CONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»

Dimension: px
Commencer à balayer dès la page:

Download "CONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»"

Transcription

1 CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1

2 SIGMA PLUS Logiciels, Formations et Etudes Statistiques 6, rue Collange Levallois-Perret Christian R. CHARLES 2

3 La société SIGMA PLUS Deux sites : Levallois-Perret et Labège Société créée en 1979 Logiciels, Formations, Conseil et Etudes Distributeur et éditeur de logiciels d analyses statistiques et graphiques Plus de utilisateurs 60% dans l industrie 40% dans l éducation et la recherche 3

4 Plan de la présentation Logiciels utilisés Plan d expériences Optimisation robuste «Design Space» et «Quality by Design» Exemple présenté Mise en œuvre Conclusion 4

5 Logiciels utilisés Création et analyse du plan d expériences STATGRAPHICS Centurion Version française StatPoint Technologies (USA) Simulation, Optimisation Industrial Version 6.2 française Palisade Corporation (USA) 5

6 Plan d expériences (d après Sciences de l ingénieur) Le comportement des produits industriels est généralement fonction de nombreux phénomènes, souvent dépendants les uns des autres. Pour prévoir ce comportement, le produit et les phénomènes sont modélisés, et des simulations sont effectuées ; la pertinence des résultats des simulations dépend de la qualité des modèles. Dans le cadre de la conception d'un produit, les modèles font généralement intervenir un certain nombre de grandeurs physiques que l'on s'autorise à modifier, appelés facteurs. Le problème du concepteur est alors de trouver les bonnes valeurs de ces facteurs, c'est-à-dire celles qui feront que le produit aura le comportement attendu ; cela nécessite d'identifier l'influence des facteurs sur la réponse du produit. Cela passe par des études expérimentales, consistant à imposer différentes valeurs de ces facteurs et à mesurer les réponses obtenues. 6

7 Plan d expériences (d après Sciences de l Ingénieur) Or, ces essais sont coûteux, et ce d'autant plus que le nombre de paramètres à faire varier est important. En effet, la modification d'un paramètre peut par exemple exiger un démontage et un remontage du produit, ou bien la fabrication de plusieurs prototypes ou encore l'interruption de la production. Le coût d'une étude expérimentale dépend donc du nombre et de l'ordre des essais effectués. Les plans d'expériences consistent à sélectionner et ordonner les essais afin d'identifier, à moindres coûts, les effets des facteurs sur la réponse du produit. Trois étapes : Postuler un modèle de comportement du système ; Définir un plan d'expériences, c'est-à-dire une série d'essais permettant d'identifier les coefficients du modèle ; Faire les essais, dépouiller les résultats, optimiser la réponse 7

8 Optimisation robuste Design Space, Quality by Design (d après la FDA) Optimisation robuste The robustness of an analytical procedure is a measure of its capacity to remain unaffected by small, but deliberate variations in method parameters and provides an indication of its reliability during normal usage. Design Space (DS), Quality by Design (QbD) The estimation of the Design Space is based on the current DOE models and Monte Carlo simulations for risk analysis. The DS is the estimated volume in the investigated region (experimental design region) where we can expect that all specifications are fulfilled at a specific risk level. The DS estimate considers several sources of known variability that can affect the size of the DS. 8

9 Exemple présenté (adapté de Derringer et Suich, Journal of Quality Technology, vol 12, n 4, Octobre 1980) Mise au point d un nouveau pneumatique Quatre composants : le caoutchouc (plus de la moitié du mélange) la silice, le silane et le soufre Au final trois composants silice, silane soufre (en parts pour 100 parts de caoutchouc) Quatre réponses : abrasion, module, rupture, dureté 9

10 Exemple présenté Composant Niveau bas Niveau haut Silice 0,7 1,7 Silane Soufre 1,8 2,8 Réponse Spécifications Abrasion (test PICO) Comprise entre 150 et 170 Module à 200% Supérieur à 1000 Rupture Comprise entre 400 et 600 Dureté Comprise entre 60 et 75 Des effets de courbure sont attendus sur les réponses. Un plan centré-composite est envisagé : 2^3+étoile. 10

11 Définition du plan (StatGraphics) Utilisation de l assistant en 12 étapes 11

12 Définition du plan (StatGraphics) 1) Définition des réponses 12

13 Définition du plan (StatGraphics) 2) Définition des facteurs 13

14 Définition du plan (StatGraphics) 3) Sélection du plan : surface de réponse 14

15 Définition du plan (StatGraphics) 3) Sélection du plan : centré composite 2^3 + étoile + 2 points au centre = = 16 essais 15

16 Définition du plan (StatGraphics) 3) Sélection du plan : propriétés Ajout de 7 points au centre pour les propriétés statistiques Au total : 23 essais 16

17 Définition du plan (StatGraphics) 4) Choix du modèle : quadratique 17

18 Définition du plan (StatGraphics) 5) Sélection des essais (D-optimalité) 6) Evaluation du plan 7) Enregistrement du plan, saisie des données 18

