | -8.36686e-18 | 4.86775e-20 |
| jaw_temperature_c × dwell_time_s | -1.73724e-18 | -1.7558e-18 | -8.74062e-18 | -7.0199e-19 | 0.0200165 | -2.49201e-18 | 6.54714e-18 | -4.5524e-18 | 4.71332e-18 |
| jaw_temperature_c × jaw_pressure_mpa | 0 | 1.09564e-18 | 2.83401e-18 | 3.04389e-19 | -1.87779e-18 | 0.0200165 | 8.66089e-19 | -4.98088e-19 | -6.83801e-21 |
| dwell_time_s × jaw_pressure_mpa | 0 | 1.56378e-19 | -2.08591e-18 | -3.66915e-18 | 7.17073e-18 | 5.66413e-19 | 0.0200165 | 1.36697e-18 | 2.63412e-19 |
| Bloc · contraste 1 | 0 | -3.11116e-19 | 9.96778e-18 | -8.36686e-18 | -4.5524e-18 | -4.98088e-19 | 1.36697e-18 | 0.0145575 | 4.24889e-34 |
| Point central | -0.0200165 | 2.40441e-19 | 8.55081e-21 | 4.86775e-20 | 4.71332e-18 | -6.83801e-21 | 2.63412e-19 | 4.24889e-34 | 0.073394 |
Détail des prédictions et des coefficients
PRESS additionne les erreurs de prédiction en laissant un essai de côté à la fois : chaque essai est prédit par un modèle ajusté sans cet essai. Le R² prédit utilise ces erreurs. La covariance des coefficients décrit l’incertitude d’estimation ; sa diagonale contient les carrés des erreurs-types des coefficients. Ces diagnostics complètent les vérifications du manque d’ajustement et des résidus, sans les remplacer.
8. Créer un rapport
Conservez Model overview, Adjusted term ANOVA, Coefficients, Coefficient covariance, Row diagnostics et Factor coding, ainsi que le tableau Factorial effects et les graphiques des effets et des résidus. Ajoutez les unités de la réponse, les réglages des facteurs, l’ordre d’exécution enregistré et toutes les notes du modèle. Conservez le résultat du manque d’ajustement avec les vérifications des résidus ; il ne valide pas le modèle à lui seul.
Sélectionnez Add to report dans l’exécution terminée. Ouvrez Choose individual items and advanced options pour sélectionner les tableaux et graphiques, puis choisissez Add to draft. Les éléments masqués restent dans l’analyse enregistrée.
Nommez le rapport et ajoutez l’objectif de l’étude ainsi que votre interprétation. Sélectionnez Save, vérifiez Preview, puis utilisez Export → Download HTML. L’exemple ci-dessous contient l’intégralité du contenu sélectionné, y compris les résultats au-delà d’un seul écran.