Section Qualité

Comment puis-je ajouter des lignes guides sur une carte I-EM ?

Avec Minitab 14 :

Double-cliquez sur l’axe que vous souhaitez modifier.
Sous "Tick Positions" (Choisir la position des lignes), choisissez "Specify Tick Positions" (Spécifier la position des lignes).
Indiquez la position de vos lignes, soit sous forme d’une liste de nombres avec un espace entre chaque chiffre, soit sous forme minimum:maximum/espacement. Par exemple, pour spécifier des lignes pour chaque chiffre pair de 1 à 10, saisissez 2 4 6 8 10 ou 2:10/2. Cliquez sur OK.

Avec Minitab 13 :

Utilisez la macro "I-MR Chart with User-Specified Tick Marks" (Carte I-EM avec lignes définies par l’utilisateur), disponible dans notre bibliothèque de Macros en ligne pour créer une Carte I-EM comportant un plus grand nombre de lignes que celui proposé par défaut.
Accédez à la page internet comprenant la macro.
Sous "I-MR Chart with User-Specified Tick Marks description" (description de la carte I-EM avec lignes définies par l’utilisateur), cliquez sur Code.
Enregistrez la page en tant que macro, sous le nom IMRTICK.MAC, dans votre répertoire macros Minitab (habituellement sous C:\Program Files\Mtbwin\Macros). Pour plus d’informations, cliquez sur "How to save this page as a macro" (Comment enregistrer cette page en tant que macro).
Supposons que vos données soient dans C2 et que vous souhaitiez que les lignes aillent de 1 à 20 par rangs de 2. Dans la fenêtre Session, à la commande invite MTB>, saisissez ce qui suit, puis appuyez sur Entrée.

%IMRTICK C2 1 20 2

Supposons que vous souhaitiez également marquer les dates qui se trouvent en C5 sur le graphique. Dans la fenêtre Session, à la commande invite MTB>, saisissez ce qui suit et appuyez sur Entrée après chaque ligne :

%IMRTICK C2 1 20 2; STAMP C5.

Remarques :

Dans la fenêtre Session, la commande invite devient SUBC> après la première ligne.
Pour afficher la commande invite, activez la fenêtre Session et choisissez "Edition > Editeur de ligne de commandes" (Editor > Enable Commands).

Lien utile :

Pour plus d’informations sur l’ajout de lignes sur une carte X Barre-R, vous pouvez consulter l’astuce numéro 1143 (page en anglais).

Comment exécuter une analyse d’aptitude sur chacune des colonnes ?

Option 1 :

Vous pouvez utiliser "Multiple Variables (Normal)" (Variables Multiples Normale) ou "Multiple Variables (Nonnormal)" (Variables Multiples Non normale) pour utiliser les fonctions "Capability Analysis > Normal" (Analyse d’Aptitude > Normale), "Capability Analysis > Between/Within" (Entre/A l’Intérieur de), ou "Capability Analysis > Nonnormal" (Non normale) sur chacune des colonnes qui ont des effectifs de sous-groupes et des limites de spécification identiques ou non.

Supposons que vous souhaitiez exécuter une Analyse d’Aptitude > Normale sur chacune des colonnes C1, C2, C5, C10, et C15. Les effectifs de sous-groupes sont 2, 3, 5, 5 et 5. Les limites de spécification inférieures sont -3, -3, -2, -2 et -1. Les limites de spécification supérieures sont 3, 3, 2, 2 et 1.

Choisissez "Stat > Quality Tools > Capability Analysis > Multiple Variables (Normal)" (Stat > Outils qualité > Analyse d’aptitude > Variables Multiples (Normale)).
Dans "Variables", entrez C1 C2 C5 C10 C15.
Dans "Subgroup sizes" (Effectifs des sous-groupes), entrez 2 3 5 5 5.
Dans "Lower spec" (Spécification inférieure), saisissez -3 -3 -2 -2 -1.
Dans "Upper spec" (Spécification supérieure), entrez 3 3 2 2 1.
Cliquez sur OK.

Option 2 :

Vous pouvez utiliser le langage de commande pour exécuter une Analyse d’Aptitude > Normale, Entre/A l’Intérieur de, Non normale, Binomiale ou de Poisson sur chacune des colonnes qui ont les mêmes caractéristiques (mêmes effectifs de sous-groupe, mêmes limites de spécification pour l’Analyse d’Aptitude Normale et même colonne d’effectifs d’échantillons et cible pour l’Analyse d’Aptitude Binomiale).

Supposons que vous souhaitiez exécuter une "Capability Analysis > Normal" (Analyse d’Aptitude > Normale) sur chacune des colonnes C1, C2, C5, C10 et C15. L’effectif du sous-groupe est 2 et les limites de spécification inférieure et supérieure sont -3 et 3.