19 Données du plan (StatGraphics) 19

20 Analyse du plan (StatGraphics) 8) Analyse des données des 4 réponses 20

21 Analyse du plan (StatGraphics) 8) Etude spécifique de la réponse Abrasion 21

22 Analyse du plan (StatGraphics) 8) Réponse Abrasion : maximisation [150;170] 22

23 Analyse du plan (StatGraphics) Optimum pour : silice = 1.7 silane = 60 soufre = 2.8 Optimum déterministe ponctuel ne prenant pas en compte les erreurs d estimation des coefficients du modèle ni les spécifications 23

24 Analyse du plan (StatGraphics) Le réglage optimal des facteurs est obtenu au bord du domaine expérimental Un risque d inadéquation du modèle L optimum obtenu (195) est largement supérieur à la LSS (170) Transfert du modèle Industrial 24

25 Transfert du modèle Même optimum avant utilisation de la simulation Problème DPMO 25

26 Définition des lois des coefficients A chaque coefficient du modèle de régression est associé une loi de Student pour prendre en compte l erreur-type d estimation de ce coefficient. 26

27 Définition de la réponse Sortie = Abrasion Spécifications et Six Sigma 27

28 Simulation Monte-Carlo Cellules ajustables : nécessaires pour l optimisation Ce sont les réglages optimaux recherchés pour optimiser la réponse sous d éventuelles contraintes Rappel des plages possibles des facteurs Silice : [ 0.7 ; 1.7 ] Silane : [ 40 ; 60 ] Soufre : [ 1.8 ; 2.8 ] Rappel de la plage Abrasion : [ 150 ; 170 ] 28

29 Simulation Monte-Carlo Même en tenant compte des erreurs d estimation du modèle, les valeurs pour l abrasion sont toujours au-dessus de la LSS. La simulation affiche la variabilité de l optimum. Cp 1 et Cpk < 0 29

30 Optimisation avec RISK Optimizer Recherche des valeurs optimales des trois facteurs Silice, Silane et Soufre permettant de : Cibler la valeur : 160 Pour la statistique Moyenne Sous la contrainte des spécifications» Abrasion dans la plage [150 ; 170] = [LSI ; LSS] 30

31 Optimisation avec RISK Optimizer Objectif Statistique Facteurs Contrainte 31

32 Optimisation avec RISK Optimizer Contrainte ferme Définition de la contrainte Spécifications 32

33 Optimisation avec RISK Optimizer Progression de l optimisation 50 essais demandés Evolution de la valeur de l abrasion vers la valeur cible 33

34 Optimisation avec RISK Optimizer Affichage de la synthèse : Meilleur essai Premier essai Dernier essai 34

35 Optimisation avec RISK Optimizer Affichage du journal des 50 essais Il est possible de générer un rapport complet dans une feuille Excel. 35

36 Optimisation avec RISK Optimizer Réglage optimal des facteurs Moyenne au voisinage de la cible et DPMO 36

37 Optimisation avec RISK Optimizer Simulation autour du réglage optimal trouvé : Moyenne = Ecart-type = Indices d aptitude : Cp = 2.3 Cpk =

38 Optimisation avec RISK Optimizer Nouvelle recherche des valeurs optimales des trois facteurs Silice, Silane et Soufre au voisinage de l optimum obtenu ( +/-10%) : Silice = 1,4421 => [ 1,3 ; 1,6 ] Silane = 55,4753 => [ 50 ; 60 ] Soufre = 2,4159 => [ 2,2 ; 2,7 ] Minimiser les DPMO, par exemple <

39 Optimisation avec RISK Optimizer Objectif Statistique Plage pour les facteurs Contrainte DPMO 39

40 Optimisation avec RISK Optimizer Progression de l optimisation 100 essais demandés Evolution de la valeur de l abrasion vers la valeur cible 40

41 Optimisation avec RISK Optimizer Demande de génération du rapport complet : Synthèse Tous les essais Progression But : récupérer les valeurs DPMO et les visualiser sous forme graphique 41

42 Optimisation avec RISK Optimizer Meilleur essai : le 87 car sur cible 42

43 Affichage des résultats Evolution DPMO en fonction de l écart à la cible de

44 Affichage des résultats (DPMO) 44

45 Affichage des résultats (Abrasion) 45

46 Affichage des résultats 46

47 En conclusion 1) Optimisation initiale : 195,86 Réglage : 1,7 ; 60 ; 2,8 Au bord du domaine 2) Optimisation avec cible : 159,61 et contrainte Spécifications Réglage : 1,44 ; 55,48 ; 2,42 3) Optimisation avec cible : 160 et contrainte DPMO < Réglage : 1,45 ; 54,90 ; 2, 45 47

48 En conclusion Cas 1 Un optimum par défaut en-dehors des spécifications 48

49 En conclusion Cas 2 Un optimum dans les spécifications 49

50 En conclusion Cas 3 Un optimum dans les spécifications avec DPMO <

51 En conclusion 51

52 En conclusion Vous souhaitez recevoir cette présentation et le : SIGMA PLUS Christian CHARLES

@RISK pour Six Sigma. Version 5.7 septembre, 2010. Guide d utilisation

@RISK pour Six Sigma. Version 5.7 septembre, 2010. Guide d utilisation Guide d utilisation @RISK pour Six Sigma Version 5.7 septembre, 2010 Palisade Corporation 798 Cascadilla St. Ithaca, NY 14850 États-Unis +1-607-277-8000 +1-607-277-8001 (fax) http://www.palisade.com (site

