Observations relatives aux données pour la fonction Plan de contrôle par attributs

Pour garantir la validité de vos résultats, veillez à ce que les règles suivantes soient respectées lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.

Les échantillons doivent être sélectionnés de manière aléatoire
Les unités à contrôler doivent être sélectionnées au hasard et être représentatives de tous les éléments du lot. Cela peut exiger un effort supplémentaire, comme la numérotation de chaque élément et le choix de numéros au hasard, ou comme la stratification du lot pour prendre un échantillon dans chaque strate ou couche. Toutefois, ce processus est nécessaire à l'efficacité de l'échantillonnage.
Les données doivent être des nombres de défectueux ou de défauts
Chaque élément que vous contrôlez doit être classé comme acceptable ou non acceptable (défectueux), ou vous devez être en mesure de compter le nombre de défauts par élément. Si vos données représentent des mesures au lieu de nombres de défauts ou de défectueux, vous devez créer un plan de contrôle par mesures.
Les lots individuels doivent être homogènes
Les lots représentent la population entière d'unités d'où est extrait l'échantillon. Les lots doivent être homogènes. Ils doivent être emballés et livrés dans des tailles que le consommateur et le fournisseur peuvent gérer aisément, et d'une façon permettant la sélection facile des échantillons. Il est généralement plus économique de contrôler des lots volumineux que de contrôler une série de lots de petite taille.
Le client et le fournisseur doivent se mettre d'accord sur les niveaux de qualité cible
Le client et le fournisseur doivent convenir du taux de défectueux ou de défauts le plus élevé acceptable (niveau de qualité moyen, NQA). Ils doivent également convenir du taux de défectueux et de défauts le plus élevé que le client peut tolérer pour un lot individuel (niveau de qualité rejetable, NQR).
Le NQA décrit les éléments que le plan d'échantillonnage acceptera, et le NQR décrit les éléments que le plan d'échantillonnage rejetera. En règle générale, un plan d'échantillonnage est conçu de manière à accepter un lot de produits particulier au NQA la plupart du temps et à rejeter un lot de produits particulier au NQR la plupart du temps.
Utiliser la loi hypergéométrique pour les lots isolés de taille finie
Par défaut, Minitab utilise la distribution binomiale pour créer des plans d'échantillonnage et comparer des plans d'échantillonnage de données conformes/non conformes. Pour utiliser correctement la distribution binomiale, Minitab suppose que l'échantillon provient d'un lot de grande taille (au moins dix fois plus importante que celle de l'échantillon) ou d'un flux de lots sélectionnés aléatoirement dans un processus en cours. La plupart de vos applications d'échantillonnage peuvent satisfaire cette hypothèse.
Si le lot de produits à partir duquel vous effectuez l'échantillonnage est un lot isolé de taille finie, la loi de distribution exacte pour le calcul de la probabilité d'acceptation est la loi hypergéométrique. Par exemple, vous recevez une commande spéciale de 500 étiquettes.
Remarque

La loi hypergéométrique est uniquement disponible lorsque vous disposez de données de type conformes/non conformes (défectueux) et que vous spécifiez la taille du lot. Minitab utilise la loi de Poisson lorsque vous dénombrez les défauts.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique