Évaluation d un processus mesure. Méthodologie de l'évaluation. Méthodes d'analyse statistique Indices de capacité Exemple
|
|
- Florence Latour
- il y a 7 ans
- Total affichages :
Transcription
1 Évaluation d un processus mesure Lexique anglais français processus inséparables Terminologie Méthodologie de l'évaluation Méthodes d'analyse statistique Indices de capacité Exemple 1 Lexique anglais - français Precise précise Acuracy.. juste Bias. biais Repeatability.. répétitivité Reproductibility.. reproductibilité Measurement system evaluation. évaluation système mesurage (évaluation : précision et justesse) Gage R&R...étude Répétitivité et Reproductibilité d un instrument de mesure (jauge) ( évaluation : précision )
2 processus inséparables : fabrication et mesurage rôle rôle 1 Fabrication pièce Mesurage donnée : Y rôle 3 rôle des données TYPE Classement : Y = ou 1 Comptage : Y =, 1,, Mesure : Y continue Bernouilli Binomiale Poisson gaussienne rôle 1 rôle Analyser le processus de mesurage : répétitivité? reproductibilité? Classer la pièce : conforme? non conforme? rôle 3 Analyser le processus de fabrication : stable? capable? 3 TERMINOLOGIE JUSTESSE ( ou exactitude) : écart entre la mesure obtenue et la «vraie» valeur (erreur systématique) PRÉCISION : écart d'un ensemble de mesures par rapport àla valeur moyenne des mesures (erreur aléatoire) x x x x x x x x x x x x x x x x x x x x x x x juste oui non oui non précis oui oui non non RÉPÉTABILITÉ : (équipement) variabilité mesurée par un écart-type ou un indice dans des conditions où tous les facteurs sont maintenus "constants" 1 opérateur -1 pièce court laps de temps (court terme) plusieurs répétitions (relectures) REPRODUCTIBILITÉ : variabilité mesurée par un écart-type ou un indice dans des conditions (opérateur) où un ou plusieurs facteurs contrôlables sont variés plusieurs opérateurs plusieurs pièces remarque : opérateur peut être remplacé par un autre facteur comme méthode ou périodes temps FIDÉLITÉ : étroitesse de l'accord entre les résultats dans des conditions de RÉPÉTABILITÉ et de REPRODUCTIBILITÉ 4
3 TERMINOLOGIE STABILITÉ BIAIS processus libre de toute source de variabilité spéciale (hors contrôle statistique présence ou influence d un facteur qui fait paraître les données différentes de ce qu elles sont par l ajout d un écart systématique; méthode de détection d un biais : utiliser des pièces déjà calibrées CALIBRATION processus par lequel l appareil est employé avec de pièces calibrées dont les valeurs sont connues ; le résultat observé permet un ajustement normatif de l appareil (calibrage) ; cette opération doit se faire périodiquement LINÉARITÉ la précision ou la justesse varient àl intérieur de l espace de mesure; l absence de linéarité est désirable : la précision et la justesse sont constantes FACTEURS pouvant contribuer à la variabilité (non qualité ) d une mesure Y écart type 1. variabilité humaine : opérateur à opérateur. σ o. variabilité unités mesurées : pièce à pièce / lot-à-lot.. σ p 3. variabilité répétition = erreur de mesure de l appareil = précision appareil.. σ e 4. variabilité temporelle : heure àheure, jour àjour, semaine àsemaine, mois àmois OBJECTIFS DE L ÉVALUATION DU PROCESSUS DE MESURAGE - quantifier contribution (absolue, relative) de chaque facteur avec des écarts types / indices - détecter la variabilité entre les produits - décider si le processus de mesurage doit être amélioré 5 DONNÉES : modèle - plan -objectifs Facteurs retenus dans une étude Répétitivité et Reproductibilité O : Opérateur P : Pièce R : Répétition MODÈLE Y i j k = μ + β + O i + P j + (OP) i j + E i j k où Y i j k : mesure obtenue / pièce j / opérateur i / répétition k μ : «vraie valeur» β : biais O i : effet opérateur ~ N (, σ o ) i = 1,.., I P j : effet pièce ~ N (, σ p ) j = 1,.., J OP i j : interaction O x P ~ N (, σ op ) E k : effet répétition ~ N (, σ e ) k= 1,.., K Hypothèses β = on suppose que l appareil est calibré simplificatrices σ op = aucun effet d interaction entre opérateur et la pièce ( sinon il y a un «problème» ) PLAN de collecte des données souvent employé : I : ou 3 J : au moins 1 K : ou 3 Important : les pièces doivent provenir d un plan d échantillonnage reflétant les sources de variabilité potentielles de la production OBJECTIF : estimation des écarts types σ e / σ o / σ p / indices 6
4 MÉTHODOLOGIE DE L ÉVALUATION DU PROCESSUS MESURAGE PLAN DE COLLECTE DE DONNÉES - pièces : échantillonnage d au moins 1 provenant la production important : faire un échantillonnage représentatif de la variabilité de la production - opérateurs : ou 3 - répétitions : chaque opérateur mesure chaque pièce ou 3 fois EXEMPLE: Y = épaisseur ( Angstoms = 1-8 mm ) Opérateur 1 3 Répétition Pièce 1 15,641 15,641 15,65 15,65 15,656 15,65 15,686 15,71 15,71 18,56 18,56 18,56 18,56 18,56 18,36 18,96 18,96 18, ,857 16,857 16,875 16,84 16,875 16,857 16,893 16,91 16, ,38 16,365 16,38 16,365 16,348 16,348 16,38 16,398 16, ,77 4,77 4,77 4,735 4,77 4,735 4,77 4,77 4, ,98 16,91 16,98 16,91 16,91 16,91 16,945 16,945 16, ,659 4,585 4,585 4,585 4,6 4,548 4,657 4,597 4, ,991 17,16 16,999 16,963 16,981 16,999 17,16 17,16 17, ,415 16,43 16,43 16,415 16,415 16,415 16,481 16,498 16, ,16 17,16 17,16 17,16 17,16 17,16 17,16 17,88 17,16 7 ANALYSE STATISTIQUE MÉTHODE Cartes de Shewhart Xbar & R Analyse de la variance (ANOVA) AVANTAGE graphique /calculs faciles /conviviale plus générale INCONVÉNIENT interaction Opérateur x Pièce = plus difficile à comprendre EXEMPLE : carte R - utilisation du module PROCESS ANALYSIS de Statistica 9 8 CombinedRange Chart Operators by Parts Average Range: 1.7 Sigma (Range): No. of Trials: 3 Remarque pièce # 7 hors contrôle et pièce # 1 erreur d entrée de données Ranges (variable: Y_EPAIS) est erronée valeur corrigée 1818 nouvelle carte R sans la pièce # 7 et valeur corrigée 1 3 Operators (variable: OPER) 8
5 EXEMPLE : suite 45 Combined Range Chart Operators by Parts Average Range: Sigma (Range): No. of Trials: 3 Opérateur : hors contrôle données de l opérateur ne sont pas employées dans la suite de l étude R&R 4 Ranges (variable: Y-CORRCT) Operators (variable: OPER) 9 EXEMPLE : suite 3 Combined Range Chart Operators by Parts Average Range: Sigma (Range): No. of Trials: 3 RÉPÉTITIVITÉ l erreur de mesure de l appareil σ e Ranges (variable: Y-CORRCT) Estimation de σ e avec les étendues R sur les répétitions + carte R en contrôle σ e = ( R / d * ) d * d ( 1+.5 ν ) 1 3 Operators (variable: OPER) ν = - + ( 1 + (d 3 /d ) / k ).5 k : nombre d échant. de taille n - valeurs de d * : table D page 58 OTHM - raison du d * : obtenir une estimation sans biais de σ e -- influent si k 5 ( cas assez rare ) -- si k 6 on peut employer σ e = ( R / d ) Exemple : n = 3 k = 18 = x 9 R = 9.89 d * 1.69 = d σ e = ( 9.89 / 1.69) =5.85 1
