Graphiques pour la fonction Analyse de capabilité pour plusieurs variables (loi non normale)

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque graphique fourni avec l'analyse de capabilité pour plusieurs variables (loi non normale).

Diagrammes de probabilité

Un diagramme de probabilité affiche chaque point de données en fonction du pourcentage de valeurs dans l'échantillon qui sont inférieures ou égales à ce point de données.
Un diagramme de probabilité comprend les composantes suivantes :
Ligne centrale
Percentile attendu de la loi, en fonction des estimations des paramètres par le maximum de vraisemblance.
Bornes de confiance
La ligne courbe de gauche indique les bornes inférieures des intervalles de confiance pour les percentiles. La ligne courbe de droite indique les bornes supérieures des intervalles de confiance pour les percentiles.
Statistique du test d'Anderson-Darling et valeur de p
Résultats d'un test permettant de déterminer si vos données suivent la loi.

Interprétation

Utilisez les diagrammes de probabilité pour évaluer l'ajustement de la loi non normale pour chaque variable.

Si la loi est un bon ajustement pour les données, les points doivent former une ligne à peu près droite. Des écarts par rapport à la ligne droite indiquent que l'ajustement est inacceptable. Si la valeur de p est supérieure à 0,05, vous pouvez supposer que les données suivent la loi non normale utilisée dans l'analyse.

Si la valeur de p est inférieure à 0,05, vos données ne suivent pas la loi sélectionnée et les résultats de l'analyse de capabilité peuvent être inexacts. Utilisez la commande Identification de loi individuelle pour déterminer quelle loi non normale ou transformation des données est plus efficace pour vos données.
Remarque

Si les lois diffèrent pour plusieurs variables, vous devez effectuer une analyse de capabilité distincte pour chaque variable.

Histogramme des capabilités

L'histogramme des capabilités présente la distribution de vos données échantillons. Chaque barre de l'histogramme représente la fréquence des données dans un intervalle.
La courbe rouge continue représente le modèle de la loi de distribution non normale qui a été sélectionné pour l'analyse.

Interprétation

Utilisez l'histogramme des capabilités pour visualiser vos données échantillons par rapport à l'ajustement de la loi de distribution et aux limites de spécification.

Rechercher des preuves d'inadéquation de l'ajustement pour la loi de distribution non normale sélectionnée

Pour chaque variable, comparez la courbe de distribution aux barres de l'histogramme pour déterminer si vos données semblent suivre la loi que vous avez choisie pour l'analyse. Si les barres varient sensiblement par rapport à la courbe, vos données peuvent ne pas suivre la loi choisie et les estimations de capabilité peuvent ne pas être fiables pour votre procédé. Si vous n'êtes pas sûr de la loi qui s'ajuste le mieux à vos données, utilisez l'option Identification de loi individuelle pour identifier une loi ou une transformation appropriée.

Ajustement correct
Ajustement incorrect
Important

Les histogrammes ne fournissent qu'une indication grossière de l'ajustement de la loi de distribution. Pour évaluer plus précisément l'ajustement de la loi de distribution, utilisez les résultats des diagrammes de probabilité. Si les lois diffèrent pour plusieurs variables, vous devez effectuer une analyse de capabilité distincte pour chaque variable.

Examiner les données échantillons par rapport aux limites de spécification
Pour chaque variable, examinez visuellement les données de l'histogramme par rapport aux limites de spécification inférieure et supérieure. Dans l'idéal, la dispersion des données est plus étroite que la dispersion de spécification, et toutes les données se trouvent dans les limites de spécification. Les données qui se trouvent en dehors des limites de spécification représentent des éléments non conformes. Dans l'idéal, un nombre faible ou nul de pièces se trouvent en dehors des limites de spécification.

Dans ces résultats, la dispersion du procédé est supérieure à la dispersion de spécification, ce qui suggère une faible capabilité. Bien que la plupart des données se trouvent dans les limites de spécification, il existe de nombreux éléments non conformes en dessous de la limite de spécification inférieure (LSI) et au-dessus de la limite de spécification supérieure (LSS).

Remarque

Pour déterminer le nombre réel de pièces non conformes dans votre procédé, utilisez les résultats de PPM < LSI, PPM > LSS et PPM Total. Pour plus d'informations, reportez-vous à la rubrique Toutes les statistiques et tous les graphiques.

Evaluer l'emplacement du procédé

Pour chaque variable, déterminez si le procédé est centré entre les limites de spécification ou sur la valeur cible, le cas échéant. Le pic de la courbe de distribution indique l'emplacement de la plupart des données.

Dans ces résultats, bien que les observations d'échantillon se situent dans les limites de spécification, le pic de la courbe de distribution n'est pas sur la cible. La plupart des données dépassent la valeur cible et sont proches de la limite de spécification supérieure.

Pour effectuer une analyse plus approfondie des hypothèses de l'analyse de capabilité non normale, utilisez la commande Analyse Capability Sixpack (loi non normale).
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique