Aller au menu Aller au contenu
Se former tout au long de sa vie
Un seul objectif : l'évolution des compétences
Se former tout au long de sa vie

> Formations courtes

Focus : Modélisation, optimisation, analyse, amélioration

Focus sur les outils mathématiques pour l’optimisation des procédés industriels (les plans d’expériences), l’analyse des données et la maitrise statistique des processus.

La conception des procédés industriels nécessite souvent des campagnes d’essais longues et coûteuses. Jusqu’à récemment, le développement d’un nouveau procédé reposait essentiellement sur l’expérience du chercheur ou de l’ingénieur dans le domaine, et son intuition quant aux résultats à attendre des modifications apportées, des modèles de calculs simples permettant d’obtenir une appréciation globale des performances du procédé.

Les exigences industrielles, tant au niveau de la qualité du produit final que de la maîtrise des coûts de fabrication, ont fait naître le besoin d'utilisation de la modélisation numérique dans ce domaine. Ces techniques sont basées sur une bonne connaissance des outils mathématiques, que nous vous proposons de maitriser au travers de nos 5 formations courtes dans le domaine des plans d’expériences, de l’analyse statistique des données et de la maitrise statistique des processus, qui incluent formations théoriques et études de cas pratiques.


Icone flèchePlans d'expérience, définition, utilité, acteurs


Icone flècheStatistiques appliquées à l’analyse de données


Icone flècheMaitrise Statistique des Processus (MSP)



plans d'expérience

Les plans d’expériences, ça sert à quoi ?


Les plans d'expériences permettent d'organiser au mieux les essais qui accompagnent des études industrielles. Ils sont applicables à de nombreuses disciplines et à toutes les industries dès lors que l’on recherche le lien (surface de réponse - cf. schéma) qui existe entre une grandeur d’intérêt (température, concentration…) et des variables (puissance, rendement…).


Pourquoi utiliser un plan d’expérience ?


Les plans d'expériences permettent d’obtenir le maximum de renseignements avec le minimum d'expériences. Pour cela, il faut suivre des règles mathématiques et adopter une démarche rigoureuse. Il existe de nombreux plans d'expériences, adaptés à tous les cas rencontrés par un expérimentateur. Les principes fondamentaux de cette discipline seront expliqués et les principaux plans seront passés en revue dans le cadre des deux formations courtes dédiées.


Quand le mettre en place ?


Lorsque les expérimentations sont coûteuses, il arrive de plus en plus fréquemment que l'on étudie d'abord les phénomènes à l'aide de simulations numériques. Lorsque les calculs sont longs, Il peut être avantageux d'organiser les simulations de la même manière que les essais des plans d'expériences.

Les formations proposées s’adressent aux ingénieurs en charge des essais expérimentaux (ingénieur process, ingénieur tests) mais aussi de la modélisation numérique de procédés.


Nos formations associées

  • Un module d'introduction aux notions essentielles et aux méthodes dédiées à l’établissement de modèles empiriques simples : Pratique des plans d'expériences



statistiques appliquées à l’analyse de données

Qu'est ce que l'analyse statistique des données ?


Selon le dictionnaire du Petit Larousse, la statistique est un ensemble de méthodes mathématiques qui, à partir du recueil et de l’analyse de données réelles, permettent l’élaboration de modèles probabilistes autorisant les prévisions.

Les techniques statistiques s'appuient sur les mathématiques. Mais les deux disciplines restent très différentes. La démarche mathématique part d'une propriété générale pour démontrer une propriété particulière, celle des statistiques permet d’extrapoler les paramètres d'un échantillon à une population globale.

On peut séparer les méthodes en distinguant 2 techniques :
  • La technique dite univariée, qui s’attache à une seule série d'un caractère donné ou à une seule mesure
  • La technique multivariée, qui analyse les éventuelles relations existant entre plusieurs caractères (notions de corrélation, test du khi2)

La terminologie « analyse des données » désigne un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée.


Nos formations associées




Maitrise Statistique des Processus (MSP)


La maîtrise statistique des processus (MSP) est l'un des principaux outils de la méthode 6-sigma*. Elle s'intègre également dans le pilier JIDOKA (volet "Qualité" qui vise le "Zéro défaut") de la démarche Lean** dans la mesure où elle permet de réduire la variabilité du processus de production.

L'objet de la MSP est de donner aux opérateurs de machines de production un outil graphique simple de pilotage de la production (il s’agit d’autocontrôle) leur permettant de maintenir la production centrée sur sa cible et sa dispersion à l'intérieur de l'intervalle de tolérance spécifié (IT). Adaptée aux productions en série, la MSP reste également pertinente pour les productions en très petites séries voire unitaires.

Les cartes de contrôles permettent de piloter la production (régler les consignes appliquées aux machines) par rapport aux limites naturelles du processus (il s’agit de la dispersion du moyen de production autour de sa consigne en l’absence de cause particulière de déréglage) et non par rapport aux spécifications (intervalle de tolérance défini par la tolérance supérieure, TS et la tolérance inférieur, TI), qui servent seulement à accepter ou non une production.


*La méthode Six Sigma, orientée qualité, vise à réduire la variabilité d’un processus pour tendre vers le zéro défaut.

**Recherche de plus de qualité et de flexibilité (fluidité) tout en réduisant les coûts induits par les gaspillages,
regarder ce qui se passe sur le terrain, au plus proche de la réalité, pour agir en fonction de cette réalité


Nos formations associées

  • Un module dédié à la compréhension des notions élémentaires nécessaires à la mise en œuvre d’une démarche qualité afin de suivre et d’améliorer une production en mettant le procédé ou le processus sous un contrôle statistique adapté : Qualité et Maîtrise Statistique des Processus

Rédigé par Cecile Bettega

mise à jour le 26 février 2018

Communauté Université Grenoble Alpes