6 DÉFINITIONS EV = 5.15*σ e : variation due à l appareil ( «equipment variation» ) %EV tolérance = 1 * EV / ( LTS LTI ) : tolérance = LTS - LTI % variabilité de la tolérance occupée par l instrument - grandeur de variation due à l équipement - couvre 99% de la variabilité due à l équipement - convention qui diffère de celle employée dans les études de capacité des processus de fabrication ( 99.73% ) remarque : 5.15 = x z.995 = x.575 z.995 : quantile d ordre 99.5 loi gaussienne Exemple ( suite) : EV = 5.15 x 5.85 = 3.14 LTS = T + 5 LTI = T 5 tol = LTS - LTI =1 %EV tolérance = 1*EV / tol =1*3.14 / 1 = 3.1% Estimation de la reproductibilité σ Y = ( R Y / d * ) où R Y : étendues entre les J valeurs moyennes opérateurs ( sur i et k ) Y j d * : table D avec 1 ( valeur de N dans la table ) échantillon de taille n = J 11 Exemple ( suite) : Y 1 = , Y 3 = 177.8, R y = = 8.4 d * = 1.41, σ Y = ( 8.4 / 1.41 ) =.1 angstroms Estimation de σ o σ o = σ Y - ( σ e / JK ) J = nombre pièces K = nombre répétitions = si la différence est négative Exemple ( suite) : σ Y =.1 σ e = 5.85 J = 9 K = 3 σ o =.1 - ( 5.85 / 7 ) =.1 Analyse de tolérance reproductibilité AV = 5.15 σ o : variation due à l opérateur ( «appraiser variation») %AV tolérance = 1 * AV / ( LTS LTI ) : % variabilité de la tolérance occupée par l opérateur Exemple ( suite) : AV = 5.15 x.1 = 13.5 %AV tolérance = 1 * 13.5 / 1 = 1.4 % 1
7 Analyse de tolérance globale : Répétitivité et Reproductibilité σ M = σ o + σ e : variabilité répétitivité et reproductibilité ( R & R ) σ M = σ o + σ e : estimation R&R = 5.15 σ M = ( AV + EV ).5 : variabilité du système de mesurage %R&R tolérance = 1 * R&R / ( LTS LTI ) : % variabilité de la tolérance occupée par système Exemple ( suite ) : AV = 13.5 EV = 3.14 R&R = ( ).5 = 17.8 %R&R tolérance = 1 * 17.8 / 1 = 1.8 % CRITÈRES : qualification du processus de mesurage en fonction des tolérances %R&R tolérance décision moins de 1%.. excellent 1% à %. bon % à3% marginal plus de 3 %... inacceptable Exemple ( suite ) : bon / amélioration : meilleure formation des opérateurs 13 ESTIMATION DE LA VARIABILITÉ DE PRODUCTION σ P = écart type de l ensemble des J valeurs moyennes Y j sur opérateur et répétitions ( sur i et sur k ) autre possibilité : avec les étendues σ p = R moyenne pièce / d * : 1 échantillon de J valeurs Exemple ( suite) pièce moyenne σ p = 916. / 3.8 = PV = 5.15 σ p : variabilité due aux pièces ANALYSE : variabilité système mesure VS variabilité totale σ Y = σ p + σ o + σ e : variabilité totale TV = 5.15* σ Y = ( PV + R&R ).5 : grandeur de la variabilité totale % R&R totale = 1 * R&R / TV CRITÈRES : mêmes que ceux employés avec les intervalles de tolérance Exemple ( suite ) : PV = 5.15* = R&R = 17.8 TV = %R&R totale = 1* 17.8 / =.7% 14
8 UTILISATION de STATISTICA les résultats présentés proviennent de la version 6 de Statistica; il y a de légères différences si on utilise une version antérieure recommandation : commencer avec une carte Xbar et R ( module CONTROL CHART ) groupes = opérateur x pièce but : visualiser les données + critère de qualité de l étude module PROCESS ANALYSIS analyse de capacité des procédés de fabrication ( process capability analysis ) l analyse de capacité des processus de mesure ( gage repeatability & reproductibility) fabrication mesure 15 UTILISATION de STATISTICA Exemple : 3 opérateurs 1 pièces 3 répétitions données page 7 Carte de contrôle Xbar et R Histogram of Means X-bar and R Chart; variable: Y-EPAIS X-bar: (1837.); Sigma: (11.44); n: 3. INTERPRÉTATION Carte Xbar -c est un bon signe si la carte est hors contrôle : pièces sont discriminées - estimation σ e = il faut que la carte R soit en contrôle Histogram of Ranges Range: (19.367); Sigma: (1.165); n: Carte R - doit être en contrôle - cet exemple : NON pièce 7 pose problème aux 3 opérateurs - solution : retirer cette pièce de l étude opérateur 1 opérateur opérateur 3 16