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

Formation Inter Entreprises

Formation Inter Entreprises Formation Inter Entreprises Lean Six Sigma - Méthodologie DMAIC Niveau Black Belt 3conseils 10, place Charles Béraudier 69428 LYON CEDEX 03 www.3conseils.com 2015 Objectifs de la formation La formation

Plus en détail

Le suivi de la qualité. Méthode MSP : généralités

Le suivi de la qualité. Méthode MSP : généralités Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois

Plus en détail

Résolution de problématiques d ordonnancement par utilisation d un logiciel générique d optimisation

Résolution de problématiques d ordonnancement par utilisation d un logiciel générique d optimisation Résolution de problématiques d ordonnancement par utilisation d un logiciel générique d optimisation Christian Houlbert Centre National d Etudes Spatiales (CNES) 18 avenue Edouard Belin 31401 Toulouse

Plus en détail

Optimisation de la performance. d un processus d usinage à commande numérique

Optimisation de la performance. d un processus d usinage à commande numérique Jacques ALEXIS 20 Novembre 2001 Optimisation de la performance d un processus d usinage à commande numérique 1 Exposé du problème à résoudre L exemple utilisé pour cette présentation a été présenté par

Plus en détail

ICH Q8, Q9 and Q10. Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008

ICH Q8, Q9 and Q10. Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008 ICH Q8, Q9 and Q10 An Opportunity to Build Quality into Product Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008 Sequence

Plus en détail

TECHNIQUES STATISTIQUES

TECHNIQUES STATISTIQUES TECHNIQUES STATISTIQUES, enseignant à l'institut d'administration des Entreprises, Université Nancy 2 SOMMAIRE 1. Introduction 3 2. Contrôle statistique des lots 3 2.1 Champ d'application 3 2.2 Niveau

Plus en détail

SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation»

SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation» SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation» Objectifs du simulateur Le simulateur Six Sigma reproduit l'ensemble d'un processus de production

Plus en détail

Quantification des Risques

Quantification des Risques Quantification des Risques Comment considérer les aléas dans une projection financière? PragmaRisk met à disposition des solutions et des méthodes permettant de considérer les aléas dans vos projections

Plus en détail

Introduction Lean Six Sigma. Présentation. Sylvia Gilbert, ing.,cssbb, associée. Association des Actuaires I.A.R.D. 24 mai

Introduction Lean Six Sigma. Présentation. Sylvia Gilbert, ing.,cssbb, associée. Association des Actuaires I.A.R.D. 24 mai Introduction Lean Six Sigma Association des Actuaires I.A.R.D. 24 mai Présentation Sylvia Gilbert, ing.,cssbb, associée Compte plus de 12 années d expérience en amélioration continue; Black Belt spécialisée

Plus en détail

ANALYSE de CAPACITÉ : processus fabrication

ANALYSE de CAPACITÉ : processus fabrication ANALYSE de CAPACITÉ : processus fabrication aptitude d'un processus à satisfaire des exigences / spécifications Définition Limites "naturelles" de variabilité Distinction entre 3 sortes de limites Étapes

Plus en détail

Petit déjeuner Actuariat - 27 juin 2013

Petit déjeuner Actuariat - 27 juin 2013 Provisions pour Prestations à Payer en Assurance Santé : Comparaisons de méthodes d estimation sur la base de simulations de remboursements Petit déjeuner Actuariat - 27 juin 2013 Petit déjeuner Actuariat

Plus en détail

TP 14 DE FINANCE & RISK MANAGEMENT

TP 14 DE FINANCE & RISK MANAGEMENT Roger HUEBER TP 14 DE FINANCE & RISK MANAGEMENT - 1 - VALUE-AT-RISK 1. ANALYSE DU RISK MANAGEMENT DE ABN AMRO BANK BASÉE SUR LE RAPPORT ANNUEL 2004 http://www.abnamro.com/com/about/ar2004en.pdf Le risque

Plus en détail

Présentation et utilisation d outils logiciels Application aux dosages en biologie

Présentation et utilisation d outils logiciels Application aux dosages en biologie Présentation et utilisation d outils logiciels Application aux dosages en biologie Les outils logiciels présentés : Excel ( Microsoft) Calc (OpenOffice) Regressi (Micrelec) Excel Calc (OpenOffice) Regressi

Plus en détail

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang 199802 Composition d un portefeuille optimal Dinh Cung Dang Docteur en gestion de l IAE de Paris Ingénieur Conseil Résumé : Dans ce travail, le risque est défini comme étant la probabilité de réaliser

Plus en détail

ÉVALUATION DES PARAMÈTRES CINÉTIQUES DES RÉACTEURS NUCLÉAIRES APPLICATION AUX COMBUSTIBLES MIXTES

ÉVALUATION DES PARAMÈTRES CINÉTIQUES DES RÉACTEURS NUCLÉAIRES APPLICATION AUX COMBUSTIBLES MIXTES ÉVALUATION DES PARAMÈTRES CINÉTIQUES DES RÉACTEURS NUCLÉAIRES APPLICATION AUX COMBUSTIBLES MIXTES ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ÈS SCIENCES TECHNIQUES PAR

Plus en détail

Cycle de vie d une méthode analytique

Cycle de vie d une méthode analytique 44 ème Congrès International SFSTP 6 et 7 juin 2012 LA CONNAISSANCE SCIENTIFIQUE AU SERVICE DE LA QUALITE PRODUIT Apports du «Quality by Design» et retours d expériences Cycle de vie d une méthode analytique

Plus en détail

[Résumé: Intégration d un contrôle automatisé dans une station de test électrique]

[Résumé: Intégration d un contrôle automatisé dans une station de test électrique] SEPTEMBRE 2013 INSA de Strasbourg Génie électrique : Option énergie Par : Adnane BOUKHEFFA Tuteur Institutionnel : M. Guy STURTZER Réalisé au sein du Groupe Legrand 290 Avenue de Colmar, Strasbourg 67100

Plus en détail

Niveau débutant/beginner Level

Niveau débutant/beginner Level LE COFFRE À OUTILS/THE ASSESSMENT TOOLKIT: Niveau débutant/beginner Level Sampler/Echantillon Instruments d évaluation formative en français langue seconde Formative Assessment Instruments for French as

Plus en détail

Logiciel Médical USA, Europe, France

Logiciel Médical USA, Europe, France Logiciel Médical USA, Europe, France Dr. Georg Heidenreich - COCIR Medical Software Task Force Page 1 USA: Les lois pour les Logiciels Médicaux Les Dispositifs Médicaux sont des produits qui répondent

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible

Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Électrotechnique du Futur 14&15 décembre 2011, Belfort Dimensionnement et contrôle d un véhicule hybride électrique basé sur une pile à combustible Alexandre RAVEY, Benjamin BLUNIER, Abdellatif MIRAOUI

Plus en détail

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (1) Statistique descriptive «Uni & Bi-variée» R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

Plus en détail

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules THÈSE N O 4034 (2008) PRÉSENTÉE le 30 mai 2008 À LA FACULTÉ DES SCIENCES ET TECHNIQUES

Plus en détail

Exercice 2 du cours Management Bancaire : «Calcul de la VaR d une position de marché»

Exercice 2 du cours Management Bancaire : «Calcul de la VaR d une position de marché» Exercice du cours Management Bancaire : «Calcul de la VaR d une position de marché» La réglementation bancaire impose aux banques de maintenir un niveau de capital minimum pour absorber les pertes dues

Plus en détail

STATGRAPHICS CENTURION 17.1.06 (32 et 64 bits, fr) UNIWIN PLUS 8.0.2 (fr) et VMAIL 2.3 (fr)

STATGRAPHICS CENTURION 17.1.06 (32 et 64 bits, fr) UNIWIN PLUS 8.0.2 (fr) et VMAIL 2.3 (fr) STATGRAPHICS CENTURION 17.1.06 (32 et 64 bits, fr) UNIWIN PLUS 8.0.2 (fr) et VMAIL 2.3 (fr) STATGRAPHICS Centurion 17.1.06 vous fait découvrir une nouvelle conception des analyses statistiques sur micro-ordinateur.

Plus en détail

L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I)

L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I) Résumé L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I) Keith M. Bower, M.S. L'utilisation d'indices d'aptitude tels que les valeurs C p, C pk, et Sigma" est très répandue au sein de l'industrie.

Plus en détail

Correction du baccalauréat STMG Centres étrangers 17 juin 2014

Correction du baccalauréat STMG Centres étrangers 17 juin 2014 orrection du baccalauréat STMG entres étrangers 17 juin 2014 EXERIE 1 4 points On considère une fonction f définie sur l intervalle [ 5 ; 3] dont la représentation graphique f est donnée ci-dessous. Soit

Plus en détail

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien)

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Alain Bretto & Joël Priolon - 25 mars 2013 Question Dans un équilibre

Plus en détail

F22 : LES INDICES. 2. Commentaires

F22 : LES INDICES. 2. Commentaires Fiche professeur F22 : LES INDICES TI-82 STATS TI-83 Plus TI-84 Plus Mots-clés : indices, droite de tendance, méthode de Mayer. 1. Objectifs Utiliser la calculatrice graphique pour mettre facilement en

Plus en détail

Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique.

Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique. Utilisation d un tableur dans l exploitation des courbes de dosage spectrophotométrique. A METHODE DE LA GAMME D ETALONNAGE... 1 1. Saisie des valeurs... 1 2. Tracé de la gamme d étalonnage... 2 3. Modélisation

Plus en détail

SIMDI - Simulateur de tournage

SIMDI - Simulateur de tournage SIMDI - Simulateur de tournage «Les élèves pilotent un processus de fabrication dans le temps réduit d une formation» Objectifs du simulateur «Appliquer la Maîtrise Statistique des procédés (MSP/SPC)»

Plus en détail

PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la voiture 4 roues motrices en phase d accélération?»

PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la voiture 4 roues motrices en phase d accélération?» D après les productions de l équipe du lycée Clément Ader de Dourdan Mme Fabre-Dollé, Mr Dollé et Mr Berthod THÈME SOCIÉTAL Mobilité PROBLÉMATIQUE «Comment améliorer la motricité du modèle réduit de la

Plus en détail

ITIL Gestion de la capacité

ITIL Gestion de la capacité ITIL Sommaire 1 GENERALITES 3 2 PERIMETRE DE LA GESTION DES CAPACITES 3 3 ACTIVITES ET LIVRABLES DE LA GESTION DES CAPACITES 4 3.1 ACTIVITES ITERATIVES OU GESTION DE PERFORMANCES : 4 3.2 GESTION DE LA

Plus en détail

Petit tutoriel pour Régressi

Petit tutoriel pour Régressi Petit tutoriel pour Régressi Récupération de données : Entrer les données au clavier Dans l onglet «fichier», choisir «Nouveau» puis «Clavier». Créer ensuite le nombre de colonnes correspondant aux nombre

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

: scientifique. : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur

: scientifique. : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur : scientifique : Physique, technologie et sciences de l ingénieur (PTSI) Physique et technologie (PT) : Sciences industrielles de l ingénieur Première et seconde s PROGRAMME DE SCIENCES INDUSTRIELLES DE

Plus en détail

Contributions de la statistique à la maîtrise de la qualité dans l industrie de la défense: de la conformité aux gains d avantages concurrentiels

Contributions de la statistique à la maîtrise de la qualité dans l industrie de la défense: de la conformité aux gains d avantages concurrentiels Photo : Sgt Norm McLean, Combat Camera - DND ref.: IS2013-0004-6464 Contributions de la statistique à la maîtrise de la qualité dans l industrie de la défense: de la conformité aux gains d avantages concurrentiels

Plus en détail

Imputation multiple pour variables qualitatives par analyse des correspondances multiples

Imputation multiple pour variables qualitatives par analyse des correspondances multiples Imputation multiple pour variables qualitatives par analyse des correspondances multiples Vincent Audigier & François Husson & Julie Josse Laboratoire de mathématiques appliquées, Agrocampus Ouest 65 rue

Plus en détail

Identification des transferts de chaleur d'un impact de jet chaud supersonique par méthode inverse. P. Reulet, E. Divouron, P.

Identification des transferts de chaleur d'un impact de jet chaud supersonique par méthode inverse. P. Reulet, E. Divouron, P. Identification des transferts de chaleur d'un impact de jet chaud supersonique par méthode inverse P. Reulet, E. Divouron, P. Millan Contexte industriel Simulation de la rupture d'une conduite d'air chaud

Plus en détail

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MOBILE Gaël Crochet 1 & Gilles Santini 2 1 Médiamétrie, 70 rue Rivay, 92532 Levallois-Perret, France, gcrochet@mediametrie.fr 2 Vintco SARL, 8 rue Jean

Plus en détail

Section B: Receiving and Reviewing the Technician Inspection Report & Claims Decision Process

Section B: Receiving and Reviewing the Technician Inspection Report & Claims Decision Process Phoenix A.M.D. International Inc. - Claim Procedures, Timelines & Expectations Timelines & Expectations 1. All telephone messages and e-mail correspondence is to be handled and responded back to you within

Plus en détail

kit complet d analyse du risque et de modélisation décisionnelle

kit complet d analyse du risque et de modélisation décisionnelle kit complet d analyse du risque et de modélisation décisionnelle Logiciel d analyse du risque de la décision DecisionTools Suite en français est une série intégrée de programmes d analyse du risque et

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg

Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg Konstantin Avrachenkov, Urtzi Ayesta, Patrick Brown and Eeva Nyberg Le présent document contient des informations qui sont la propriété de France Télécom. L'acceptation de ce document par son destinataire

Plus en détail

Les nouveaux concepts de gestion de la qualité pharmaceutique ICH Q8, Q9 et Q10

Les nouveaux concepts de gestion de la qualité pharmaceutique ICH Q8, Q9 et Q10 Les nouveaux concepts de gestion de la qualité pharmaceutique ICH Q8, Q9 et Q10 Aspects théoriques des nouveaux concepts de gestion de la qualité ICH Q8 Q9 et Q10 : vers un référentiel universel Yves Roché

Plus en détail

Snagit 9.1. Les plug-ins de Snagit. By TechSmith Corporation

Snagit 9.1. Les plug-ins de Snagit. By TechSmith Corporation Snagit 91 Les plug-ins de Snagit By TechSmith Corporation TechSmith License Agreement TechSmith Corporation provides this manual "as is", makes no representations or warranties with respect to its contents

Plus en détail

Appel à Propositions. Thème : «Couplage CFD / CAA»

Appel à Propositions. Thème : «Couplage CFD / CAA» Appel à Propositions CORAC Feuille de route Propulsion Thème : «Couplage CFD / CAA» Référence de l Appel Titre de l appel Personne à contacter responsable de l appel à proposition (AàP) Date de début du

Plus en détail

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale.

