Un outil graphique pour la détection des valeurs aberrantes dans les factorielles 2k et 2k-P entièrement randomisées et non répliquées
Tony Cooper, PhD, consultant analytique principal, SAS
Doug Sanders, statisticien consultant
Cheryl Hild, directrice de la qualité, Aegis Sciences
Avec la sensibilisation croissante aux méthodes statistiques dans l'industrie, de nombreux non-statisticiens mettent en œuvre des études statistiques et réalisent des expériences planifiées statistiquement (DOE). Cette utilisation croissante des DOE par des non-statisticiens dans des contextes appliqués nécessite davantage de méthodologies graphiques pour soutenir l'analyse et l'interprétation des résultats de ces DOE. En particulier, il est crucial de disposer de moyens conviviaux pour étudier les effets aberrants du bruit et des variables de fond actives dans les DOE non répliqués. Cet article présente une méthodologie extrêmement simple, mais efficace, pour identifier les valeurs aberrantes dans les plans factoriels 2k et 2k-p non répliqués. Cette méthodologie intègre des techniques statistiques confirmatoires bien établies et un outil graphique exploratoire simple. La meilleure application de cette méthode nécessite l'utilisation interactive et dynamique de codes couleur et de marqueurs sur les graphiques. Cette fonctionnalité est particulièrement simple et performante dans le logiciel JMP. Comme toujours, l'industrie cherche à obtenir un maximum d'informations avec un minimum de ressources. De nombreuses industries s'appuient sur des plans non répliqués, où les termes d'erreur purs ne peuvent être estimés. Les termes de pseudo-erreur peuvent être utilisés pour estimer l'importance des effets. Cette méthodologie étend l'investigation pour permettre à l'expérimentateur d'évaluer la cohérence du bruit au sein de l'expérience. Largement utilisée, cette méthode permet aux expérimentateurs d'interagir avec leurs données afin d'éviter des analyses trompeuses et de découvrir des indices supplémentaires sur le fonctionnement de leurs processus.