9 UTILISATION de STATISTICA Exemple : 3 opérateurs 1 pièces 3 répétitions données page 7 Carte de contrôle Xbar et R sans la pièce Histogram of Means X-bar and R Chart; variable: Y-EPAIS X-bar: (1768.); Sigma: (7.7463); n: INTERPRÉTATION Carte Xbar -c est un bon signe si la carte est hors contrôle : pièces sont discriminées - estimation σ e = 7.75 mais il faut que la carte R soit en contrôle. Histogram of Ranges Range: (13.111); Sigma: (6.8815); n: Carte R - doit être en contrôle - ce cas : NON opérateur pose problème - solution : retirer les données de opérateur opérateur 1 opérateur opérateur 3 17 UTILISATION de STATISTICA Exemple : 3 opérateurs 1 pièces 3 répétitions données page 7 Carte de contrôle Xbar et R sans la pièce 7 et l opérateur Histogram of Means X-bar and R Chart; variable: Y-EPAIS X-bar: (17689.); Sigma: (5.845); n: INTERPRÉTATION Carte Xbar -c est un bon signe si la carte est hors contrôle : pièces sont discriminées - estimation σ e = 5.84 mais il faut que la carte R soit en contrôle. 3 Histogram of Ranges Range: (9.8889); Sigma: (5.193); n: Carte R - doit être en contrôle - ce cas : OUI opérateur 1 opérateur 3 18
10 UTILISATION de STATISTICA : module PROCESS ANALYSIS Exemple : 3 opérateurs 1 pièces 3 répétitions 19 1 Repeatability & Reproducibility Summary Plot No. of Operators: 3 (variable: OPER) No. of Parts: 1 (variable: WAFER) No. of Trials: 3 (variable: REP) 8 6 Exemple : Deviation from Average Opérateur Semble obtenir 3 opérateurs -6 des valeurs 1 pièces 3 répétitions Operators (variable: OPER) plus petites que 6 Plot of Average Measurements by Operator and Part No. of Operators: 3 (variable: OPER) No. of Parts: 1 (variable: WAFER) No. of Trials: 3 (variable: REP) opérateur 1 opérateur Average Measure Parts (variable: WAFER) 1 3
11 9 Combined Range Chart Operators by Parts Average Range: 1.7 Sigma (Range): No. of Trials: 3 8 Ranges (variable: Y_EPAIS) Exemple : 3 opérateurs 1 pièces 3 répétitions Operators (variable: OPER) Combined Range Chart Parts by Operators Average Range: 1.7 Sigma (Range): No. of Trials: 3 pièce 7 pose problème 8 Ranges (variable: Y_EPAIS) Parts (variable: WAFER) 1 Exemple ( suite ) : données / opérateur ( 1 et 3 ) / pièces ( 1 à 1 sauf 7 ) tolerance = 1 Estimatd sigma Estimatd variance % of tolerance % of total estimation Repeatability σ e Reproducibility σ o σ p Part-to-Part Combined R & R Total
12 Exemple : suite Percent Tolerance Analysis Y-EPAIS Sigma intervals :5.15 Mean = R-bar = R(xbar)= R(parts)= Operators: Parts: 9 Trials: 3 Measrmnt units % Proc. variation % Total Contribut. % of tolerance Repeatability (Equipment Var) Reproducibility (Appraiser Var.) Part Variation Combined R & R Total Process Variation Tolerance Conclusion - la variabilité pièce-à-pièce est la plus grande source de variation : OK - la variabilité opérateur-à-opérateur est négligeable : OK - la variabilité de l appareil est faible : OK remarque : ces résultats sont confirmés par la méthode ANOVA voir page 4 3 Estimatd sigma.9 Lowr.9 Uppr Estimatd variance % of R&R % of total Repeatability Reproducibility Méthode: Interaction (OP) analyse Part-to-Part de la Combined R & R variance ANOVA Total Measrmnt units.9 Lowr.9 Uppr % Proc. variation % Total % of tolerance Repeatability (Equipment Var) Reproducibility (Appraiser Var.) Interaction (Operator x Part) Part Variation Combined R & R Total Process Variation Tolerance
DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLa solution à vos mesures de pression
Mesure de force linéique La solution à vos mesures de pression Sensibilité Répétabilité Stabilité Le système X3 de XSENSOR propose un concept innovant spécialement adapté pour vos applications de mesure