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Morgan DAL 1, Philippe LE MASSON 1, Michel DUMONS 1, Didier LAWRJANIEC 2 1 LIMATB, Université

Plus en détail

Segmentation en assurance et problématiques de gestion des risques associées en mortalité

Segmentation en assurance et problématiques de gestion des risques associées en mortalité Segmentation en assurance et problématiques de gestion des risques associées en mortalité 13 septembre 2013, version 1.0 Aymric Kamega, Actuaire aymric.kamega@univ-brest.fr www.euria.univ-brest.fr Sommaire

Plus en détail

vendredi 9 novembre 12 @rsoundi

vendredi 9 novembre 12 @rsoundi @rsoundi INTRODUCTION @rsoundi INTRODUCTION Quelles sont les bonnes pratiques à suivre? @rsoundi INTRODUCTION Quelles sont les bonnes pratiques à suivre? Pourquoi Le Figaro adopte le Responsive Design?

Plus en détail

Intérêts et limites des mannequins numériques pour l évaluation des efforts et des postures

Intérêts et limites des mannequins numériques pour l évaluation des efforts et des postures 18 novembre 2014 Intérêts et limites des mannequins numériques pour l évaluation des efforts et des postures Jonathan Savin Responsable d études Laboratoire Ingénierie de Conception de Systèmes Sûrs (ICS-INRS)

Plus en détail

REGRESSION MULTIPLE: CONSOMMATION D ELECTRICITE

REGRESSION MULTIPLE: CONSOMMATION D ELECTRICITE REGRESSION MULTIPLE: CONSOMMATION D ELECTRICITE LES DONNEES OBS KW SURFACE PERS PAVILLON AGE VOL SBAINS 1 4805 130 4 1 65 410 1 2 3783 123 4 1 5 307 2 3 2689 98 3 0 18 254 1 4 5683 178 6 1 77 570 3 5 3750

Plus en détail

Nos Métiers. Historique. Notre Vision. Notre Mission

Nos Métiers. Historique. Notre Vision. Notre Mission Historique 1958 : Création de la SMMO : Minoterie de blé tendre à Oujda. Première minoterie cotée en bourse entre 1972 et 1980. 1989 : Création de la société COPATES ; première unité industrielle de production

Plus en détail

Testing : A Roadmap. Mary Jean Harrold. Présentation de Olivier Tissot

Testing : A Roadmap. Mary Jean Harrold. Présentation de Olivier Tissot Testing : A Roadmap Mary Jean Harrold Présentation de Olivier Tissot Testing : A Roadmap I. L auteur II. Introduction sur les test : les enjeux, la problématique III. Les tests : roadmap IV. Conclusion

Plus en détail

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2 Sommaire Sommaire... 1 Introduction... 2 1 Trois différentes techniques de pricing... 3 1.1 Le modèle de Cox Ross Rubinstein... 3 1.2 Le modèle de Black & Scholes... 8 1.3 Méthode de Monte Carlo.... 1

Plus en détail

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Journées Nationales de Géotechnique et de Géologie de l'ingénieur - JNGG' 2006 Lyon (France) APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Mbarka SELMI 1, Mounir LTIFI

Plus en détail

Logiciels pour l analyse d incertitude et l analyse de sensibilité. David Makowski, Hervé Monod, Hervé Richard

Logiciels pour l analyse d incertitude et l analyse de sensibilité. David Makowski, Hervé Monod, Hervé Richard Logiciels pour l analyse d incertitude et l analyse de sensibilité David Makowski, Hervé Monod, Hervé Richard PLAN Exemple sous tableur : Crystal Ball Panorama des logiciels disponibles Modules de tableurs

Plus en détail

Créer un formulaire (une enquête) en ligne sur Google

Créer un formulaire (une enquête) en ligne sur Google Créer un formulaire (une enquête) en ligne sur Google Google vous permet de réaliser différents travaux en ligne, notamment des formulaires que vous pouvez ensuite envoyer via votre boîte Gmail et dont

Plus en détail

Application Form/ Formulaire de demande

Application Form/ Formulaire de demande Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application

Plus en détail

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Plan 1 Incertitudes des modèles empiriques 2 Identification et caractérisation des paramètres incertains

Plus en détail

Projet Calcul Machine à café

Projet Calcul Machine à café Projet Calcul Machine à café Pierre-Yves Poinsot Khadija Salem Etude d une machine à café, plus particulièrement du porte filtre E N S I B S M é c a t r o 3 a Table des matières I Introduction... 2 Présentation

Plus en détail

52321 - Informatique 2. Tableur. Emploi usuel d un tableur 26.02.2007. Emploi usuel d un tableur Autres emplois Simulation Scénario Exercices

52321 - Informatique 2. Tableur. Emploi usuel d un tableur 26.02.2007. Emploi usuel d un tableur Autres emplois Simulation Scénario Exercices 52321 - Informatique 2 26.02.2007 Peter DAEHNE Emploi usuel d un tableur Autres emplois Simulation Peter DAEHNE -2- Emploi usuel d un tableur Créer des tableaux comprenant: des cellules contenant des valeurs

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Le budget des ventes (méthodes de prévision)

Le budget des ventes (méthodes de prévision) ECOLE DES HAUTES ETUDES COMMERCIALES Niveau : 3 ème année MGT Groupe : 2 Année Académique : 2011/2012 Module : Gestion Budgétaire Enseignant : KHERRI Abdenacer Site web : www.gb-ehec.jimdo.com Plan du

