La variabilité est présente dans toutes les situations expérimentales. Découvrez les techniques de planification d’expériences « DOE » pour contrôler la variabilité et maximiser la qualité des données.
Ce cours couvre les techniques classiques de planification d’expériences (DoE) pour concevoir des expériences efficaces ainsi que les outils pour analyser les données collectées. Les principes de calcul de la taille de l’échantillon, les stratégies pour éliminer et contrôler les sources indésirables de variabilité comme l’utilisation de blocs et de témoins, ainsi que les plans d’expériences les plus couramment utilisés seront abordés.
L’analyse statistique des expériences planifiées sera progressivement introduite, en commençant par la méthode du test Student utilisée pour comparer deux groupes. Ensuite, la technique d’analyse de la variance (ANOVA) sera largement abordée, depuis les expériences simples à un facteur jusqu’aux situations multifactorielles plus avancées où les interactions entre les facteurs doivent être prises en compte. Les techniques de comparaisons multiples utilisées pour localiser les différences seront également présentées.
Plan de la formation
Session 1: Expériences visant à comparer 2 groupes – Partie 1
- Plans d’expériences: Design, utilité, construction et analyse statistique
- Plan complètement aléatoire « Completely Randomised Designs (CRD) » et plans appariés « Paired Designs »
- Structure d’un plan d’expériences: unités expérimentales, traitements, randomisation, blocking
- Intégration des contraintes expérimentales et des ressources disponibles dans les plans d’expériences
- Analyse statistique du test de t de Student et conditions d’utilisation
Session 2: Expériences visant à comparer 2 groupes – Partie 1
- Calcul de la taille d’échantillon par groupe
- Application aux plans complètement aléatoires « Completely Randomised Designs »
- Application aux plans appariés « Paired Designs »
Session 3: Principes de DoE, idées et outils
- Comprendre, contrôler et quantifier la variabilité
- Pièges fréquents en expérimentation
- Rôle du DoE en R&D
- Replication/Répétition vs. pseudo-replication
- Sources de variation et impact sur la qualité des données
- Outils pour contrôler la variabilité
- Structure d’un plan d’expériences
Session 4: Plans factoriels: Comparer plus de 2 groupes
- Survol des plans factoriels
- Construction et répétition
- Détecter l’effet des facteurs et leur synergie « interactions »y
- Construction des plans factoriels: exemples
- Détermination de la taille d’échantillon
Session 5: Analyse statistique des plans factoriels – Partie 1
- Analysis of Variance – ANOVA: Principe
- Conditions d’utilisation de l’ANOVA
- Détecter et interpréter l’effet de facteurs
- ANOVA pour plans à un seul facteur
- Techniques de comparaisons multiples pour localiser les différences entre les groupes
Session 6: Analyse statistique des plans factoriels – Partie 2
- ANOVA pour plans à plusieurs facteurs
- Notion d’interaction: Détection et interprétation
- Détermination de la taille d’échantillon
- Application aux études de cas
- Quoi faire lorsque les conditions d’utilisation ne sont pas respectées?
- Survol de méthodes alternatives
- Impact des données manquantes / Déséquilibre des plans d’expériences
- Outils efficaces de communication des résultats
- Que faut-il inclure dans les rapports ?
Durée de la formation
La durée recommandée de la formation est de 6 sessions en ligne.
Public cible
Ce module s’adresse à tout le personnel scientifique, désirant mettre en place des expériences efficaces et analyser les données recueillies pour en tirer le maximum d’information afin de prendre les meilleures décisions.
Les participants doivent posséder une excellente connaissance appliquée à leurs données des sujets suivants:
- Les mécanismes sous-jacents du calcul et de l’interprétation des mesures de tendance centrale et de dispersion robustes: moyenne, médiane, écart-type, erreur-type, coefficient de variation, quartiles, étendue interquartile, etc.
- La construction et l’utilisation des box-plots
- L’approche des tests d’hypothèses
- La construction et l’interprétation des intervalles de confiance et des p-values
- Les risques α et β et leur impact sur la portée et la précision des résultats
- La puissance et le calcul de taille d’échantillons
Dans le cas contraire, il est nécessaire que les participants suivent également le module Outils statistiques pour la R&D.