Graphiques pour la fonction Analyse de capabilité normale pour plusieurs variables

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

Droite de Henry

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 droites de Henry pour déterminer si vos données doivent suivre une loi normale.

Si la loi normale est un bon ajustement pour les données, les points forment une ligne à peu près droite le long de la droite d'ajustement située entre les bornes de confiance. Des écarts par rapport à cette ligne droite indiquent des écarts par rapport à la normalité. Si la valeur de p est supérieure à 0,05, vous pouvez supposer que les données suivent la loi normale. Vous pouvez évaluer la capabilité de votre procédé à l'aide d'une loi normale.

Si la valeur de p est inférieure à 0,05, vos données ne sont pas normales et les résultats de l'analyse de capabilité peuvent être inexacts. Utilisez la commande Identification de loi individuelle pour déterminer si vous devez transformer les données ou ajuster une loi non normale pour effectuer l'analyse de capabilité.
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 pour chaque variable. Chaque barre de l'histogramme représente la fréquence des données dans un intervalle.

Les courbes à l'intérieur et globale de l'histogramme sont des courbes de distribution normale générées à l'aide de la moyenne de procédé et de différentes estimations de la variation du procédé. La courbe "à l'intérieur" en pointillés utilise l'écart type à l'intérieur des sous-groupes. La courbe globale pleine utilise l'écart type global.

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 de non-normalité

Pour chaque variable, comparez la courbe globale pleine aux barres de l'histogramme pour évaluer si vos données sont à peu près normales. Si les barres varient sensiblement par rapport à la courbe, vos données peuvent ne pas être normales et les résultats de l'analyse de capabilité peuvent être inexacts. Si vos données semblent non normales, utilisez la commande Identification de loi individuelle pour déterminer si vous devez transformer les données ou ajuster une loi non normale pour effectuer l'analyse de capabilité.

Ajustement correct
Ajustement incorrect
Remarque

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

Comparer les courbes à l'intérieur et globale

Pour chaque variable, comparez la courbe globale pleine et la courbe "à l'intérieur" en pointillés de l'histogramme pour déterminer l'alignement des courbes. Une différence substantielle entre les courbes peut indiquer que le procédé n'est pas stable ou qu'il existe une importante variation entre les sous-groupes de cette variable. Utilisez une carte de contrôle pour évaluer si votre procédé est stable pour la variable avant d'effectuer une analyse de capabilité.

Bien alignées
Mal alignées
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 ces résultats, les données du procédé semblent correctement centrées entre les limites de spécification. Toutefois, 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 des 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.

Pour effectuer une analyse plus approfondie des hypothèses de l'analyse de capabilité normale, utilisez la commande Analyse Capability Sixpack normale.

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