Résumé
MVP Production Qualité
Ce que l’outil répond
- Le lot actuel est-il cohérent avec l’historique ?
- Quelle part de la variabilité vient du procédé vs matières premières vs opérationnel ?
- Quelles variables/étapes semblent dériver ?
Mock-up : connecte tes analyses réelles ensuite (lme4/nlme, varIdent, emmeans, SPC…).
Aperçu des données importées
Filtres
to
Filtres = refactoring recommandé : garder un dataset filtré unique pour toutes les analyses.
Contrôles (missing, unités, outliers, couverture)
Alertes
- — Alerte: valeurs manquantes au-delà du seuil
- — Alerte: unité suspecte / changement d’échelle
- — Alerte: valeurs aberrantes (à confirmer)
Tendance temporelle
Objectif: visualiser dérives/saisonnalité avant modélisation.
Variabilité par lot
Boxplot/violin par lot de production, avec surlignage du lot sélectionné.
Corrélations simples (optionnel)
Ex: ABV vs densité initiale, ABV vs temp. fermentation, etc.
Modèle utilisé
Affiche la formule choisie (ANOVA ou mixte) selon structure des données.
Décomposition de variance (résumé)
Pourcentage de variabilité attribué à chaque source (lot, MP, opérateur, temps, résiduel).
Diagnostics
Résidus vs ajustés, QQ plot, hétéroscédasticité, points influents (option HMC/diagnostics avancés).
Carte I-MR (par ligne / variable)
Règles SPC appliquées: 1 (point hors limites) et 4 (8 points d’affilée d’un côté).
Interprétation
Lot actuel vs historique
Le score risque peut combiner: distance à la distribution historique + dérive temporelle + variance attendue.
Explications (texte auto)
Rapport
L’export doit produire un document audit-ready :
- Résumé + KPI
- Qualité des données
- Exploration
- Méthode statistique + résultats + diagnostics
- Décision lot vs historique + justification
Implémentation recommandée : rmarkdown::render avec paramètres + stockage des artefacts.