J'ai cherché partout en ligne et je n'ai pas trouvé de source. Pour un ensemble de données particulier, j'avais une distribution normale Cpk de 1,5 et une distribution normale 2 Mixture Cpk de 1,1.
Merci
Les formules pour une distribution non normale peuvent être trouvées ici :
Indices de capacité pour les distributions non normales : méthodes de centile et de score Z (jmp.com)
Les formules pour une distribution normale peuvent être trouvées ici :
Indices de capacité pour les distributions normales (jmp.com)
Salut @s_ard ,
Une recherche rapide sur Google m'a amené à cet article de la communauté JMP ici et ce blog JMP, ici , décrivant comment prendre en compte les distributions non normales dans la plateforme de capacités de processus à l'aide de JMP 13 et versions ultérieures. Selon le blog, vous pouvez soit spécifier la distribution en fonction de vos résultats les plus adaptés, soit utiliser la méthode non paramétrique, qui suppose aucune distribution connue.
Cela étant dit, je pense que vous devriez suivre certaines des suggestions de @cwillden dans l'article de la communauté sur la vérification préalable des antécédents et une enquête supplémentaire sur la cause profonde de votre distribution normale de 2 mélanges. Par exemple, examiner une carte de contrôle, comme il le souligne (en remarque, examiner la plate-forme MDMVCC peut être très utile pour détecter certains processus aberrants susceptibles de provoquer un comportement anormal.
À titre d'exemple descriptif, vous pourriez avoir un processus qui, après avoir fonctionné pendant des mois, a subi une sorte de changement de moyenne, disons de 20 à 25, à votre insu (et tout le matériel était toujours conforme aux spécifications). Si vous examinez la carte de contrôle, vous pourrez peut-être déterminer quand ce changement a eu lieu, revenir à la production et voir ce qui a changé. Disons que la production découvre qu'elle a un débitmètre défectueux et qu'après l'avoir remplacé, elle obtient le débit correct, ce qui entraîne un changement de moyenne. Cela peut apparaître comme une distribution non normale, mais cela peut s'expliquer par les deux phases, et lorsque cela est traité en conséquence dans la carte de contrôle, les statistiques seront calculées pour chaque phase. Cela tiendrait compte du changement et vous donnerait les valeurs correctes pour chaque phase.
Si votre processus est tel qu'il a réellement une distribution non normale et doit être pris en compte dans la plate-forme de capacité de processus, vous utiliserez alors votre fonction de distribution la mieux adaptée et indiquerez directement à JMP quelle devrait être la distribution. JMP calculera alors correctement les statistiques pertinentes.
Mais, comme mentionné dans l'article de la communauté, la stabilité est essentielle pour utiliser correctement ces indices. S'il n'est vraiment pas stable et qu'une plus grande diligence raisonnable est nécessaire, faites-le avant d'essayer de déclarer une valeur cpk. S'il est stable et qu'il s'agit bien de la distribution, vous devez alors indiquer explicitement à JMP d'utiliser une distribution alternative. Je crois comprendre que les calculs sont les mêmes en comparant la moyenne et les écarts types aux limites des spécifications, mais les différentes distributions modifieront la définition de la moyenne et des écarts types qui seront utilisés pour calculer le cpk.
J'espère que cela t'aides,
DS