Choisissez "Edit > Command Line Editor" (Edition > Editeur de ligne de commande).
Tapez la commande : CAPA C1 C2 C5 C10 C15 2; LSPEC -3; USPEC 3.
Cliquez sur "Submit Commands" (Soumettre les Commandes).

Pour faciliter l’utilisation du langage de commande, vous pouvez également utiliser la méthode suivante :

Utilisez "Stat > Quality Tools > Capability Analysis > Normal" (Stat > Outils de qualité > Analyse d’aptitude > Normale) pour réaliser l’Analyse d’aptitude sur C1.
Sur la barre d’outils de la fenêtre Project Manager de Minitab 14 (Gestionnaire de Projet), cliquez sur "Show History" (Afficher l’historique).
Mettez en surbrillance toutes les lignes à partir du mot "CAPA".
Cliquez avec le bouton droit et choisissez "Command Line Editor" (Editeur de Ligne de Commande).
Modifiez la commande pour incorporer les colonnes restantes.
CAPA C2 C5 C10 C15 2; LSPEC -3; USPEC 3.
Cliquez sur "Submit Commands" (Soumettre les commandes).

Avec Minitab 13 :

Vous pouvez utiliser le langage de commande pour exécuter une "Capability Analysis > Normal" (Analyse d’Aptitude > Normale), "Capability Analysis > Between/Within" (Entre/A l’Intérieur de), ou "Capability Analysis > Nonnormal" (Non normale) sur chacune des colonnes qui ont les mêmes effectifs de sous-groupe et les mêmes limites de spécification.

Supposons que vous souhaitiez exécuter une Analyse d’aptitude (Normale) sur chacune des colonnes C1, C2, C5, C10 et C15. L’effectif du sous-groupe est 2 et les limites de spécification inférieure et supérieure sont -3 et 3 respectivement.
Choisissez Edit > Command Line Editor (Edition > Editeur de ligne de commande).
Tapez la commande qui suit : %RCAPA; CSUB C1 C2 C5 C10 C15 2; LSPEC -3; USPEC 3.
Cliquez sur "Submit Commands" (Soumettre les commandes).

Pour faciliter l’utilisation du langage de commande, vous pouvez également utiliser la méthode suivante :

Utilisez "Stat > Quality Tools > Capability Analysis > Normal" (Stat > Outils de qualité > Analyse d’aptitude > Normale) pour réaliser l’Analyse de capabilité sur C1.
Sur la barre d’outils de la fenêtre Project Manager de Minitab 14 (Gestionnaire de Projet), cliquez sur "Show History" (Afficher l’historique).
Mettez en surbrillance toutes les lignes à partir du mot "CAPA".
Cliquez avec le bouton droit et choisissez "Command Line Editor" (Editeur de Ligne de Commande).
Modifiez la commande pour incorporer les colonnes restantes : %Rcapa ; Csub C2 C5 C10 C15 2; Lspec -3; Uspec 3; Toler 6.0; Within; Overall.
Cliquez sur "Submit Commands" (Soumettre les commandes).

Remarque :

Pour plus de précisions sur l'étape décrite au point 3. ci-dessus, vous pouvez consulter l'astuce numéro 677 (en anglais uniquement).

Comment puis-je modifier la méthode employée par défaut dans Minitab pour l’estimation de l’écart-type des cartes de contrôle et des analyses de capabilité ?

Pour les cartes de contrôle et les analyses de capabilité pour lesquelles la taille du sous-groupe est supérieure à un, la méthode par défaut d’estimation de l’écart-type est le calcul de l’écart-type regroupé.

Pour les cartes de contrôle et les analyses de capabilité pour lesquelles la taille du sous-groupe est égale à un, la méthode par défaut d’estimation de l’écart-type est le calcul de la moyenne de l’étendue mobile.

Les changements de méthode éventuellement effectués dans la boîte de dialogue de la carte de contrôle ou des analyses de capabilité ou dans une boîte de dialogue Stats > Quality Tools > Capability Sixpack (Stats > Outils de qualité > Six graphiques - Capability Sixpack) affectent uniquement le projet en cours.

Pour modifier cette méthode par défaut pour tous vos projets Minitab, sélectionnez "Tools > Options > Control Charts and Quality Tools > Estimating Standard Deviation" (Outils > Options > Cartes de contrôle et Outils de qualité > Estimation de l'écart-type).

Remarques :

Pour plus d'informations sur les possibilités de modification des paramètres par défaut du logiciel, sélectionnez Tools > Options (Outils > Options). Sélectionnez l’option que vous souhaitez modifier et cliquez sur "Help" (Aide).
Le fait de modifier les paramètres par défaut n’affectera pas les projets antérieurs dans lesquels vous aviez réalisé des cartes de contrôle et des analyses de capabilité.

Minitab peut-il calculer les limites de contrôle d’une carte de contrôle et la ligne médiane pour différents groupes de données ?

La réponse est oui.