Plus en détailCOPYRIGHT Danish Standards. NOT FOR COMMERCIAL USE OR REPRODUCTION. DS/EN 61303:1997
COPYRIGHT Danish Standards. NOT FOR COMMERCIAL USE OR REPRODUCTION. DS/EN 61303:1997 COPYRIGHT Danish Standards. NOT FOR COMMERCIAL USE OR REPRODUCTION. DS/EN 61303:1997 COPYRIGHT Danish Standards. NOT
Plus en détailAUTRES ASPECTS DU GPS. Partie I : tolérance de Battement Partie II : tolérancement par frontières
AUTRES ASPECTS DU GPS Partie I : tolérance de Battement Partie II : tolérancement par frontières 1 Partie I Tolérance de battement Défaut de Battement Défautconjuguéde forme, orientation et position, constatélorsde
Plus en détailLA MESURE DE PRESSION PRINCIPE DE BASE
Page 1 / 6 LA MESURE DE PRESSION PRINCIPE DE BASE 1) Qu est-ce qu un sensor de pression? Tout type de sensor est composé de 2 éléments distincts : Un corps d épreuve soumit au Paramètre Physique φ à mesurer
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailà moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq
e élevé Risque faible Risq à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq L e s I n d i c e s F u n d a t a é Risque Les Indices de faible risque
Plus en détailGlossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire
Glossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire Notre engagement: la qualité et l amélioration continue Photos Couverture: en haut à gauche; istockphoto.com/yegor
Plus en détailCoûts, avantages et inconvénients des différents moyens de paiement
Coûts, avantages et inconvénients des différents moyens de paiement Présentation de l'étude de la Banque nationale de Belgique à la conférence de l'esta (Valence, le 15 mai 2006) Historique de l'étude
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailIndicateur i 20. Manuel d utilisation
Indicateur i 20 WWW.PRECIAMOLEN.COM Manuel d utilisation 04-50-00-0 MU A / 12/2012 Sommaire 1. Avant-propos... 5 Conventions documentaires... 5 Pictogrammes... 5 Terminologie et abréviations... 5 Documentation
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailMesures 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 détailDoes it pay to improve Corporate Governance? An empirical analysis of European Equities
Does it pay to improve Corporate Governance? An empirical analysis of European Equities Joseph GAWER NATIXIS Asset Management Université Paris Dauphine joseph.gawer@am.natixis.com Association Française
Plus en détailMesure de la pression différentielle et différentielle bidirectionnelle expliquée à l'aide du capteur
Dans la technique de mesure de pression, on distingue les méthodes de mesure en fonction des tâches à réaliser. Au rang de ces méthodes figurent la mesure de la pression absolue, la mesure de la pression
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailDécision d'approbation de modèle n 00.00.510.004.1 du 1 er février 2000
Ministère de l Economie, des Finances et de l Industrie Secrétariat d Etat à l Industrie Décision d'approbation de modèle n 00.00.510.004.1 du 1 er février 2000 Direction de l'action régionale et de la
Plus en détailDiagnostic adaptatif d'un flux d'alarmes par méta diagnostic distribué Application à la détection d'intrusions dans un serveur Web
LogAnalyzer Thomas Guyet 1,2, René Quiniou 2 et Marie Odile Cordier 3 1 AGROCAMPUS OUEST 2 INRIA/IRISA Centre de Rennes (Équipe DREAM) 3 Université de Rennes/IRISA (Équipe DREAM) Contact : thomas.guyet@irisa.fr
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailRÉPUBLIQUE ET CANTON DE GENÈVE Echelle des traitements 2015 Valable dès le 01.01.2015 Office du personnel de l'etat Indexation de 0.
04 00 52 378.00 4 029.10 0.00 25.20 23.25 1.95 207.50 44.35 1.70 36.30 3 739.25 01 52 960.00 4 073.85 582.00 25.50 23.55 1.95 209.85 44.85 1.70 36.70 3 780.75 02 53 542.00 4 118.65 582.00 25.75 23.80 1.95
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailInfo-assurance Séance d information de l IASB du 19 mars 2015
www.pwc.com/ca/insurance Info-assurance Séance d information de l IASB du 19 mars 2015 Puisque divers points de vue sont analysés lors des réunions de l IASB, et qu il est souvent difficile de décrire
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailGuide d auto-évaluation
REPUBLIQUE DU SENEGAL Un Peuple Un But Une Foi MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE ----------- Autorité nationale d Assurance Qualité de l Enseignement supérieur ANAQ-Sup Guide d auto-évaluation
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailExemple 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 détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailNOTE 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 détailLe choix professionnel pour les applications analytiques!
Ohaus Discovery Balances Semi-Micro et Analytique Discovery Semi-Micro and Analytical Balances Le choix professionnel pour les applications analytiques! La NOUVELLE gamme de balances semi-micro et analytiques
Plus en détailThéorie Financière 4E 4. Evaluation d actions et td d entreprises
Théorie Financière 4E 4. Evaluation d actions et td d entreprises Objectifs de la session 1. Introduire le «dividend discount model» (DDM) 2. Comprendre les sources de croissance du dividende 3. Analyser
Plus en détailMortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine
Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,
Plus en détailNorme comptable internationale 20 Comptabilisation des subventions publiques et informations à fournir sur l aide publique 1
Norme comptable internationale 20 Comptabilisation des subventions publiques et informations à fournir sur l aide publique 1 Champ d application 1 La présente norme doit être appliquée à la comptabilisation
Plus en détailCapacité de mémoire Tablettes
Capacité de mémoire Tablettes Les fabricants de tablettes et de smartphones donnent plusieurs indications sur les differentes capacites de stockage de leurs appareils : La mémoire RAM : La mémoire RAM
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailCRÉATION MODIFICATION
FACTURATION CRÉATION/MODIFICATION CRÉATION Ajouter une facture Compléter le détail de la facture Imprimer la facture Ajouter un sous-total Arrondir le total de la facture Fermer une facture 7 Créer une
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailModélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr
Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Le concept de Mesure Virtuelle mesure virtuelle résultat d un modèle visant
Plus en détailLe nouvel indice de taux de change effectif du dollar canadien
Le nouvel indice de taux de change effectif du dollar canadien Janone Ong, département des Marchés financiers La Banque du Canada a créé un nouvel indice de taux de change effectif du dollar canadien,
Plus en détailL'art d'établir un ordre du jour efficace
L'art d'établir un ordre du jour efficace Par Denise Edwards Extrait de : http://www.omafra.gov.on.ca/french/rural/facts/05 038.htm Table des matières Introduction Sources des points à l ordre du jour
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailLes produits de Bourse UniCredit sur le CAC Ext (Étendu).
