Types de données pour l'analyse de capabilité

Pour choisir l'analyse de capabilité appropriée, déterminez le type de données dont vous disposez. Les deux types de données principaux pour une analyse de capabilité sont les données continues et les données d'attribut. Minitab propose des analyses normales et non normales pour les données continues et des analyses binomiales et de Poisson pour les données d'attribut.

Si vous pouvez choisir de collecter des données continues ou des données d'attribut, essayez de collecter des données continues, car elles fournissent généralement plus d'informations et qu'elles sont davantage objectives. Les données d'attribut sont plus faciles à collecter et sont donc souvent utilisées lorsque les mesures continues sont difficiles à obtenir.

Données continues

Les données continues mesurent une caractéristique d'une pièce ou d'un procédé, comme la longueur, le poids ou la température. En général, les données incluent des valeurs décimales. Par exemple, un fabricant de produits alimentaires souhaite déterminer la constance du poids d'un produit céréalier dans le temps. Pour collecter les données, un contrôleur qualité enregistre les poids d'un échantillon de paquets de céréales.

Les données continues issues des procédés industriels suivent souvent une loi de distribution normale. Les données continues qui ne sont pas normalement distribuées peuvent suivre un type spécifique de loi non normale, telle qu'une loi de Weibull ou une loi exponentielle. Parfois, vous pouvez transformer des données non normales pour qu'elles s'ajustent à une loi normale.

Données d'attribut

Les données d'attribut mesurent la présence d'une caractéristique ou d'une condition, comme un trait physique, un type de défaut ou une notation telle que succès/échec. Les données d'attribut dépendent habituellement d'une évaluation subjective et sont donc sujettes à l'interprétation de l'évaluateur. Il existe deux types principaux de données d'attribut : les dénombrements de défauts, qui sont des non-conformités, et les dénombrements de défectueux, qui sont des éléments non conformes.

Un défaut fait référence à une caractéristique qualitative spécifique d'un élément, telle qu'une déchirure, un accroc ou une décoloration. Chaque élément peut présenter plus d'un défaut et un défaut ne rend pas systématiquement un élément inutilisable. Par exemple, les analystes d'une entreprise textile examinent des serviettes et vérifient si elles comportent des déchirures, des accrocs ou des erreurs de piquage, puis ils enregistrent le nombre de défauts pour chaque lot de 25 serviettes. Chaque serviette peut présenter plusieurs défauts, comme 1 déchirure et 1 accroc. Lorsque vous étudiez des défauts, vous collectez des données de Poisson.

Un défectueux se rapporte à l'état global acceptable ou non acceptable d'un élément dans son intégralité. Par conséquent, les données présentent souvent la forme oui/non, succès/échec ou défectueux/non défectueux. Etant donné qu'un élément peut avoir de nombreuses caractéristiques qualitatives, il peut aussi présenter de nombreux défauts, mais l'élément lui-même est soit défectueux, soit non défectueux. Par exemple, un analyste contrôle un échantillon d'ampoules d'un fournisseur et compte le nombre d'ampoules cassées de chaque échantillon. Lorsque vous étudiez des défectueux, vous collectez des données binomiales.