J'ai un lot de poudre A à partir duquel je prélève deux échantillons et que j'injecte dans deux méthodes différentes (A et 
d'un processus pour déterminer si les deux méthodes produisent le même résultat. Cependant, je me rends compte que comme la poudre a une distribution granulométrique, cela signifie que les échantillons ont un sous-ensemble de cette distribution et que ces poudres d'échantillon sont l'entrée pour les méthodes A et B. Ainsi, lorsque je compare la sortie de la méthode A et de la méthode B, comment prendre en compte la différence probable de distribution des entrées ? Dois-je prendre la moyenne PSD et l'écart type du lot A et ajuster d'une manière ou d'une autre la moyenne PSD et l'écart type de la poudre de sortie avec ces valeurs ?
J'ai un lot de poudre (lot A) avec une distribution granulométrique connue (PSD). À partir de ce lot, je prélève deux échantillons distincts pour alimenter deux méthodes différentes (méthode A et méthode d'un processus. Je souhaite comparer le résultat des deux méthodes pour voir si elles produisent le résultat PSD de sortie de poudre.
Cependant, étant donné que le lot de poudre d'entrée A présente une distribution granulométrique (plage de tailles de particules), chaque échantillon que je prélève ne représentera qu'un sous-ensemble de la distribution globale, ce qui pourrait affecter les résultats de sortie des deux méthodes. Dans ce contexte, comment dois-je tenir compte des différences de taille de particules entre les échantillons lors de la comparaison des résultats des méthodes A et B ?
Dois-je ajuster les résultats en prenant en compte le PSD global du lot (c'est-à-dire la moyenne et l'écart type de la distribution granulométrique) et en tenant compte d'une manière ou d'une autre dans les PSD de sortie des deux méthodes ?
Bonjour @StratifiedGnu91 ,
Bonne Année 2025 !
Votre question implique beaucoup de réflexion du côté de l'expertise du domaine, et quelques considérations du côté statistique.
Voici quelques réflexions :
- Les méthodes et les mesures instrumentales sont-elles évaluées et contrôlées ? Les mesures sont-elles cohérentes et vérifiées régulièrement avec une norme ?
Je m'assurerais d'abord que les mesures et les méthodes sont fiables et que toute variation provenant de ces mesures est aléatoire/non attribuable à une variation de bruit/facteurs. La réalisation d'une étude MSA peut aider à évaluer la répétabilité/reproductibilité de l'équipement et de la méthode de mesure, à créer un graphique de contrôle de surveillance pour détecter les décalages ou les dérives dans le processus de mesure et à évaluer la variation des mesures, afin que vous puissiez utiliser ce chiffre pour évaluer et comparer les mesures provenant des deux méthodes.
- Quel est le processus de création de lots de poudre pour le fournisseur ? Pouvez-vous disposer d'échantillons représentatifs à différents moments de production, impliquant différentes machines/équipements de production, couvrant toute la gamme de spécifications ?
Il s'agit d'un élément à discuter avec le fournisseur, afin de s'assurer que la quantité et la qualité des échantillons sont représentatives des échantillons de production passés et futurs. Il est préférable d'engager une discussion avec le fournisseur pour s'assurer qu'il peut fournir différents échantillons provenant de différentes sources, d'équipements et avec des résultats différents couvrant la plage de spécifications, afin d'étudier les valeurs de spécifications inférieures et supérieures et de vérifier la conformité de cette plage de spécifications avec les spécifications de vos produits et vos capacités de mesure.
- Quel est votre objectif et la précision nécessaire pour évaluer la variabilité globale de la mesure ?
D'après votre description du contexte, il est difficile de dire si vous souhaitez évaluer si les deux méthodes sont similaires (par exemple via des tests d'équivalence ) ou si vous souhaitez montrer que les méthodes sont différentes (par des tests statistiques), et sur quelle base : valeur moyenne ou variance (ou les deux) ? De plus, quelle est la différence de mesure globale que vous pouvez considérer comme équivalente/différente pour les méthodes et les échantillons étudiés ? Et quelle est la précision que vous souhaitez pour cette analyse, qui puisse informer/guider le nombre d'échantillons à collecter et à mesurer ? Vous pouvez également utiliser des explorateurs de taille d'échantillon comme Marge d'erreur pour deux moyennes d'échantillons indépendantes ou Marge d'erreur pour deux variances d'échantillons indépendantes , selon que vous êtes plus intéressé par une différence de moyennes ou de variances entre les deux méthodes pour évaluer la quantité d'échantillons requise pour détecter une différence entre les méthodes.
Pour la partie statistique, il peut y avoir plusieurs options pour analyser vos résultats :
- D'un point de vue global (variabilité globale des mesures), je pense que la plateforme Matched Pairs Analysis peut aider à comparer les méthodes A et B sur les mêmes échantillons (si cette option est possible, pour des mesures non destructives). Cette plateforme peut vous aider à réaliser des tests d'équivalence pour les mêmes échantillons. Il existe également d'autres options de tests statistiques (paramétriques et non paramétriques) (sur les moyennes et les variances) dans la plateforme Fit Y by X, Oneway Analysis .
- Pour votre question concernant les résultats des deux méthodes concernant la taille des particules des deux lots A et B, je pense que le simulateur pourrait également vous aider à visualiser et à simuler la variabilité de votre processus de mesure complet. Si vous disposez d'un modèle reliant la taille de vos particules à la réponse de mesure, vous pouvez spécifier des distributions de taille de particules pour votre facteur de taille de particules et ajouter toute variation de mesure à partir de votre réponse d'intérêt.
Voici un exemple sur l'ensemble de données Piepel de JMP, où j'ai ajouté une variation uniforme de mélange aléatoire sur les facteurs de mélange et un bruit aléatoire sur la réponse Y mesurée pour simuler la variabilité globale dans cette zone optimale :
À condition que vous disposiez d'un modèle reliant votre réponse Y mesurée pour chaque méthode et votre taille de particule, vous pouvez spécifier une distribution granulométrique et ajouter un bruit aléatoire sur votre réponse mesurée pour créer un tableau dans lequel vous pouvez visualiser et analyser davantage la différence entre les méthodes.
J'espère que ce sujet de discussion pourra vous aider,