EXCLUSIVITÉ UNICREDIT! Les produits de Bourse UniCredit sur le CAC Ext (Étendu). De 8h00 à 18h30, le potentiel des prix et de la liquidité*. CES PRODUITS SONT DESTINÉS À DES INVESTISSEURS AVERTIS. PRODUITS
Plus en détailProtocoles pour le suivi des pontes de tortues marines dans le cadre de Protomac. Professeur Marc Girondot
Muséum National d'histoire Naturelle de Paris Département de Systématique et Evolution Laboratoire des Reptiles et Amphibiens 25 rue Cuvier 75005 Paris & Laboratoire Ecologie, Systématique et Evolution
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détail2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des
2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des marques déposées de Minitab, Inc. aux Etats-Unis et
Plus en détailINTRODUCTION EN BOURSE EVALUATION D ENTREPRISE
INTRODUCTION EN BOURSE EVALUATION D ENTREPRISE Avril 2013 EVALUATION D ENTREPRISE 1 Introduction en bourse Une introduction en bourse est avant tout une opération financière. Les avantages financiers de
Plus en détailDOSSIER MODÈLE D'AUDIT NAGR OSBL DU SECTEUR PRIVÉ TABLE DES MATIÈRES GÉNÉRALE PARTIE 1 NOTIONS THÉORIQUES PARTICULARITÉS POUR LES OSBL.
DOSSIER MODÈLE D'AUDIT NAGR OSBL DU SECTEUR PRIVÉ GÉNÉRALE PARTIE 1 NOTIONS THÉORIQUES PARTICULARITÉS POUR LES OSBL Introduction Module 1 Contrôle de la qualité et documentation Module 2 Acceptation de
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailTURBOS WARRANTS CERTIFICATS. Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital.
TURBOS WARRANTS CERTIFICATS Les Turbos Produits à effet de levier avec barrière désactivante. Produits non garantis en capital. 2 LES TURBOS 1. Introduction Que sont les Turbos? Les Turbos sont des produits
Plus en détail"La collimation est la première cause de mauvaises images dans les instruments amateurs" Walter Scott Houston
"La collimation est la première cause de mauvaises images dans les instruments amateurs" Walter Scott Houston F.Defrenne Juin 2009 Qu est-ce que la collimation en fait? «Newton»? Mais mon télescope est
Plus en détailCHARTE ETHIQUE ACHATS
Page : 1/5 CHARTE ETHIQUE ACHATS LES ENJEUX Les conflits d intérêts sont aujourd hui un thème essentiel du débat de société. Il convient de garantir l intégrité des achats et la saine concurrence entre
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailREF01 Référentiel de labellisation des laboratoires de recherche_v3
Introduction Le présent référentiel de labellisation est destiné aux laboratoires qui souhaitent mettre en place un dispositif de maîtrise de la qualité des mesures. La norme ISO 9001 contient essentiellement
Plus en détailÉLÉMENTS DE GESTION DE PROJET
ÉLÉMENTS DE GESTION DE PROJET Gilles Boulet PMP gb@gillesboulet.ca Mai 2006 Révision Février 2009 Le management de projet est composé de 5 grands processus faisant chacun appel à 9 domaines de connaissances
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailAnalyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
Plus en détailFixateurs pour murs périmétriques 3.2.4. 3.2.4.1 Description de l'application. 3.2.4.2 Description du produit. 3.2.4.3 Composition.
s pour murs périmétriques.....1 de l'application Les murs périmétriques, en tant que partie intégrante des murs-rideaux et des charpentes claires, sont courants dans les structures métalliques. Des profilés
Plus en détailRèglement EPAQ pour la qualité des panneaux sandwiches
Règlement EPAQ pour la qualité des panneaux sandwiches Septembre 2010 Max-Planck-Straße 4 D-40237 Düsseldorf Telephone: +49 211 6989411 Fax: +49 211 672034 E-mail: info@epaq.eu Règlement EPAQ pour la qualité
Plus en détailBrock. Rapport supérieur
Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project
Plus en détailGESTION DE STOCKS AVEC CIEL GESTION COMMERCIALE
GESTION DE STOCKS AVEC CIEL GESTION COMMERCIALE La gestion de stocks est complexe. Deux questions illustrent cette complexité : Première question : en supposant que le stock d un article comprenne 2 unités
Plus en détailcomment installer les pilotes USB
comment installer les pilotes USB La référence en communications mobiles par satellite installation des pilotes USB Vous devez installer les pilotes USB sur votre PC avant d installer les outils de synchronisation
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailCahier des charges fonctionnel
Campéole Cahier des charges fonctionnel Création et gestion de séjours de camping VIGNIER Fabrice 10/03/2008 Table des matières Terminologie...3 Terminologie relatives aux acteurs...3 Ce que le G.F.S (Global
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détail1 Objectifs. Traitement statistique des données d enquête avec introduction à SPSS. Plan
1 Objectifs Traitement statistique des données d enquête avec introduction à SPSS Gilbert Ritschard Département d économétrie, Université de Genève gilbert.ritschard@themes.unige.ch Bamako, 7-11 octobre
Plus en détailMéthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques
Méthodologie du calcul de la VaR de marché : revue de l approche basée sur des simulations historiques Asshvin Gajadharsingh Mesure et analyse quantitative du risque Caisse de dépôt et placement du Québec
Plus en détailMallette Métrologie Contrôle des spectrophotomètres
1 MATERIEL Mallette Métrologie 2 PRINCIPE Le présent mode opératoire vise à décrire les différentes étapes à suivre afin de : - Vérifier l exactitude de la longueur d onde de 250 à 650 nm sous condition
Plus en détailChiffre d affaires au 30 juin 2015. Conférence téléphonique du 27 juillet 2015
Chiffre d affaires au 30 juin 2015 Conférence téléphonique du 27 juillet 2015 Faits marquants du 1er semestre 2015 CA hors IFRIC 12 : + 3,2 % à change constant à 220,2 M (vs. 213,4 M au 30 juin 2014) Bon
Plus en détailGuide de l utilisateur. Calibreur de Courant / Voltage Modèle 412355A
Guide de l utilisateur Calibreur de Courant / Voltage Modèle 412355A Introduction Félicitations pour votre achat du Calibreur de Courant/Voltage Extech. Le modèle 412355A peut mesurer et trouver la source
Plus en détailFORMATION ASSURANCE QUALITE ET CONTROLES DES MEDICAMENTS QUALIFICATION DES EQUIPEMENTS EXEMPLE : SPECTROPHOTOMETRE UV/VISIBLE
FORMATION ASSURANCE QUALITE ET CONTROLES DES MEDICAMENTS ISO/IEC 17025 Chapitre 5 : EXIGENCES TECHNIQUES QUALIFICATION DES EQUIPEMENTS EXEMPLE : SPECTROPHOTOMETRE UV/VISIBLE Nicole GRABY PA/PH/OMCL (07)
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailObservation des modalités et performances d'accès à Internet
Observation des modalités et performances d'accès à Internet Avant-propos La base de cette étude est constituée par les informations collectées par l'outil Cloud Observer d'iplabel (chargement des différents
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailSolution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010
Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailFaire un semi variograme et une carte krigée avec surfer
Faire un semi variograme et une carte krigée avec surfer Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr avril 2004 Fichier de données Faire un fichier excel avec les données organisée en colonnes:
Plus en détailUn laboratoire d auto-immunité paperless : mythe ou réalité? L.Lutteri Laboratoire d auto-immunité Service de Chimie Clinique CHU Liège
Un laboratoire d auto-immunité paperless : mythe ou réalité? L.Lutteri Laboratoire d auto-immunité Service de Chimie Clinique CHU Liège Immunofluorescence Dépistage Aspect Titre Cellules Hep 2: Connectivites
Plus en détailL enquête de la Banque du Canada auprès des responsables du crédit
L enquête de la Banque du Canada auprès des responsables du crédit Umar Faruqui, Paul Gilbert et Wendy Kei, département des Études monétaires et financières Depuis 1999, la Banque du Canada réalise une
Plus en détailDegré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1
Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente
Plus en détail(Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001. Introduction. 1 Domain Name Server. 2 Commandes DNS. 3 Hacking des serveurs DNS
Détournement de serveur DNS (Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001 Introduction Ce document traite de la possibilité d exploiter le serveur DNS pour pirater certains sites
Plus en détailProcessus de validation des coûts à l appui de l attestation par l DPF
ASSISTANT DEPUTY MINISTER (FINANCE AND CORPORATE SERVICES) SOUS-MINISTRE ADJOINT (FINANCES ET SERVICES DU MINISTÈRE) Processus de validation des coûts à l appui de l attestation par l DPF Allan Weldon!
Plus en détail