Supposez que vous souhaitiez créer une carte Xbar pour les données en C1 tout en utilisant un sous-groupe de taille 5. C2 est une variable indicatrice contenant les valeurs « Benchmark » (Etalon) et « Improvement » (Amélioration). Ces valeurs permettent de localiser le changement. Vous voulez calculer les limites de contrôle une nouvelle fois lorsque la valeur en C2 est passée de « Benchmark » à « Improvement ».

Pour cela :

Choisissez Stat> Control Charts> Variables Charts for Subgroups> Xbar (Stat> Cartes de contrôle> Cartes pour sous-groupes> XBarre). Choisissez l’option « All observations for a chart are in one column » (toutes les observations sont dans une colonne) puis saisissez C1. Dans « Subgroup sizes » (tailles des sous-groupes), saisissez 5. Cliquez sur « Xbar Options » (options), puis cliquez sur l’onglet «Stages» (étapes). Dans « Define stages (historical groups) with this variable » (Définir les étapes, les groupes historiques pour cette variable), saisissez C2. Cliquez sur OK dans chaque boîte de dialogue.

Comment utiliser un fichier de données historiques pour établir une moyenne historique et un écart-type pour mes cartes de contrôle ?

Vous pouvez créer une carte de contrôle en utilisant le fichier de données historiques et stocker la moyenne et l'écart-type dans la feuille de travail.

Pour obtenir, des estimations historiques pour une carte I-EM dans Minitab 13 :

Choisissez "Stat > Statistiques élémentaires > Stocker des statistiques descriptives".
Dans la boîte de dialogue qui s'affiche, cliquez une fois dans la section "Variables" et sélectionnez à gauche votre réponse.
Cliquez sur l'onglet "Statistiques" de la boîte de dialogue et cochez "Moyenne" et "Ecart-type" dans la nouvelle fenêtre qui s'affiche. Cliquez sur "Ok" dans chaque boîte de dialogue. La moyenne et l'écart-type s'affichent dans la feuille de travail.
Sélectionnez "Stat > Cartes de contrôle > I-EM".
Dans la section "Variables" de la fenêtre ainsi ouverte, choisissez votre réponse dans la partie gauche de la boîte de dialogue.
Dans la partie "Moyenne historique", saisissez le nombre que vous avez fait apparaître dans la feuille de travai en suivant l'étape 3 décrite ci-dessous. Faites de même pour la partie "Sigma historique".
Cliquez sur "Ok".

Pour obtenir des estimations historiques pour une carte I-EM dans Minitab 14 :

Choisissez "Stat > Control Charts > Variables Charts for Individuals > I-MR (Stat > Cartes de Contrôle > Cartes de Variables pour Individus > I-EM). Remplissez la boîte de dialogue selon la procédure habituelle pour les données historiques.

Cliquez sur "I-MR Options" (Options I-EM).
Cliquez sur l'onglet "Storage" (Stockage).
Cochez "Means" (Moyennes) et "Standard deviations" (Ecart-types). Cliquez sur OK dans chaque boîte de dialogue.

La moyenne est stockée dans la colonne MOYENNE1 et l'écart-type est stocké dans la colonne ECTYP1.

Pour utiliser la moyenne historique et l'écart-type pour une nouvelle Carte I-EM :

Choisissez "Stat > Control Charts > Variables Charts for Individuals > I-MR" (Stat > Cartes de Contrôle > Cartes de Variables pour Individus > I-EM). Remplissez la boîte de dialogue selon la procédure habituelle.
Cliquez sur "I-MR Options" (Options I-EM).
Sur l'onglet "Parameters" (Paramètres), saisissez la moyenne et l'écart-type stockés dans la feuille de travail au-dessus. Cliquez sur "OK" dans chaque boîte de dialogue.

Comment réaliser une étude R&R de l'instrumentation croisée ou emboîtée avec une tolérance unilatérale (une seule limite de spécification) ?

Suivez pour ce faire la procédure indiquée ci-dessous :

Choisissez "Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed) or (Nested)" (Stat > Outils de Qualité > Etude de l'Instrumentation > Etude R&R de l'Instrumentation (Croisée) ou (Emboîtée)).
Remplissez la boîte de dialogue comme d'habitude.
Cliquez sur Options.
Choisissez "Lower spec only" (Spéc inférieure uniquement) ou "Upper spec only" (Spéc supérieure uniquement) et entrez la limite de spécification.
Cliquez sur OK dans chaque boîte de dialogue.

Remarque :

Cette fonction a été introduite dans Minitab 14.2. Si vous avez une version antérieure à Minitab14.2, vous pouvez installer la mise à jour corrective gratuite disponible sur ce site internet (page en anglais).

Pourquoi les graphiques Par Pièce et Par Opérateur dans le résultat R&R de l'Instrumentation (Croisée) s'affichent-ils parfois avec des diagrammes à points, et d'autres fois sous forme de boîtes à moustaches?

