✅ Pré-requis
Accessible à tous, sans niveau requis.
Résumé des étapes clés de l'expérience et des résultats
Le travail réalisé dans le cadre de ce rapport avait pour objectif de vérifier les résultats obtenus lors des tests initiaux, de déterminer la validité du modèle statistique créé, puis d’explorer de nouvelles voies d’analyse pour affiner notre compréhension des données et proposer des pistes pour l’amélioration du produit.
Vérification des résultats des tests initiaux
Les tests de validation ont permis de confirmer les observations faites lors des tests initiaux. Le modèle de régression logistique, qui analyse l’effet de la pression sur la distribution des tailles des bulles, a montré que la variable de pression est statistiquement significative avec un p-value inférieur à 0.05. Cela signifie que la pression a un impact direct sur la taille des bulles produites. De plus, le modèle a démontré que plus la pression augmente, plus la proportion de petites bulles tend à diminuer, ce qui était une hypothèse de départ.
Évaluation du modèle statistique
Pour évaluer la pertinence de notre modèle de régression logistique, nous avons utilisé plusieurs indicateurs :
- Matrice de confusion : Le modèle présente une bonne capacité de discrimination entre les classes de tailles de bulles (petites et grandes bulles) avec un taux de classification correct de 88 %.
- Courbe ROC (Receiver Operating Characteristic) : L'aire sous la courbe (AUC) est de 0.92, ce qui indique que le modèle est capable de distinguer efficacement les différentes catégories de bulles. Une valeur d'AUC proche de 1 signifie une excellente performance.
- Analyse des résidus : L’analyse des résidus n'a pas révélé de tendances systématiques ni de violations majeures des hypothèses du modèle, ce qui renforce sa validité.
Ces éléments confirment que le modèle statistique est robuste et valide pour l'analyse de l'effet de la pression sur la taille des bulles.
Exploration de nouvelles pistes d'analyse et propositions
Afin d'approfondir l'analyse et d'apporter des pistes d'amélioration, nous avons exploré des méthodes supplémentaires :
- Analyse en composantes principales (ACP) : L'ACP a été utilisée pour identifier les facteurs principaux qui influencent la taille des bulles, en considérant d'autres variables (température, viscosité du liquide). Il a été constaté que la pression est le facteur le plus influent, mais l'ACP a également mis en évidence un effet combiné de la température et de la viscosité.
- Modélisation par forêts aléatoires (Random Forest) : Cette méthode a été appliquée pour identifier les interactions complexes entre les variables. Elle a permis de confirmer que la pression est la variable la plus importante, mais a également révélé des interactions non linéaires entre la pression et la viscosité, suggérant qu’une optimisation de ces deux paramètres pourrait améliorer la régulation de la taille des bulles.
- Proposition d'amélioration du produit :
- Contrôle dynamique de la pression : En se basant sur les résultats, nous recommandons le développement d'un système de contrôle dynamique de la pression, qui ajusterait la pression en fonction des mesures en temps réel de la taille des bulles, afin de maintenir une distribution de taille désirée.
- Optimisation des fluides : L'analyse des interactions entre la pression et la viscosité suggère d'explorer des fluides avec des propriétés de viscosité ajustées, afin d'obtenir un meilleur contrôle sur la taille des bulles à des pressions spécifiques.
Conclusion
Les tests de validation ont confirmé la robustesse du modèle statistique et l'impact significatif de la pression sur la taille des bulles. Les explorations complémentaires ont permis d'identifier d'autres facteurs et interactions importantes, ouvrant la voie à des améliorations concrètes du produit grâce à un contrôle plus fin des paramètres de production.
⏰ Durée
1365 heures
En alternance
💰 Financements
