Comment la loi influe-t-elle sur les résultats de l'analyse de capabilité ?

Minitab exécute des analyses de capabilité basées à la fois sur le modèle normal de probabilité et sur le modèle non normal. Les analyses qui utilisent un modèle normal de probabilité fournissent un ensemble de statistiques plus complet, mais vos données doivent approcher une loi normale pour que les statistiques correspondent aux données.

Par exemple, la fonction Analyse de capabilité normale estime le nombre de pièces par million (PPM) hors spécifications à l'aide du modèle normal de probabilité. L'interprétation de ces statistiques dépend de deux hypothèses : que les données proviennent d'un procédé stable et qu'elles suivent une loi approximativement normale.

De même, la fonction Analyse de capabilité utilisant une loi non normale calcule le nombre de pièces par million (PPM) hors spécifications à l'aide de la loi non normale la mieux adaptée à vos données. Dans les deux cas, la validité des statistiques dépend de la validité de la loi adoptée.

Si les données sont très asymétriques, la proportion estimée d'éléments défectueux peut être très élevée ou trop faible. Dans ce cas, il convient de transformer les données de sorte que le modèle de la loi normale soit mieux adapté ou de choisir un modèle de probabilité avec loi non normale pour les données. Avec Minitab, vous pouvez transformer les données à l'aide du système de loi de Johnson ou de la transformation de Box-Cox, ou utiliser un modèle non normal de probabilité.

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