Plus en détail

Matériaux 2014. L. DIGUET Matériaux/Corrosion SOLVAY GEC/Mechanical and Material GEC - MM 05/12/2014

Matériaux 2014. L. DIGUET Matériaux/Corrosion SOLVAY GEC/Mechanical and Material GEC - MM 05/12/2014 Matériaux 2014 Monitoring on line de la corrosion localisée par électrochimie: de l utilisation des techniques de polarisation et de bruit électrochimique aux applications industrielles L. DIGUET Matériaux/Corrosion

Plus en détail

Expériences avec les appareils de mesure - II G. Gremaud

Expériences avec les appareils de mesure - II G. Gremaud Expériences avec les appareils de mesure - II G. Gremaud ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE GW-INSTEK TTi THURLBY- THANDAR ROLINE/ METEX HAMEG a) essais des appareils a) se familiariser durant une

Plus en détail

GUIDE DE MISE EN SIGMA

GUIDE DE MISE EN SIGMA Étude de cas d une démarche Six Sigma GUIDE DE MISE EN PLACE D UNE DEMARCHE SIX SIGMA APPLICATION PRATIQUE ET THEORIQUE Lilian CHAVANON Xueyun CHENG Florie GENOUD Ons GHLISS Dyah Okty MOERPRATIWI Contenu

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable

Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable Formulation économique d une carte de contrôle aux attributs utilisant une taille d échantillonnage variable Imen Kooli, Mohamed Limam To cite this version: Imen Kooli, Mohamed Limam. Formulation économique

Plus en détail

STATISTIQUES. Baccalauréat STMG Centres étrangers Exercice 2 : 4 points

STATISTIQUES. Baccalauréat STMG Centres étrangers Exercice 2 : 4 points Le tableau ci-dessous donne le nombre de voitures neuves (en milliers) vendues en France durant les six premiers mois de l année 2013. Mois Janvier Février Mars Avril Mai Juin Rand du mois x! 1 2 3 4 5

Plus en détail

Mesures et incertitudes

Mesures et incertitudes En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire

Plus en détail

L intégration de l Analyse de la valeur dans un processus de développement de produit «Design for Lean Six Sigma»

L intégration de l Analyse de la valeur dans un processus de développement de produit «Design for Lean Six Sigma» L intégration de l Analyse de la valeur dans un processus de développement de produit «Design for Lean Six Sigma» Présenté par : Ramez Zalat, ing., MBA Conseiller principal Le 20 novembre 2007 Intégrateur-conseil

Plus en détail

Le processus d innovation, son articulation et son pilotage

Le processus d innovation, son articulation et son pilotage Le processus d innovation, son articulation et son pilotage Agadir (Maroc) 9 mai 2013 Quelques convictions L innovation s inscrit dans un processus d entreprise commun Elle ne peut réussir sans intégration

Plus en détail

Résumé : Ce modeste travail a pour objectif d évaluer la performance du processus de fabrication

Résumé : Ce modeste travail a pour objectif d évaluer la performance du processus de fabrication L amélioration du processus de fabrication d une entreprise par le niveau Sigma : cas de l entreprise BAG (Batna) The improvement of the manufacturing process of a company by the Sigma level: the case

Plus en détail

QUESTIONNAIRE DU PARTICIPANT

QUESTIONNAIRE DU PARTICIPANT QUESTIONNAIRE DU PARTICIPANT NOMS: PRÉNOM: DATE DE NAISSANCE: LIEU DE NAISSANCE: ADRESSE: TÉLÉPHONE FIXE: PORTABLE: COURRIER ÉLECTRONIQUE: PERSONNE À CONTACTER EN ESPAGNE EN CAS D URGENCE: TÉLÉPHONE EN

Plus en détail

obs.1 Lentilles activité

obs.1 Lentilles activité obs.1 Lentilles activité (Lentille mince convergente) 1) première partie : étude qualitative Dans cette manipulation, on va utiliser un banc d optique. On va positionner la lentille de distance focale

Plus en détail

Dossier / TD Econométrie. Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls

Dossier / TD Econométrie. Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls Dossier / TD Econométrie Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls Source : Greene "Econometric Analysis" Prentice Hall International, 4 ème édition, 2000 Council

Plus en détail

Solution d hébergement de "SWIFTAlliance ENTRY R7" Politique de Sauvegarde et de Restauration

Solution d hébergement de SWIFTAlliance ENTRY R7 Politique de Sauvegarde et de Restauration Solution d hébergement de "SWIFTAlliance ENTRY R7" Politique de Sauvegarde et de Restauration Avril 2012 I- Introduction Le présent document présente la politique de sauvegarde et de restauration à adopter

Plus en détail

Les capteurs de puissance en cyclisme : Activités pédagogiques en sciences de l ingénieur

Les capteurs de puissance en cyclisme : Activités pédagogiques en sciences de l ingénieur Les capteurs de puissance en cyclisme : Activités pédagogiques en sciences de l ingénieur La mesure de la puissance en cyclisme Objectif : Aider un cycliste à optimiser son entraînement et à améliorer

Plus en détail

TD de Statistiques - Séance N 2

TD de Statistiques - Séance N 2 TD de Statistiques - Séance N 2 1 Travail sur des variables catégorisées avec Excel 1.1 Quelques commandes d'excel utiles pour la saisie de données Saisie "assistée" ou non : utilisez le menu :Fichier

Plus en détail

FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU

FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU FICHES D UTILISATION DU LOGICIEL LATIS PRO MENU A- Comment enregistrer les coordonnées successives d un point en mouvement à partir d une vidéo? Pages 2 et 3 B- Comment réaliser l acquisition d une tension?

