Un taux d'amélioration ou une quantité d'améliorations constitue l'amélioration que vous souhaitez qu'un test de démonstration détecte. Suivant la loi de distribution spécifiée, Minitab trace la probabilité de la réussite du test de démonstration par rapport à l'amélioration sous la forme d'un taux d'amélioration ou d'une quantité d'améliorations.
- Taux d'amélioration
- Valeur réelle divisée par la valeur minimale à démontrer. Par exemple, un fournisseur de composants électroniques a amélioré la conception d'un condensateur en verre particulier. La durée de vie du condensateur existant suit une loi de Weibull avec un 5e percentile de 50 heures. Il considère qu'un 5e percentile de 150 heures constitue une amélioration significative de la durée de vie du condensateur. Par conséquent, il souhaite qu'un test de démonstration pour le condensateur nouvellement conçu soit considéré comme positif si le taux d'amélioration est de 150/50 = 3. Le graphique de probabilité de réussite affiche un diagramme de la probabilité de réussite du test de démonstration par rapport au taux d'amélioration pour les lois de Weibull, exponentielle, log-normale et log-logistique.
- Quantité d'améliorations
- Valeur minimale à démontrer soustraite de la valeur réelle. Par exemple, un fabricant améliore la conception d'un thermostat utilisé dans un chauffe-eau à gaz. La durée de vie du thermostat existant suit une loi normale avec un 5e percentile de 1 825 heures. Il considère qu'un 5e percentile de 2 010 heures constitue une amélioration significative de la durée de vie du thermostat. Par conséquent, il souhaite qu'un test de démonstration pour le thermostat nouvellement conçu soit considéré comme positif si la quantité d'améliorations réelle est 2 010 - 1 825 = 185 heures. Le graphique de probabilité de réussite affiche un diagramme de la probabilité de réussite du test de démonstration par rapport à la quantité d'améliorations pour les lois des plus petites valeurs extrêmes, normale et logistique.