Si le nombre d'opérateurs x le nombre de répétitions est supérieur ou égal à 10, Minitab génèrera des boîtes à moustaches pour les graphiques Par Pièce et Par Opérateur. Sinon, il génèrera des diagrammes à points.

Remarque :

Le nombre de répétitions est égal au nombre de mesures de chaque pièce par chaque opérateur.

Je souhaite créer une carte barre groupée (ou empilée), mais je n'ai que deux colonnes de texte comprenant des données de catégories (je n'ai pas de variable y).

Supposons que les données que vous souhaitez utiliser pour l'axe x se trouvent dans C1 et les données que vous souhaitez utiliser pour les groupes (ou piles) se trouvent dans C2.

Choisissez Graphique > Carte Barre.
A partir du menu déroulant Barres représentent, choisissez Dénombrements de valeurs uniques.
Cliquez sur Groupe (ou Pile).
Dans Variables de catégories, entrez C1 C2. Cliquez sur OK.

Pour les versions antérieures à Minitab14, suivez la procédure suivante:

Remarque :

Supposons également que C3, C4, et C5 sont vides.

Choisissez Edition > Editeur de Ligne de Commande.
Entrez les commandes de session suivantes:

STATS; BY C1 C2; GLABLES C3 C4; COUNTS C5.

Cliquez sur Soumettre les Commandes.
Choisissez Graphique > Carte.
Dans Y, entrez C5. Dans X, entrez C4. Choisissez Pour chaque > Groupe. Dans Variables de groupement, entrez C3.
Cliquez sur Options.
Cochez Groupe (ou Pile), et entrez C3.
Cliquez sur OK dans chaque boîte de dialogue.

Comment calculer les composantes de la variance (Colonne VarComp) dans une Etude R&R de l'Instrumentation (Croisée) "à la main" ?

Pour connaître la réponse, vous pouvez consulter la page internet

http://www.minitab.com/support/docs/answers/CalculatingVarCompsbyHand.pdf

Existe-t-il une méthode empirique pour l'acceptabilité des systèmes de mesure lors de l'exécution d'une Etude R&R de l'Instrumentation (Croisée ou Emboîtée)?

L'Automotive Industry Action Group a établi en 2002 les règles suivantes pour définir l'acceptabilité des systèmes de mesure :

Une erreur inférieure à 10 pour-cent est acceptable.
Une erreur comprise entre 10 et 30 pour-cent suggère que le système peut être accepté selon l'importance de l'application, le coût du dispositif de mesure, le coût de réparation et d'autres facteurs.
Une erreur supérieure à 30 pour-cent est jugée inacceptable, il est nécessaire d'améliorer le système de mesure.

Dans le logiciel Minitab, les pourcentages ci-dessus concernent le premier nombre (la ligne appelée R&R de l'Instrumentation Totale dans les résultats de la fenêtre de Session) dans les colonnes intitulées %Var Etude, %Tolérance (si vous avez entré une valeur pour la "Tolérance" du procédé dans "Options") et %Procédé (si vous avez entré une valeur pour le "Sigma historique" ou un "Ecart-type historique" dans "Options").

AIAG indique que le système de mesure doit distinguer 5 différentes catégories de réponses.

Outre le pourcentage d'erreur et le nombre de catégories distinctes, vous devez examiner les analyses graphiques sur la durée pour prendre une décision vis à vis de l'acceptabilité d'un système de mesure.

Remarque :

Si vous utilisez la colonne %Contribution, les critères d'acceptabilité sont...

Une erreur inférieure à 1 pour-cent est acceptable.
Une erreur comprise entre 1 et 9 pour-cent suggère que le système est acceptable en fonction de l'importance de l'application, du coût du dispositif de mesure, du coût de réparation et d'autres facteurs.
Une erreur supérieure à 9 pour-cent est inacceptable, et vous devez améliorer le système de mesure.

Référence bibliographique :

Automotive Industry Action Group (AIAG) (2002). Measurement Systems Analysis Reference Manual (Manuel de Référence d'Analyse des Systèmes de Mesure). Chrysler, Ford, General Motors Supplier Quality Requirements Task Force (Groupe de Travail sur les Exigences de Qualité des fournisseurs de DaimlerChrysler, Ford, General Motors).

Lien utile :

Pour en savoir plus sur le nombre de catégories distinctes, vous pouvez consulter la Question/Réponse n°276 en anglais

Comment remplacer l'une des variables de catégories sur l'axe x d'une carte à barres avec plusieurs facteurs regroupés (cluster bar chart ou carte barre en grappes) par une légende ?

Prenons un exemple :

Choisissez File>Open Worksheet (Fichier>Ouvrir une feuille de travail).
Recherchez les feuilles de travail classées dans le dossier Minitab (généralement sous C:\Program Files\MINITAB 14\Data). Lorsque Minitab vous demande si vous souhaitez ajouter la feuille de travail au projet, vous cliquez sur «OK»
Cliquez deux fois simultanément sur le fichier EXH_QC.MTW Vous voulez que les variables de catégories "Periods" (Périodes) soient indiquées sur l'axe x. Vous voulez que les variables de catégories "Flaws" (Vices) soient représentées par des couleurs sur la carte barre, les couleurs étant explicitées par une légende.
Dans le logiciel, sélectionnez Graph>Bar chart (Graphique> Carte Barre).
Dans le champ "Bars represent" (Les barres représentent), saisissez "Counts of unique values" (Nombres de valeurs uniques).
Dans cette même boîte de dialogue, sélectionnez la représentation graphique miniature "Cluster" (grappe) et cliquez sur "OK".
Dans la nouvelle fenêtre qui s'affiche, choisissez "Period" et "Flaws" (vices) dans le champ "Categorical variables"; puis cliquez sur "OK".
Cliquez deux fois simultanément sur une barre quelconque.
Cliquez sur l'onglet "Groups".
Dans le champ "Categorical variables for attribute assignment" (Variables de catégories pour affectation d'attributs), indiquez la variable que vous souhaitez remplacer par une légende, soit, pour cet exemple : "Flaws" (Vices).
Cochez "Apply attribute variables to other data displays" (Appliquer les variables d'attributs aux autres affichages de données) puis pressez le bouton "OK".
Faites un clic double sur l'axe x.
Dans la boîte de dialogue qui s'affiche, sélectionnez l'onglet "Labels" (Etiquettes).
Dans la section "Tick Labels" (Etiquettes de Repères), décochez "Show" (Afficher) pour les niveaux des étiquettes de repères que vous souhaitez masquer. Dans cet exemple, décochez "Show" pour la première ligne qui représente les vices ("flaws"). Cliquez sur le bouton "OK".

Remarque :

Vous pouvez modifier l'ordre des niveaux pour les variables de catégories sur le graphique. Vous pouvez par exemple modifier l'ordre dans lequel les vices apparaissent dans la légende.

Lien utile :

Pour de plus amples informations, n'hésitez pas à consulter l'astuce n°1301 (en anglais)

Pourquoi les indices d’aptitude (Cp, Pp, etc.) sont-ils tous sous forme d’astérisques (*) dans mes résultats d’analyse d’aptitude (analyse de capabilité) ?

Sélectionnez les deux limites de spécification comme bornes en cochant "Boundary next to each spec limit in the dialog box" (Borne à côté de chaque limite de spécification) dans la boîte de dialogue.

Toutes les statistiques/indices d’aptitude apparaîtront sous forme d’astérisques (*) dans la sortie.

Vous ne devez cocher "Boundary" (Borne) que s’il est impossible pour les données de dépasser cette limite de spécification.

Dans le cas, par exemple, de mesures de temps d’arrêt pour un équipement, sélectionnez une spécification inférieure à zéro comme borne.

Un temps d'arrêt négatif n'est en effet pas concevable.

Existe-t-il une règle générale concernant l’acceptabilité des systèmes de mesure lors de la conduite d’une Etude de R&R de l’instrumentation (Croisée ou Emboîtée) ?

D’après l'AIAG (2002), la règle générale concernant l’acceptabilité des systèmes de mesure est la suivante :

Une erreur inférieure à 10 pour cent est acceptable.
Une erreur comprise entre 10 pour cent et 30 pour cent suggère que le système peut être accepté selon l’importance de l’application, du coût du dispositif de mesure, du coût de réparation et d’autres facteurs.
Une erreur supérieure à 30 pour cent est jugée inacceptable. Il est souhaitable dans ce cas d'améliorer le système de mesure.

Les pourcentages ci-dessus s’appliquent à la première ligne intitulée R&R totale de l'instr. dans la fenêtre de Session de la version 13 de Minitab ou Total Gage R&R dans la fenêtre de Session de la version 14 de Minitab.

L'AIAG indique également que le nombre de catégories distinctes dans lesquelles le système de mesure divise un procédé doit être supérieur ou égal à 5. Outre le pourcentage d’erreur et le nombre de catégories distinctes, vous devez également examiner les analyses graphiques sur la durée pour décider de l’acceptabilité d’un système de mesure.

Remarque :

Si vous utilisez la colonne %Contribution, les normes équivalentes d’acceptabilité sont les suivantes :

Une erreur inférieure à 1 pour cent est acceptable.
Une erreur comprise entre 1 pour cent et 9 pour cent suggère que le système peut être accepté selon l’importance de l’application, du coût du dispositif de mesure, du coût de réparation et d’autres facteurs.
Une erreur supérieure à 9 pour cent est inacceptable. Il est souhaitable dans ce cas d'améliorer le système de mesure.

Référence bibliographique :

Automotive Industry Action Group (AIAG) (2002). Measurement Systems Analysis Reference Manual (manuel de référence de l’analyse des systèmes de mesure). Il émane du groupe de travail sur les exigences de Qualité fournisseurs des constructeurs automobiles Chrysler, Ford et General Motors.