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

ECHANTILLONNAGES Fiche de repérage

ECHANTILLONNAGES Fiche de repérage M Objectifs pédagogiques généraux : Fiche de repérage Type : Activité d approche de la notion de fluctuation d échantillonnage et d intervalle de confiance à travers quelques simulations. Niveau : Lycée

Plus en détail

DOSSIER SUJET - REPONSES

DOSSIER SUJET - REPONSES NE RIEN ÉCRIRE DANS CE CADRE Académie : Session : Examen : Série : Spécialité/option : Repère de l épreuve : Epreuve/sous épreuve : NOM : (en majuscule, suivi s il y a lieu, du nom d épouse) Prénoms :

Plus en détail

ENSE3 - API/CSPI et Master Automatique - 2008/2009

ENSE3 - API/CSPI et Master Automatique - 2008/2009 ENSE3 - API/CSPI et Master Automatique - 28/29 DS Commande robuste - - 19 janvier 29 Nom Prénom Signature ATTENTION: Mettre votre nom et répondre directement sur les feuilles de l énoncé. Justifiez vos

Plus en détail

Six Sigma Une autre façon de concevoir la performance. Six sigma. Stratégie de rupture! Six Sigma - Un peu d histoire. La satisfaction des clients

Six Sigma Une autre façon de concevoir la performance. Six sigma. Stratégie de rupture! Six Sigma - Un peu d histoire. La satisfaction des clients Université de Savoie Département Organisation et Génie de la Production de l'iut d'annecy Laboratoire LISTIC Six Sigma Une autre façon de concevoir la performance Maurice Pillet Professeur Université de

Plus en détail

Présentation Gérer le risque de taux d intérêt d un immobilier de rendement

Présentation Gérer le risque de taux d intérêt d un immobilier de rendement Présentation Gérer le risque de taux d intérêt d un immobilier de rendement Ce document présente une approche visant à évaluer le risque de taux d intérêt propre à chaque investissement immobilier et propose

Plus en détail

Baccalauréat STMG Polynésie 17 juin 2014

Baccalauréat STMG Polynésie 17 juin 2014 Baccalauréat STMG Polynésie 17 juin 2014 Durée : 3 heures EXERCICE 1 Cet exercice est un Q.C.M. 4 points Pour chaque question posée, quatre réponses sont proposées parmi lesquelles une seule est correcte.

Plus en détail

Modélisation Prédictive Robuste

Modélisation Prédictive Robuste INTELLIGENT TECHNOLOGIES Modélisation Prédictive Robuste GENERATE P R E D I C T O P T I M I Z E Découvrir l'essentiel. pour comprendre, prédire et optimiser. est une solution inédite de modélisation et

Plus en détail

Caractérisation et modélisation fine du fonctionnement électrique des panneaux photovoltaïques

Caractérisation et modélisation fine du fonctionnement électrique des panneaux photovoltaïques Revue des Energies Renouvelables Vol. 12 N 3 (2009) 489 500 Caractérisation et modélisation fine du fonctionnement électrique des panneaux photovoltaïques T. Mrabti 1, M. El Ouariachi 1, B. Tidhaf 2 et

Plus en détail

Léo & léon... 4 / 25. Lutins & petits personnages... 33 / 45. animaux... 46 / 56. polaires... 57 / 63. musiciens... 64 / 67

Léo & léon... 4 / 25. Lutins & petits personnages... 33 / 45. animaux... 46 / 56. polaires... 57 / 63. musiciens... 64 / 67 automates p o u r v i t r i n e s a n i m é e s fabriqué en france I 2016 Léo & léon... 4 / 25 Noël.... 26 / 32 Lutins & petits personnages... 33 / 45 animaux.... 46 / 56 polaires.... 57 / 63 musiciens....

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel Cours Excel Licence des Sciences de Gestion 2006-2007 I. Présentation d Excel Classeur, feuilles, cellules, colonnes, lignes, Fenêtre principale o Barre de menus o Barre d outils o Barre de formules o

Plus en détail

4. Créer des compteurs, des curseurs ou des bandes déroulantes : a) Création des objets. b) Affectation à une cellule et réglage du pas.

4. Créer des compteurs, des curseurs ou des bandes déroulantes : a) Création des objets. b) Affectation à une cellule et réglage du pas. Logiciel Excel version Office 2007. Voici une liste non exhaustive de fonctions de ce logiciel en relation avec le stage. Au sommaire : 1. Créer des boutons de raccourci dans une barre d outils: a) Sélection

Plus en détail

Clustering par quantification en présence de censure

Clustering par quantification en présence de censure Clustering par quantification en présence de censure Svetlana Gribkova 1 Laboratoire de Statistique Théorique et Appliquée, Université Pierre et Marie Curie Paris 6, 4 place Jussieu, 75005 Paris Résumé.

Plus en détail