Interprétation des résultats principaux pour la fonction Analyse de capabilité (Poisson)

Suivez les étapes ci-dessous pour interpréter Analyse de capabilité (Poisson). Les résultats principaux incluent la carte de contrôle, le diagramme de Poisson et la moyenne des DPU.

Etape 1 : Déterminer si votre procédé est stable

Votre procédé doit être stable pour obtenir des estimations stables de la capabilité du procédé.

Les cartes de contrôle permettent de contrôler la stabilité d'un procédé en repérant les points hors contrôle, ainsi que les schémas et tendances dans les données.

Les points rouges indiquent les sous-groupes qui ont échoué à au moins un test des causes spéciales et sont hors contrôle. Les points hors contrôle indiquent que le procédé n'est peut-être pas stable et que les résultats d'une analyse de capabilité ne sont peut-être pas fiables. Vous devez identifier la cause des points hors contrôle et éliminer la variation des causes spéciales avant d'analyser la capabilité du procédé.

Dans cette carte U, la plupart des points varient aléatoirement et se situent à l'intérieur des limites de contrôle. Cette carte ne présente ni tendance ni schéma. Toutefois, le taux de défauts par unité pour le jour 17 est hors contrôle. Avant d'évaluer la capabilité du procédé, étudiez les causes spéciales pouvant contribuer à un nombre de DPU inhabituellement élevé ce jour-là et éliminez-les.

Etape 2 : Déterminer si les données suivent une loi de Poisson

Avant d'évaluer la capabilité de votre procédé, déterminez s'il suit une loi de Poisson. Si vos données ne suivent pas une loi de Poisson, il se peut que les estimations de la capabilité du procédé ne soient pas fiables. Le graphique que Minitab affiche pour évaluer la loi des données varie selon que vos effectifs de sous-groupes sont égaux ou différents.

Effectifs de sous-groupes égaux

Si vos effectifs de sous-groupes sont tous égaux, Minitab affiche un diagramme de Poisson.

Etudiez le diagramme pour déterminer si les points relevés suivent à peu près une ligne droite. Si ce n'est pas le cas, l'hypothèse selon laquelle les données ont été échantillonnées à partir d'une loi de Poisson est peut-être inexacte.

Poisson

Dans ce diagramme, les points de données tombent près de la ligne. Vous pouvez considérer que les données suivent une loi de Poisson.

Pas une loi de Poisson

Dans ce diagramme, les points de données ne tombent pas le long de la ligne, dans la partie supérieure droite du diagramme. Ces données ne suivent pas une loi de Poisson et ne peuvent pas être évaluées de manière fiable avec une analyse de capabilité de Poisson.

Effectifs de sous-groupes différents

Si les effectifs de sous-groupes varient, Minitab affiche un diagramme du taux de défauts.

Etudiez le diagramme pour évaluer si le nombre de DPU (défauts par unité) est distribué de manière aléatoire pour les effectifs d'échantillons ou s'il existe un schéma. Si vos données sont réparties de manière aléatoire autour de la ligne centrale, vous en concluez que les données suivent une loi de Poisson.

Poisson

Dans ce diagramme, les points sont dispersés de manière aléatoire autour de la ligne centrale. Vous pouvez considérer que les données suivent une loi de Poisson. Par conséquent, les données peuvent être évaluées avec une analyse de capabilité de Poisson.

Pas une loi de Poisson

Dans ce diagramme, la position des données n'est pas aléatoire. Pour des effectifs d'échantillon supérieurs à 120, le DPU augmente à mesure que l'effectif d'échantillon augmente. Ce résultat suggère une possible corrélation entre l'effectif d'échantillon et le taux de défauts. Par conséquent, les données ne suivent pas une loi de Poisson et ne peuvent pas être évaluées de manière fiable avec une analyse de capabilité de Poisson.

Etape 3 : Evaluer la moyenne des défauts par unité (DPU)

Examiner l'estimation de Moyenne des DPU et l'IC

Utilisez la moyenne des DPU des données échantillons pour estimer la moyenne des DPU du procédé. Utilisez l'intervalle de confiance comme marge d'erreur pour l'estimation.

L'intervalle de confiance fournit une étendue de valeurs probables pour la valeur réelle de la moyenne des DPU dans votre procédé (si vous pouvez collecter et analyser tous les éléments qu'il produit). Avec un niveau de confiance de 95 %, vous pouvez être certain à 95 % que la moyenne réelle des DPU du procédé se trouve dans l'intervalle de confiance. Ainsi, si vous collectez 100 échantillons aléatoires à partir de votre procédé, vous pouvez vous attendre à ce que 95 échantillons environ produisent des intervalles contenant la valeur réelle de la moyenne des DPU.

L'intervalle de confiance vous aide à évaluer la signification pratique de vos estimations d'échantillons. Si vous disposez d'une valeur maximale admissible pour la moyenne des DPU en fonction de la connaissance du procédé ou des normes industrielles, comparez la borne de confiance supérieure à cette valeur. Si la borne de confiance supérieure est inférieure à la valeur maximale admissible pour la moyenne des DPU, vous pouvez être certain que votre procédé répond aux attentes, même en prenant en compte la variabilité de l'échantillonnage aléatoire qui affecte l'estimation.

Résultats principaux : Moyenne des DPU, IC

Les résultats de l'analyse de capabilité de Poisson comprennent un tableau Statistiques récapitulatives, situé dans la partie centrale inférieure du résultat. Dans ce tableau Statistiques récapitulatives simulé, le DPU cible (0,0250) indique le nombre maximum admissible de DPU pour le procédé. L'estimation de la moyenne des DPU est de 0,0225, ce qui est en dessous de la valeur maximale admissible. Toutefois, l'IC supérieur pour la moyenne des DPU est de 0,0265, ce qui dépasse la valeur maximale admissible. Par conséquent, vous ne pouvez pas être certain à 95 % de la bonne capabilité du procédé. Vous devrez peut-être utiliser un effectif d'échantillon plus grand ou réduire la variabilité du procédé pour obtenir un intervalle de confiance plus étroit pour l'estimation de la moyenne des DPU.

Statistiques récapitulatives
(95,0 % de confiance)  
Moyenne des DPU : 0,0225
IC inférieur : 0,0190
IC supérieur : 0,0265
DPU min. : 0,0000
DPU max. : 0,0661
DPU cible : 0,0250

Déterminez si vous disposez d'un nombre suffisant de données pour avoir une estimation fiable.

Utilisez le diagramme des DPU cumulés pour déterminer si vous avez collecté suffisamment d'échantillons pour avoir une estimation solide des DPU.

Examinez les défauts par unité des échantillons chronologiques pour déterminer l'évolution de l'estimation au fil des collectes d'échantillons. Idéalement, le DPU se stabilise après plusieurs échantillons, comme le montre l'aplatissement des points relevés le long de la ligne représentant la moyenne des DPU.

Assez d'échantillons

Dans ce diagramme, la valeur de DPU se stabilise le long de la ligne de la moyenne des DPU. Par conséquent, l'étude de capabilité comprend suffisamment d'échantillons pour produire une estimation stable et fiable de la moyenne des DPU.

Pas assez d'échantillons

Dans ce diagramme, la valeur de DPU ne se stabilise pas. Par conséquent, cette étude de capabilité ne comprend pas suffisamment d'échantillons pour produire une estimation fiable de la moyenne des DPU.

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