Lien utile :

Pour plus d'explications sur le nombre de catégories distinctes, consultez l'astuce numéro 276 (en anglais).

Que signifient écart-type « à l’intérieur de » et écart-type « global » dans l’analyse d’aptitude et le graphique appelé « Capability Sixpack (Normale) » ?

Les notions d’écart-type « A l’intérieur de » et « global » dans la version 13 ou "within standard deviation " et "overall standard deviation " dans la version 14 de Minitab, font référence aux différents moyens d’estimer la variation du procédé. Une estimation de l’écart-type « à l’intérieur de » ou « within », telle que R-barre/d2, est basée sur la variation à l’intérieur des sous-groupes.

L’estimation « globale » ou « overall » est l’écart-type pour la totalité de l’étude.

Cp et Cpk sont indiqués sous la catégorie « Aptitude potentielle (à l’intér de) » dans la version 13 ou « Potential (Within) Capability » dans la version 14 parce qu’ils sont calculés grâce à l’estimation de la variation à l’intérieur du sous-groupe.

Pp et Ppk sont indiqués dans la colonne intitulée « Aptitude globale » dans la version 13 ou « Overall Capability » dans la version 14, parce qu’ils sont calculés en utilisant l’écart-type global de l’étude.

La variation à l’intérieur de correspond à la variation du procédé inhérente définie dans l’ouvrage de référence sur la Maîtrise Statistique des Procédés de l’AIAG (SPC AIAG Reference Manual. Chrysler Corporation, Ford Motor Company et General Motors Corporation. Tous droits réservés AIAG) tandis que la variation globale correspond à la variation de procédé totale.

La variation de procédé inhérente est due à des causes communes uniquement. La variation globale est due à la fois à des causes communes et spéciales.

Cp et Cpk sont appelés aptitude de potentiel dans Minitab, parce qu’ils reflètent le potentiel pouvant être obtenu si toutes les causes spéciales étaient éliminées.

Lien utile :

Pour voir les formules pour l’Analyse d’aptitude, pour le récapitulatif graphique « Capability Sixpack (Normale) » et pour l’estimation de l’écart-type, consultez l'astuce numéro 294 (en anglais).

Qu'évalue l’option Stat > Quality Tools > Gage Study > Gage Linearity and Bias Study (Stat > Outils de qualité > Etude de l’instrumentation > Etude de linéarité et de biais de l’instrumentation) ?

L’étude de linéarité et de biais de l’instrumentation permet de déterminer si votre instrumentation effectue des mesures exactes.

Elle évalue la linéarité (c’est-à-dire la précision des mesures par rapport à la gamme de mesures attendue) et le biais (c’est-à-dire la variation des mesures par rapport à une valeur de référence).

Lorsque vous effectuez une étude de linéarité et de biais dans le logiciel Minitab, un graphique affiche la droite d’ajustement des biais correspondant aux valeurs de référence.

Le résultat de linéarité obtenu indique la cohérence des mesures de l’instrumentation par rapport à la gamme de valeurs de référence.

Si la pente est faible, la linéarité est satisfaisante.

Le résultat de biais obtenu indique la variation des mesures par rapport aux valeurs de référence.

Si le biais est positif, les mesures de l’instrumentation sont trop élevées.

Si le biais est négatif, les mesures de l’instrumentation sont trop faibles.

Le pourcentage de biais (%Bias) indique l’importance du biais de l’instrumentation sur l’ensemble de la variation.

Des mesures faibles par rapport à de petites valeurs de référence ou élevées par rapport à de grandes valeurs de référence peuvent entraîner l’affichage d’une pente statistiquement significative (où le niveau de signification est indiqué par la valeur p de la pente), à savoir une grande linéarité.

Dans ce cas, les valeurs de biais sont positives à une extrémité et négatives à l’autre, ce qui rend l’interprétation de l’ensemble du biais difficile.

Remarques :

Une étude R&R permet uniquement d’évaluer la variation des mesures de l’instrumentation (répétabilité et reproductibilité) et non leur précision. Pour déterminer la précision des mesures de l’instrumentation, effectuez une étude de linéarité et de biais.
Pour en savoir plus sur les études de linéarité et de biais des instrumentations :

Sélectionnez Help > StatGuide (Aide > StatGuide).
Cliquez sur Help Topics (Rubriques d’aide).
Double-cliquez sur Quality Tools (Outils de qualité).
Double-cliquez sur Gage Study (Etude de l’instrumentation)
Double-cliquez sur Gage Linearity and Bias Study (Etude de linéarité et de biais de l’instrumentation).

Comment interpréter la forme, l'échelle, et le seuil sur un graphique de probabilité de Weibull ?

La loi de Weibull est définie par trois paramètres : la forme, l'échelle, et le seuil.

La forme décrit la forme de la loi de Weibull. Une forme de 3 correspond approximativement à une loi normale.

