Observations relatives aux données pour la fonction Analyse de capabilité normale

Pour garantir la validité de vos résultats, examinez les indications suivantes lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.

Les données doivent être continues

Les données continues sont des mesures pouvant correspondre à toutes les valeurs numériques d'une étendue de valeurs le long d'une échelle continue, y compris des valeurs fractionnaires ou décimales. Par exemple, il peut s'agir de mesures de longueur, de poids ou de température.

Si vous disposez de données d'attribut, telles que des quantités d'éléments défectueux ou de défauts, utilisez la fonction Analyse de capabilité binomiale ou Analyse de capabilité (Poisson).

Collectez suffisamment de données pour obtenir des estimations fiables de la capabilité du procédé
Tâchez de collecter au moins 100 points de données au total (effectif des sous-groupes * nombre de sous-groupes), par exemple, 25 sous-groupes d'effectif 4 ou 35 sous-groupes d'effectif 3. Si vous ne collectez pas suffisamment de données sur un intervalle de temps suffisamment long, les données peuvent ne pas rendre compte avec exactitude des différentes sources de variation du procédé et les estimations risquent ne pas indiquer la véritable capabilité de votre procédé.
Lorsque cela est possible, les données doivent être collectées en sous-groupes rationnels
Un sous-groupe rationnel est un petit échantillon d'éléments similaires produits pendant une courte période de temps et représentatifs du procédé. Les observations de chaque sous-groupe doivent être collectées avec les mêmes variables d'entrée et dans les mêmes conditions, comme le personnel, l'équipement, les fournisseurs ou l'environnement.Si vous ne collectez pas de sous-groupes rationnels, la variation obtenue dans les sous-groupes peut être due à des causes spéciales, au lieu de rendre compte de la variation naturelle inhérente au procédé.
Le procédé doit être stable et maîtrisé
Si le procédé étudié n'est pas stable, les indices de capabilité ne peuvent pas être utilisés avec fiabilité pour évaluer la capabilité future du procédé. Si vous n'êtes pas sûr que votre procédé est maîtrisé, utilisez la fonction Carte X barre-S ou Analyse Capability Sixpack normale pour évaluer sa stabilité avant d'effectuer cette analyse.
Les données doivent suivre une loi normale
Les estimations de capabilité du procédé pour cette analyse reposent sur la loi normale. Si les données ne sont pas normalement distribuées, les estimations de capabilité ne seront pas exactes pour votre procédé. Si vos données sont non normales, vous pouvez les transformer à l'aide de la transformation de Box-Cox ou de la transformation de Johnson, qui sont incluses dans les options Transformation de cette analyse. Pour déterminer si vos données sont normales ou savoir si une transformation sera efficace si vos données ne sont pas normales, utilisez la fonction Identification de loi individuelle. Si vos données ne sont pas normales et qu'aucune transformation n'est efficace, pensez éventuellement à utiliser la fonction Analyse de capabilité utilisant une 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