Une forme comprise entre 2 et 4 est toujours assez normale.

Une valeur inférieure pour la forme, disons 1,25, donne une loi asymétrique sur la droite.

Une valeur élevée pour la forme, disons 10, donne une loi asymétrique sur la gauche.

L'échelle, ou durée de vie caractéristique, correspond au percentile 63,2% des données.

L'échelle définit la position de la loi de Weibull par rapport au seuil, comme la moyenne définit la position d'une loi normale.

Une échelle de 10, par exemple, indique que 63,2 % de l'équipement connaîtra une défaillance au cours des 10 premières heures suivant le temps seuil.

Le seuil est une déviation de la loi de 0.

Un seuil négatif dévie la loi sur la gauche de 0, et un seuil positif dévie la loi sur la droite de 0.

Toutes les données doivent être supérieures au seuil.

Le seuil représente un décalage de la distribution par rapport à 0.

Un seuil négatif signale un décalage de la distribution vers la gauche de 0 tandis qu"un seuil positif
indique un décalage de la distribution vers la droite de 0.

Par exemple, une loi de Weibull(3,100) est exactement la même qu'une loi de 3pWeibull(3,100,50)
à l’exception près que la loi de Weibull à 3 paramètres est décalée de 50 unités vers la droite de 0.

Lorsque vous exécutez Stat > Fiabilité/Survie > Analyse de la répartition > Diagramme d'identification de répartition ou Analyse de répartition paramétrique [Stat > Reliability/Survival > Distribution Analysis > Distribution ID plot ou Parametric Distribution Analysis], la fenêtre de Session du logiciel affiche les estimations des percentiles et les intervalles de confiance associés.

Par exemple, si vous souhaitez voir la durée de vie B10, le temps associé au dixième percentile, regardez le tableau dans la fenêtre Session.

Pour connaître la formule utilisée par le logiciel Minitab, vous pouvez consulter la fonction de densité de probabilité Weibull (page en anglais).

Comment créer une feuille de travail avec les références des pièces, les noms des opérateurs et les répétitions pour une étude du système de mesure (Gage R&R) ?

Si vous utilisez Minitab 15

Vous pouvez utiliser la fonction Créer une feuille de travail d’étude R&R de l’instrumentation. Pour ce faire :

Choisissez Stat > Outils de qualité > Etude de l’instrumentation > Créer une feuille de travail de l’étude R&R de l’instrumentation [Stat > Quality Tools > Gage Study > Create Gage R&R Study Worksheet avec Minitab 15 en anglais]
Dans le champ Nombre de pièces[Number of parts], entrez le nombre de pièces de votre étude.
Dans la colonne Nom de la pièce [Part Name], tapez le numéro ou la référence de chaque pièce.
Dans le champ Nombre d’opérateurs [Number of operators], entrez le nombre d’opérateurs de votre étude.
Dans la colonne Opérateurs [Operators], tapez le numéro ou l'identifiant de chaque opérateur.
Dans le champ Nombre de répliques [Number of replicates], entrez le nombre de fois que chaque opérateur mesurera chaque pièce pour votre étude.
Cliquez sur OK.

Remarque :

Les mesures seront classées aléatoirement par défaut.

Pour modifier le classement des mesures :

Ouvrez la dernière boîte de dialogue évoqué dans l'instruction numéro 6 ci-dessus en pressant simultanément les touches clavier CTL+E.
Cliquez sur Options dans la boîte de dialogue "Créer une feuille de travail de l’étude R&R de l’instrumentation".
Effectuez les changements souhaités.
Cliquez sur OK.

Si vous utilisez Minitab 14 :

Deux options se présentent.

Vous pouvez utiliser le menu DOE [plan d’expériences]

Choisissez Stat > DOE > Factorial > Create Factorial Design [Stat > DOE (plans d’expériences) > Plan factoriel > Créer un plan factoriel].
Dans la section Type of design [Type de plan], cochez General full factorial design [Plan factoriel complet général].
Dans le champ Number of factors [Nombre de facteurs], sélectionnez le chiffre 2.
Cliquez sur Designs [Plans].
Remplacez le nom Factor A [Facteur A] par Opérateur et entrez le nombre d’opérateurs que vous souhaitez utiliser dans Number of Levels [Nombre de niveaux].
Remplacez le nom Factor B [Facteur B] par Pièce et entrez le nombre de pièces que vous souhaitez utiliser dans Number of Levels [Nombre de niveaux].
Dans le champ Number of Replicates [Nombre de répliques], choisissez un chiffre.
Cliquez sur OK dans chaque boîte de dialogue.

Vous pouvez utiliser la macro MSA Setup [Configuration MSA]

Cliquez sur le lien, MSA Setup Macro [Macro Configuration MSA] indiqué ci-dessous.
Sous MSA Setup [Configuration MSA], cliquez sur Code.
Enregistrez la page sous une macro, appelée MSASETUP.MAC, dans votre répertoire de macros Minitab (généralement C:\Program Files\Minitab 14\Macros). Pour obtenir les instructions sur l'enregistrement de cette page au format macro de Minitab, cliquez sur le lien "How to save this page as a macro".
Supposons que vous souhaitiez effectuer une analyse des systèmes de mesure avec 3 opérateurs, 10 pièces et 2 répétitions. Supposons que vous souhaitiez enregistrer les données dans C1, C2, et C3.
Dans la fenêtre Session à l’invite de commande (MTB>), tapez : %MSASETUP 10 3 2 C1-C3
Appuyez sur [Enter] [Entrée] et suivez les instructions affichées dans la fenêtre Session.
Supposons que vous souhaitiez enregistrer les valeurs standard (references ou noms des pieces) dans C5.
Dans la fenêtre Session à l’invite de commande MTB>, tapez ce qui suit et appuyez sur [Enter] [Entrée] après chaque ligne :

%MSASETUP 10 3 2 C1 C2 C3;
STANDARD C5.

Remarques :

Comme pour l’ordre des pièces, vous pouvez classer aléatoirement l’ordre des opérateurs. Si vous choisissez de ne pas le faire, le cycle pour les opérateurs sera exécuté dans le même ordre. Par exemple, un cycle avec 3 opérateurs serait (1, 2, 3); (1, 2, 3), etc.
Pour afficher l’invite de commande, activez la fenêtre Session du logiciel Minitab et choisissez Editor > Enable Commands [Edition > Activer les commandes]

Comment calculer les intervalles de confiance pour les statistiques de capabilité ?

Procédez comme suit pour inclure les intervalles de confiance pour les statistiques d’aptitude :

Cliquez sur Options dans la boîte de dialogue Analyse de capabilité [Capability Analysis].
Cochez Inclure les Intervalles de confiance [Include Confidence Intervals].
Cliquez sur OK.

Pour afficher les formules utilisées par Minitab pour calculer les intervalles de confiance :

Cliquez sur Help [Aide] dans la boîte de dialogue Analyse de capabilité [Capability Analysis].
Choisissez See also > Methods and formulas [Voir aussi Méthodes et formules].

Remarques :

Pour calculer des intervalles de confiance pour Cp, Z.référence (A l’intérieur de) [Z.Bench (Within)], Cpk, Pp, Z.référence (Global) [Z.Bench (Overall)], Ppk, et Cpm :

Sélectionnez Stat > Outils de la qualité > Analyse de capabilité > Normal, Entre/A l’intérieur de [Stat > Quality Tools > Capability Analysis > Normal, Between/Within] et Variables multiples (Normal) [Multiple Variables (Normal)].

Pour calculer des intervalles de confiance pour Pp, Z. référence [Z.Bench] et Ppk :

Sélectionnez Stat > Outils de la qualité> Analyse de Capabilité > Non-normal [Stat > Quality Tools > Capability Analysis > Nonnormal] avec une transformation de Johnson et Variables multiples (Normal) [Multiple Variables (Normal)] avec une transformation de Johnson.

Pour Normal, Entre/A l’intérieur de [Normal, Between/Within] et Non-normal [Nonnormal] avec une transformation de Johnson, les intervalles de confiance sont affichés sur le graphique.

Pour Variables multiples (Normal) [Multiple Variables (Normal)] et Variables multiples (Non-normal) [Multiple Variables (Nonnormal)] avec une transformation de Johnson, les intervalles de confiance sont affichés dans la fenêtre Session.

Vous pouvez stocker les intervalles de confiance dans la feuille de travail en cliquant sur Stockage [Storage] dans la boîte de dialogue Analyse de Capabilité [Capability Analysis].

Lors de l’exécution de Stat > Outils de la qualité > Analyse de Capabilité > Binomiale et Poisson [Stat > Quality Tools > Capability Analysis > Binomial and Poisson], les intervalles de confiance sont affichés automatiquement sur le graphique.

Lien utile

Les formules pour le calcul de l'intervalle de confiance pour cp et cpk sont disponibles sur ce site internet en anglais.

Revenir au sommaire des questions-réponses.

Comment ajouter des repères sur une carte X barre-R ?

Procédez comme suit pour inclure les intervalles de confiance pour les statistiques d’aptitude :

Double-cliquez sur l’axe que vous souhaitez modifier.
Sous Positions des repères [Tick Positions], choisissez Spécifier les positions des repères [Specify tick positions].
Entrez la position de vos repères, soit sous forme d’une liste de nombres, avec un espace entre chaque chiffre, soit au format minimum:maximum/espacement. Par exemple, pour spécifier des repères à chaque chiffre pair de 1 à 10, entrez 2 4 6 8 10, ou 2:10/2.
Cliquez sur OK.

Remarques :

Pour plus d’informations sur l’ajout de repères sur une carte I-EM, voir l’astuce 1078.